正則表達(dá)式30分鐘入門教程

版本：v2.4.1 (2019-11-15) 作者：deerchao 轉(zhuǎn)載請注明來源

目錄

本文目標(biāo)

30分鐘內(nèi)讓你明白正則表達(dá)式是什么，并對它有一些基本的了解，讓你可以在自己的程序或網(wǎng)頁里使用它。

如何使用本教程

正則表達(dá)式到底是什么東西？

入門

學(xué)習(xí)正則表達(dá)式的最好方法是從例子開始，理解例子之后再自己對例子進(jìn)行修改，實驗。下面給出了不少簡單的例子，并對它們作了詳細(xì)的說明。

假設(shè)你在一篇英文小說里查找hi，你可以使用正則表達(dá)式hi。

這幾乎是最簡單的正則表達(dá)式了，它可以精確匹配這樣的字符串：由兩個字符組成，前一個字符是h,后一個是i。通常，處理正則表達(dá)式的工具會提供一個忽略大小寫的選項，如果選中了這個選項，它可以匹配hi,HI,Hi,hI這四種情況中的任意一種。

不幸的是，很多單詞里包含hi這兩個連續(xù)的字符，比如him,history,high等等。用hi來查找的話，這里邊的hi也會被找出來。如果要精確地查找hi這個單詞的話，我們應(yīng)該使用\bhi\b。

如果同時使用其它元字符，我們就能構(gòu)造出功能更強(qiáng)大的正則表達(dá)式。比如下面這個例子：

0\d\d-\d\d\d\d\d\d\d\d匹配這樣的字符串：以0開頭，然后是兩個數(shù)字，然后是一個連字號“-”，最后是8個數(shù)字(也就是中國的電話號碼。當(dāng)然，這個例子只能匹配區(qū)號為3位的情形)。

這里的\d是個新的元字符，匹配一位數(shù)字(0，或1，或2，或……)。-不是元字符，只匹配它本身——連字符(或者減號，或者中橫線，或者隨你怎么稱呼它)。

為了避免那么多煩人的重復(fù)，我們也可以這樣寫這個表達(dá)式：0\d{2}-\d{8}。這里\d后面的{2}({8})的意思是前面\d必須連續(xù)重復(fù)匹配2次(8次)。

測試正則表達(dá)式

如果你不覺得正則表達(dá)式很難讀寫的話，要么你是一個天才，要么，你不是地球人。正則表達(dá)式的語法很令人頭疼，即使對經(jīng)常使用它的人來說也是如此。由于難于讀寫，容易出錯，所以找一種工具對正則表達(dá)式進(jìn)行測試是很有必要的。

不同的環(huán)境下正則表達(dá)式的一些細(xì)節(jié)是不相同的，本教程介紹的是微軟 .Net Framework 4.x 下正則表達(dá)式的行為，所以，我向你推薦我編寫的.Net下的工具 Regester。請參考該頁面的說明來安裝和運(yùn)行該軟件。

下面是Regester運(yùn)行時的截圖：

你也可以試試這個在線測試工具：Wegester, JavaScript正則表達(dá)式測試器。

元字符

字符轉(zhuǎn)義

如果你想查找元字符本身的話，比如你查找.,或者*,就出現(xiàn)了問題：你沒辦法指定它們，因為它們會被解釋成別的意思。這時你就得使用\來取消這些字符的特殊意義。因此，你應(yīng)該使用\.和\*。當(dāng)然，要查找\本身，你也得用\\.

例如：deerchao\.cn匹配deerchao.cn，C:\\Windows匹配C:\Windows。

重復(fù)

你已經(jīng)看過了前面的*,+,{2},{5,12}這幾個匹配重復(fù)的方式了。下面是正則表達(dá)式中所有的限定符(指定數(shù)量的代碼，例如*,{5,12}等)：

下面是一些使用重復(fù)的例子：

Windows\d+匹配Windows后面跟1個或更多數(shù)字

^\w+匹配一行的第一個單詞(或整個字符串的第一個單詞，具體匹配哪個意思得看選項設(shè)置)

字符類

要想查找數(shù)字，字母或數(shù)字，空白是很簡單的，因為已經(jīng)有了對應(yīng)這些字符集合的元字符，但是如果你想匹配沒有預(yù)定義元字符的字符集合(比如元音字母a,e,i,o,u),應(yīng)該怎么辦？

很簡單，你只需要在方括號里列出它們就行了，像[aeiou]就匹配任何一個英文元音字母，[.?!]匹配標(biāo)點(diǎn)符號(.或?或!)。

我們也可以輕松地指定一個字符范圍，像[0-9]代表的含意與\d就是完全一致的：一位數(shù)字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考慮英文的話）。

