Further Study of Rugular Expresions第1/2页
程序员文章站
2023-08-26 22:48:37
小弟便兴起了学一学re的想法，但小弟天生就比较懒一些，总希望看有没有些快速学习的方式，于是小弟又请出google大神，藉由祂的神 力，小弟在网络上找到了jim hollen...
小弟便兴起了学一学re的想法，但小弟天生就比较懒一些，总希望看有没有些快速学习的方式，于是小弟又请出google大神，藉由祂的神 力，小弟在网络上找到了jim hollenhorst先生的文章，经过了阅读，小弟觉得真是不错，所以就做个小心得报告，跟move-to.net的朋 友分享，希望能为各位大大带来一丁点在学习re时的帮助。jim hollenhorst大大文章之网址如下，有需要的大大可直接连结。
the 30 minute regex tutorial by jim hollenhorst
http://www.codeproject.com/useritems/regextutorial.asp
什么是re?
想必各位大大在做文件查找的时侯都有使用过万用字符”*”，比如说想查找在windows目录下所有的word文件时，你可能就会用”*.doc”这样的方式来做查找，因为”*”所代表的是任意的字符。re所做的就是类似这样的功能，但其功能更为强大。
写程序时，常需要比对字符串是否符合特定样式，re最主要的功能就是来描述这特定的样式，因此可以将re视为特定样式的描述式，举个例子来说，”\ w +”所代表的就是任何字母与数字所组成的非空字符串(non-null string)。在.net framework中提供了非常强大的类别库， 藉此可以很轻易的使用re来做文字的查找与取代、对复杂标头的译码及验证文字等工作。
学习re最好的方式就是藉由例子亲自来做做看。jim hollenhorst大大也提供了一个工具程序expresso(来杯咖啡吧)，来帮助我们学习re，下载的网址是http://www.codeproject.com/useritems/regextutorial/expressosetup2_1c.zip。
接下来，就让我们来体验一些例子吧。
一些简单的例子
假设要查找文章中elvis后接有alive的文字符串的话，使用re可能会经过下列的过程，括号是所下re的意思：
1. elvis (查找elvis)
上述代表所要查找的字符顺序为elvis。在.net中可以设定乎略字符的大小写，所以”elvis”、”elvis”或者是”elvis”都是符合 1 所下的re。但因为这只管字符出现的顺序为elvis，所以pelvis也是符合1所下的re。可以用2的re来改进。
2. \belvis\b (将elvis视为一整体的字查找，如elvis、elvis乎略字符大小写时)
“\b”在re中有特别的意思，在上述的例子中所指的就是字的边界，所以\belvis\b用\b把elvis的前后边界界定出来，也就是要elvis这个字。
假设要将同一行里elvis后接有alive的文字符串找出来，此时就会用到另外二个特别意义的字符”.”及”*”。”.”所代表就是除了换行字符的 任意字符，而”*”所代表的是重复*之前项目直到找到符合re的字符串。所以”.*”所指的就是除了换行字符外的任意数目的字符数。所以查找同一行里 elvis后接有alive的文字符串找出来，则可下如3之re。
3. \belvis\b.*\balive\b (查找elvis后面接有alive的文字符串，如elvis is alive)
用简单之特别字符就可以组成功能强大的re，但也发现当使用越来越多的特别字符时，re就会越来越难看得懂了。
再看看另外的例子
组成有效的电话号码
假使要从网页上收集顾客格式为xxx-xxxx的7位数字的电话号码，其中x是数字，re可能会这样写。
4. \b\d\d\d-\d\d\d\d (查找七位数字之电话号码，如123-1234)
每一个\d代表一个数字。”-”则是一般的连字符号，为避免太多重复的\d，re可以改写成如5的方式。
5. \b\d{3}-\d{4} (查找七位数字电话号码较好的方法，如123-1234)
在\d后的{3}，代表重复前一个项目三次，也就是相等于\d\d\d。
re的学习及测试工具 expresso
因为re不易阅读及使用者容易会下错re的特性，jim大大开发了一个工具软件expresso，用来帮助使用者学习及测试re，除了上面所述的网址之外，也可以上ultrapico网站(http://www.ultrapico.com)。安装完expresso后，在expression library中，jim大大把文章的例子都建立在其中，可以边看文章边测试，也可以试着修改范例所下的re，马上可以看到结果，小弟觉得非常好用。各位大大可以试试。
.net中re的基础概念
特殊字符
有些字符有特别的意义，比如之前所看到的”\b”、”.”、”*”、”\d”等。”\s”所代表的是任意空格符，比如说spaces、tabs、newlines等.。”\w”代表是任意字母或数字字符。
再看一些例子吧
6. \ba\w*\b (查找a开头的字，如able)
这re描述要查找一个字的开始边界(\b)，再来是字母”a”，再加任意数目的字母数字(\w*)，再接结束这个字的结束边界(\b)。
7. \d+ (查找数字字符串)
“+”和”*”非常相似，除了+至少要重复前面的项目一次。也就是说至少有一个数字。
8. \b\w{6}\b (查找六个字母数字的字，如ab123c)
下表为re常用的特殊字符
. 除了换行字符的任意字符
\w 任意字母数字字符
\s 任意空格符
\d 任意数字字符
\b 界定字的边界
^ 文章的开头，如”^the'' 用以表示出现于文章开头的字符串为”the”
$ 文章的结尾，如”end$”用以表示出现在文章的结尾为”end”
特殊字符”^”及”$”是用来查找某些字必需是文章的开头或结尾，这在验证输入是否符合某一样式时特别用有，比如说要验证七位数字的电话号码，可能会输入如下9的re。
9. ^\d{3}-\d{4}$ (验证七位数字之电话号码)
这和第5个re相同，但其前后都无其它的字符，也就是整串字符串只有这七个数字的电话号码。在.net中如果设定multiline这个选项，则”^”和”$”会每行进行比较，只要某行的开头结尾符合re即可，而不是整个文章字符串做一次比较。
转意字符(escaped characters)
有时可能会需要”^”、”$”单纯的字面意义(literal meaning)而不要将它们当成特殊字符，此时”\”字符就是用来移除特殊字符特别意义的字符，因此”\^”、”\.”、”\\”所代表的就是”^”、”.”、”\”的字面意义。
重复前述项目
在前面看过”{3}”及”*”可以用来重复前述字符，之后我们会看到如何用同样的语法重复整个次描述(subexpressions)。下表是使用重复前述项目的一些方式。
* 重复任意次数
+ 重复至少一次
? 重复零次或一次
{n} 重复n次
{n,m} 重复至少n次，但不超过m次
{n,} 重复至少n次
再来试一些例子吧
10. \b\w{5,6}\b (查找五个或六个字母数字字符的字，如as25d、d58sdf等)
11. \b\d{3}\s\d{3}-\d{4} (查找十个数字的电话号码，如800 123-1234)
12. \d{3}-\d{2}-\d{4} (查找社会保险号码，如 123-45-6789)
13. ^\w* (每行或整篇文章的第一个字)
在espresso可试试有multiline和没multiline的不同。
匹配某范围的字符
有时需要查找某些特定的字符时怎么辨?这时中括号”[]”就派上了用场。因此[aeiou]所要查找的是”a”、”e”、”i”、”o”、”u”这些 元音，[.?!]所要查找的是”.”、”?”、”!”这些符号，在中括号中的特殊字符的特别意义都会被移除，也就是解译成单纯的字面意义。也可以指定某些 范围的字符，如”[a-z0-9]”，所指的就是任意小写字母或任意数字。
接下来再看一个比较初复杂查找电话号码的re例子
14. \(?\d{3}[( ] \s?\d{3}[- ]\d{4} (查找十位数字之电话号码，如(080) 333-1234 )
这样的re可查找出较多种格式的电话号码，如(080) 123-4567、511 254 6654等。”\(?”代表一个或零个左小括号”(“， 而”[( ]”代表查找一个右小括号”)”或空格符，”\s?”指一个或零个空格符组。但这样的re会将类似”800) 45-3321”这样的电话找出 来，也就是括号没有对称平衡的问题，之后会学到择一(alternatives)来决解这样的问题。
不包含在某特定字符组里(negation)
有时需要查找在包含在某特定字符组里的字符，下表说明如何做类似这样的描述。
\w 不是字母数字的任意字符
\s 不是空格符的任意字符
\d 不是数字字符的任意字符
\b 不在字边界的位置
[^x] 不是x的任意字符
[^aeiou] 不是a、e、i、o、u的任意字符
15. \s+ (不包含空格符的字符串)
择一(alternatives)
有时会需要查找几个特定的选择，此时””这个特殊字符就派上用场了，举例来说，要查找五个数字及九个数字(有”-”号)的邮政编码。
16. \b\d{5}-\d{4}\b\b\d{5}\b (查找五个数字及九个数字(有”-”号)的邮政编码)
在使用alternatives时需要注意的是前后的次序，因为re在alternatives中会优先选择符合最左边的项目，16中，如果把查找五个数字的项目放在前面，则这re只会找到五个数字的邮政编码。了解了择一，可将14做更好的修正。
the 30 minute regex tutorial by jim hollenhorst
http://www.codeproject.com/useritems/regextutorial.asp
什么是re?