分枝條件

不幸的是，剛才那個表達(dá)式也能匹配010)12345678或(022-87654321這樣的“不正確”的格式。要解決這個問題，我們需要用到分枝條件。正則表達(dá)式里的分枝條件指的是有幾種規(guī)則，如果滿足其中任意一種規(guī)則都應(yīng)該當(dāng)成匹配，具體方法是用|把不同的規(guī)則分隔開。聽不明白？沒關(guān)系，看例子：

0\d{2}-\d{8}|0\d{3}-\d{7}這個表達(dá)式能匹配兩種以連字號分隔的電話號碼：一種是三位區(qū)號，8位本地號(如010-12345678)，一種是4位區(qū)號，7位本地號(0376-2233445)。

\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}這個表達(dá)式匹配3位區(qū)號的電話號碼，其中區(qū)號可以用小括號括起來，也可以不用，區(qū)號與本地號間可以用連字號或空格間隔，也可以沒有間隔。你可以試試用分枝條件把這個表達(dá)式擴(kuò)展成也支持4位區(qū)號的。

\d{5}-\d{4}|\d{5}這個表達(dá)式用于匹配美國的郵政編碼。美國郵編的規(guī)則是5位數(shù)字，或者用連字號間隔的9位數(shù)字。之所以要給出這個例子是因為它能說明一個問題：使用分枝條件時，要注意各個條件的順序。如果你把它改成\d{5}|\d{5}-\d{4}的話，那么就只會匹配5位的郵編(以及9位郵編的前5位)。原因是匹配分枝條件時，將會從左到右地測試每個條件，如果滿足了某個分枝的話，就不會去再管其它的條件了。

分組

我們已經(jīng)提到了怎么重復(fù)單個字符（直接在字符后面加上限定符就行了）；但如果想要重復(fù)多個字符又該怎么辦？你可以用小括號來指定子表達(dá)式(也叫做分組)，然后你就可以指定這個子表達(dá)式的重復(fù)次數(shù)了，你也可以對子表達(dá)式進(jìn)行其它一些操作(后面會有介紹)。

反義

有時需要查找不屬于某個能簡單定義的字符類的字符。比如想查找除了數(shù)字以外，其它任意字符都行的情況，這時需要用到反義：

例子：\S+匹配不包含空白符的字符串。

<a[^>]+>匹配用尖括號括起來的以a開頭的字符串。

后向引用

后向引用用于重復(fù)搜索前面某個分組匹配的文本。例如，\1代表分組1匹配的文本。難以理解？請看示例：

\b(\w+)\b\s+\1\b可以用來匹配重復(fù)的單詞，像go go, 或者kitty kitty。這個表達(dá)式首先是一個單詞，也就是單詞開始處和結(jié)束處之間的多于一個的字母或數(shù)字(\b(\w+)\b)，這個單詞會被捕獲到編號為1的分組中，然后是1個或幾個空白符(\s+)，最后是分組1中捕獲的內(nèi)容（也就是前面匹配的那個單詞）(\1)。

你也可以自己指定子表達(dá)式的組名。要指定一個子表達(dá)式的組名，請使用這樣的語法：(?<Word>\w+)(或者把尖括號換成'也行：(?'Word'\w+)),這樣就把\w+的組名指定為Word了。要反向引用這個分組捕獲的內(nèi)容，你可以使用\k<Word>,所以上一個例子也可以寫成這樣：\b(?<Word>\w+)\b\s+\k<Word>\b。

使用小括號的時候，還有很多特定用途的語法。下面列出了最常用的一些：

我們已經(jīng)討論了前兩種語法。第三個(?:exp)不會改變正則表達(dá)式的處理方式，只是這樣的組匹配的內(nèi)容不會像前兩種那樣被捕獲到某個組里面，也不會擁有組號。“我為什么會想要這樣做？”——好問題，你覺得為什么呢？

零寬斷言

(?=exp)也叫零寬度正預(yù)測先行斷言，它斷言自身出現(xiàn)的位置的后面能匹配表達(dá)式exp。比如\b\w+(?=ing\b)，匹配以ing結(jié)尾的單詞的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.時，它會匹配sing和danc。

(?<=exp)也叫零寬度正回顧后發(fā)斷言，它斷言自身出現(xiàn)的位置的前面能匹配表達(dá)式exp。比如(?<=\bre)\w+\b會匹配以re開頭的單詞的后半部分(除了re以外的部分)，例如在查找reading a book時，它匹配ading。

假如你想要給一個很長的數(shù)字中每三位間加一個逗號(當(dāng)然是從右邊加起了)，你可以這樣查找需要在前面和里面添加逗號的部分：((?<=\d)\d{3})+\b，用它對1234567890進(jìn)行查找時結(jié)果是234567890。

下面這個例子同時使用了這兩種斷言：(?<=\s)\d+(?=\s)匹配以空白符間隔的數(shù)字(再次強(qiáng)調(diào)，不包括這些空白符)。

負(fù)向零寬斷言

前面我們提到過怎么查找不是某個字符或不在某個字符類里的字符的方法(反義)。但是如果我們只是想要確保某個字符沒有出現(xiàn)，但并不想去匹配它時怎么辦？例如，如果我們想查找這樣的單詞--它里面出現(xiàn)了字母q,但是q后面跟的不是字母u,我們可以嘗試這樣：

\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的單詞。但是如果多做測試(或者你思維足夠敏銳，直接就觀察出來了)，你會發(fā)現(xiàn)，如果q出現(xiàn)在單詞的結(jié)尾的話，像Iraq,Benq，這個表達(dá)式就會出錯。這是因為[^u]總要匹配一個字符，所以如果q是單詞的最后一個字符的話，后面的[^u]將會匹配q后面的單詞分隔符(可能是空格，或者是句號或其它的什么)，后面的\w*\b將會匹配下一個單詞，于是\b\w*q[^u]\w*\b就能匹配整個Iraq fighting。負(fù)向零寬斷言能解決這樣的問題，因為它只匹配一個位置，并不消費(fèi)任何字符?，F(xiàn)在，我們可以這樣來解決這個問題：\b\w*q(?!u)\w*\b。

零寬度負(fù)預(yù)測先行斷言(?!exp)，斷言此位置的后面不能匹配表達(dá)式exp。例如：\d{3}(?!\d)匹配三位數(shù)字，而且這三位數(shù)字的后面不能是數(shù)字；\b((?!abc)\w)+\b匹配不包含連續(xù)字符串a(chǎn)bc的單詞。

同理，我們可以用(?<!exp),零寬度負(fù)回顧后發(fā)斷言來斷言此位置的前面不能匹配表達(dá)式exp：(?<![a-z])\d{7}匹配前面不是小寫字母的七位數(shù)字。

一個更復(fù)雜的例子：(?<=<(\w+)>).*(?=<\/\1>)匹配不包含屬性的簡單HTML標(biāo)簽內(nèi)里的內(nèi)容。(?<=<(\w+)>)指定了這樣的前綴：被尖括號括起來的單詞(比如可能是<b>)，然后是.*(任意的字符串),最后是一個后綴(?=<\/\1>)。注意后綴里的\/，它用到了前面提過的字符轉(zhuǎn)義；\1則是一個反向引用，引用的正是捕獲的第一組，前面的(\w+)匹配的內(nèi)容，這樣如果前綴實際上是<b>的話，后綴就是</b>了。整個表達(dá)式匹配的是<b>和</b>之間的內(nèi)容(再次提醒，不包括前綴和后綴本身)。

注釋

小括號的另一種用途是通過語法(?#comment)來包含注釋。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。

要包含注釋的話，最好是啟用“忽略模式里的空白符”選項，這樣在編寫表達(dá)式時能任意的添加空格，Tab，換行，而實際使用時這些都將被忽略。啟用這個選項后，在#后面到這一行結(jié)束的所有文本都將被當(dāng)成注釋忽略掉。例如，我們可以前面的一個表達(dá)式寫成這樣：

 (?<= # 斷言要匹配的文本的前綴
	<(\w+)> # 查找尖括號括起來的內(nèi)容
	# (即HTML/XML標(biāo)簽)
	) # 前綴結(jié)束
	.* # 匹配任意文本
	(?= # 斷言要匹配的文本的后綴
	<\/\1> # 查找尖括號括起來的內(nèi)容
	# 查找尖括號括起來的內(nèi)容
	) # 后綴結(jié)束

貪婪與懶惰

當(dāng)正則表達(dá)式中包含能接受重復(fù)的限定符時，通常的行為是（在使整個表達(dá)式能得到匹配的前提下）匹配盡可能多的字符。以這個表達(dá)式為例：a.*b，它將會匹配最長的以a開始，以b結(jié)束的字符串。如果用它來搜索aabab的話，它會匹配整個字符串aabab。這被稱為貪婪匹配。

有時，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉(zhuǎn)化為懶惰匹配模式，只要在它后面加上一個問號?。這樣.*?就意味著匹配任意數(shù)量的重復(fù)，但是在能使整個匹配成功的前提下使用最少的重復(fù)?，F(xiàn)在看看懶惰版的例子吧：