想必各位大大在做文件查找的时侯都有使用过万用字符”*”，比如说想查找在windows目录下所有的word文件时，你可能就会用”*.doc”这样的方式来做查找，因为”*”所代表的是任意的字符。re所做的就是类似这样的功能，但其功能更为强大。
写程序时，常需要比对字符串是否符合特定样式，re最主要的功能就是来描述这特定的样式，因此可以将re视为特定样式的描述式，举个例子来说，”\ w +”所代表的就是任何字母与数字所组成的非空字符串(non-null string)。在.net framework中提供了非常强大的类别库， 藉此可以很轻易的使用re来做文字的查找与取代、对复杂标头的译码及验证文字等工作。
学习re最好的方式就是藉由例子亲自来做做看。jim hollenhorst大大也提供了一个工具程序expresso(来杯咖啡吧)，来帮助我们学习re，下载的网址是http://www.codeproject.com/useritems/regextutorial/expressosetup2_1c.zip。
接下来，就让我们来体验一些例子吧。
一些简单的例子
假设要查找文章中elvis后接有alive的文字符串的话，使用re可能会经过下列的过程，括号是所下re的意思：
1. elvis (查找elvis)
上述代表所要查找的字符顺序为elvis。在.net中可以设定乎略字符的大小写，所以”elvis”、”elvis”或者是”elvis”都是符合 1 所下的re。但因为这只管字符出现的顺序为elvis，所以pelvis也是符合1所下的re。可以用2的re来改进。
2. \belvis\b (将elvis视为一整体的字查找，如elvis、elvis乎略字符大小写时)
“\b”在re中有特别的意思，在上述的例子中所指的就是字的边界，所以\belvis\b用\b把elvis的前后边界界定出来，也就是要elvis这个字。
假设要将同一行里elvis后接有alive的文字符串找出来，此时就会用到另外二个特别意义的字符”.”及”*”。”.”所代表就是除了换行字符的 任意字符，而”*”所代表的是重复*之前项目直到找到符合re的字符串。所以”.*”所指的就是除了换行字符外的任意数目的字符数。所以查找同一行里 elvis后接有alive的文字符串找出来，则可下如3之re。
3. \belvis\b.*\balive\b (查找elvis后面接有alive的文字符串，如elvis is alive)
用简单之特别字符就可以组成功能强大的re，但也发现当使用越来越多的特别字符时，re就会越来越难看得懂了。
再看看另外的例子
组成有效的电话号码
假使要从网页上收集顾客格式为xxx-xxxx的7位数字的电话号码，其中x是数字，re可能会这样写。
4. \b\d\d\d-\d\d\d\d (查找七位数字之电话号码，如123-1234)
每一个\d代表一个数字。”-”则是一般的连字符号，为避免太多重复的\d，re可以改写成如5的方式。
5. \b\d{3}-\d{4} (查找七位数字电话号码较好的方法，如123-1234)
在\d后的{3}，代表重复前一个项目三次，也就是相等于\d\d\d。
re的学习及测试工具 expresso
因为re不易阅读及使用者容易会下错re的特性，jim大大开发了一个工具软件expresso，用来帮助使用者学习及测试re，除了上面所述的网址之外，也可以上ultrapico网站(http://www.ultrapico.com)。安装完expresso后，在expression library中，jim大大把文章的例子都建立在其中，可以边看文章边测试，也可以试着修改范例所下的re，马上可以看到结果，小弟觉得非常好用。各位大大可以试试。
.net中re的基础概念
特殊字符
有些字符有特别的意义，比如之前所看到的”\b”、”.”、”*”、”\d”等。”\s”所代表的是任意空格符，比如说spaces、tabs、newlines等.。”\w”代表是任意字母或数字字符。
再看一些例子吧
6. \ba\w*\b (查找a开头的字，如able)
这re描述要查找一个字的开始边界(\b)，再来是字母”a”，再加任意数目的字母数字(\w*)，再接结束这个字的结束边界(\b)。
7. \d+ (查找数字字符串)
“+”和”*”非常相似，除了+至少要重复前面的项目一次。也就是说至少有一个数字。