處理選項

平衡組/遞歸匹配

< #最外層的左括號
	[^<>]* #它后面非括號的內(nèi)容
	(
	(
	(?'Open'<) #左括號，壓入"Open"
	[^<>]* #左括號后面的內(nèi)容
	)+
	(
	(?'-Open'>) #右括號，彈出一個"Open"
	[^<>]* #右括號后面的內(nèi)容
	)+
	)*
	(?(Open)(?!)) #最外層的右括號前檢查
	#若還有未彈出的"Open"
	#則匹配失敗
	
	> #最外層的右括號

還有些什么東西沒提到

上邊已經(jīng)描述了構(gòu)造正則表達(dá)式的大量元素，但是還有很多沒有提到的東西。下面是一些未提到的元素的列表，包含語法和簡單的說明。你可以在網(wǎng)上找到更詳細(xì)的參考資料來學(xué)習(xí)它們--當(dāng)你需要用到它們的時候。如果你安裝了MSDN Library,你也可以在里面找到.Net下正則表達(dá)式詳細(xì)的文檔。這里的介紹很簡略，如果你需要更詳細(xì)的信息，而又沒有在電腦上安裝MSDN Library,可以查看關(guān)于正則表達(dá)式語言元素的MSDN在線文檔。

聯(lián)系作者

好吧，我承認(rèn)，我騙了你，讀到這里你肯定花了不止30分鐘。相信我，這是我的錯，而不是因為你太笨。我之所以說"30分鐘"，是為了讓你有信心，有耐心繼續(xù)下去。既然你看到了這里，那證明我的陰謀成功了。被忽悠的感覺很爽吧？

要投訴我，或者覺得我其實可以忽悠得更高明，或者有關(guān)于正則表達(dá)式的問題, 可以發(fā)郵件到 deerchao#qq#com。如果本文給了你幫助，你可以使用支付寶或微信支付向我打賞。點(diǎn)擊本頁右上方的“打賞”即可看到支付二維碼，可能你得先回到頁面最頂端。

網(wǎng)上的資源及本文參考文獻(xiàn)

• 精通正則表達(dá)式(第3版)
• 微軟的正則表達(dá)式教程
• Regex類(微軟文檔)
• 專業(yè)的正則表達(dá)式教學(xué)網(wǎng)站(英文)
• 關(guān)于.Net下的平衡組的詳細(xì)討論（英文）

更新紀(jì)錄

1. 2006-3-27 第一版
2. 2006-10-12 第二版
   • 修正了幾個細(xì)節(jié)上的錯誤和不準(zhǔn)確的地方
   • 增加了對處理中文時的一些說明
   • 更改了幾個術(shù)語的翻譯（采用了MSDN的翻譯方式）
   • 增加了平衡組的介紹
   • 放棄了對The Regulator的介紹，改用Regex Tester
3. 2007-3-12 V2.1
   • 修正了幾個小的錯誤
   • 增加了對處理選項(RegexOptions)的介紹
4. 2007-5-28 V2.2
   • 重新組織了對零寬斷言的介紹
   • 刪除了幾個不太合適的示例，添加了幾個實用的示例
   • 其它一些微小的更改
5. 2007-8-3 V2.21
   • 修改了幾處文字錯誤
   • 修改/添加了對$,\b的精確說明
   • 承認(rèn)了作者是個騙子
   • 給RegexTester添加了Singleline選項的相關(guān)功能
6. 2008-4-13 v2.3
   • 調(diào)整了部分章節(jié)的次序
   • 修改了頁面布局，刪除了專門的參考節(jié)
   • 針對讀者的反饋，調(diào)整了部分內(nèi)容
7. 2009-4-11 v2.3.1
   • 修改了幾處文字錯誤
   • 添加了一些注釋說明
   • 調(diào)整了一些措詞
8. 2011-8-17 v2.3.2
   • 更改了工具介紹，換用自行開發(fā)的正則表達(dá)式測試器
9. 2013-1-10 v2.3.3
   • 說明包含前導(dǎo)0的IP地址是合法的
10. 2017-6-6 v2.3.4
    • 更新測試工具
11. 2017-6-12 v2.3.5
    • 修復(fù)分支條件章節(jié)下的錯誤(刪除括號后的問號)
12. 2019-6-28 v2.4
    • 提供在線 Javascript 正則表達(dá)式測試工具
    • 提到 Javascript 中的 dotAll 模式
    • 修改作者聯(lián)系方式
13. 2019-11-15 v2.4.1
    • 改進(jìn)在手機(jī)瀏覽器下的頁面布局