8. \b\w{6}\b (查找六个字母数字的字，如ab123c)
下表为re常用的特殊字符
. 除了换行字符的任意字符
\w 任意字母数字字符
\s 任意空格符
\d 任意数字字符
\b 界定字的边界
^ 文章的开头，如”^the'' 用以表示出现于文章开头的字符串为”the”
$ 文章的结尾，如”end$”用以表示出现在文章的结尾为”end”
特殊字符”^”及”$”是用来查找某些字必需是文章的开头或结尾，这在验证输入是否符合某一样式时特别用有，比如说要验证七位数字的电话号码，可能会输入如下9的re。
9. ^\d{3}-\d{4}$ (验证七位数字之电话号码)
这和第5个re相同，但其前后都无其它的字符，也就是整串字符串只有这七个数字的电话号码。在.net中如果设定multiline这个选项，则”^”和”$”会每行进行比较，只要某行的开头结尾符合re即可，而不是整个文章字符串做一次比较。
转意字符(escaped characters)
有时可能会需要”^”、”$”单纯的字面意义(literal meaning)而不要将它们当成特殊字符，此时”\”字符就是用来移除特殊字符特别意义的字符，因此”\^”、”\.”、”\\”所代表的就是”^”、”.”、”\”的字面意义。
重复前述项目
在前面看过”{3}”及”*”可以用来重复前述字符，之后我们会看到如何用同样的语法重复整个次描述(subexpressions)。下表是使用重复前述项目的一些方式。
* 重复任意次数
+ 重复至少一次
? 重复零次或一次
{n} 重复n次
{n,m} 重复至少n次，但不超过m次
{n,} 重复至少n次
再来试一些例子吧
10. \b\w{5,6}\b (查找五个或六个字母数字字符的字，如as25d、d58sdf等)
11. \b\d{3}\s\d{3}-\d{4} (查找十个数字的电话号码，如800 123-1234)
12. \d{3}-\d{2}-\d{4} (查找社会保险号码，如 123-45-6789)
13. ^\w* (每行或整篇文章的第一个字)
在espresso可试试有multiline和没multiline的不同。
匹配某范围的字符
有时需要查找某些特定的字符时怎么辨?这时中括号”[]”就派上了用场。因此[aeiou]所要查找的是”a”、”e”、”i”、”o”、”u”这些 元音，[.?!]所要查找的是”.”、”?”、”!”这些符号，在中括号中的特殊字符的特别意义都会被移除，也就是解译成单纯的字面意义。也可以指定某些 范围的字符，如”[a-z0-9]”，所指的就是任意小写字母或任意数字。
接下来再看一个比较初复杂查找电话号码的re例子
14. \(?\d{3}[( ] \s?\d{3}[- ]\d{4} (查找十位数字之电话号码，如(080) 333-1234 )
这样的re可查找出较多种格式的电话号码，如(080) 123-4567、511 254 6654等。”\(?”代表一个或零个左小括号”(“， 而”[( ]”代表查找一个右小括号”)”或空格符，”\s?”指一个或零个空格符组。但这样的re会将类似”800) 45-3321”这样的电话找出 来，也就是括号没有对称平衡的问题，之后会学到择一(alternatives)来决解这样的问题。
不包含在某特定字符组里(negation)
有时需要查找在包含在某特定字符组里的字符，下表说明如何做类似这样的描述。
\w 不是字母数字的任意字符
\s 不是空格符的任意字符
\d 不是数字字符的任意字符
\b 不在字边界的位置
[^x] 不是x的任意字符
[^aeiou] 不是a、e、i、o、u的任意字符
15. \s+ (不包含空格符的字符串)
择一(alternatives)
有时会需要查找几个特定的选择，此时””这个特殊字符就派上用场了，举例来说，要查找五个数字及九个数字(有”-”号)的邮政编码。
16. \b\d{5}-\d{4}\b\b\d{5}\b (查找五个数字及九个数字(有”-”号)的邮政编码)
在使用alternatives时需要注意的是前后的次序，因为re在alternatives中会优先选择符合最左边的项目，16中，如果把查找五个数字的项目放在前面，则这re只会找到五个数字的邮政编码。了解了择一，可将14做更好的修正。
1
上一篇： 煮毛豆什么时候放盐，你的做法正确吗