正则表达式用法汇总.docx

正则表达式用法汇总.docx

《正则表达式用法汇总.docx》由会员分享，可在线阅读，更多相关《正则表达式用法汇总.docx（35页珍藏版）》请在冰豆网上搜索。

正则表达式用法汇总

常用的正则表达式主要有以下几种：

　　匹配中文字符的正则表达式：

[\u4e00-\u9fa5]

　　评注：

匹配中文还真是个头疼的事，有了这个表达式就好办了哦

　　获取日期正则表达式：

\d{4}[年|\-|\.]\d{\1-\12}[月|\-|\.]\d{\1-\31}日?

　　评注：

可用来匹配大多数年月日信息。

　　匹配双字节字符（包括汉字在内）：

[^\x00-\xff]

　　评注：

可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

　　匹配空白行的正则表达式：

\n\s*\r

　　评注：

可以用来删除空白行

　　匹配HTML标记的正则表达式：

<（\S*?

）[^>]*>.*?

|<.*?

/>

　　评注：

网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

　　匹配首尾空白字符的正则表达式：

^\s*|\s*$

　　评注：

可以用来删除行首行尾的空白字符（包括空格、制表符、换页符等等），非常有用的表达式

　　匹配Email地址的正则表达式：

\w+（[-+.]\w+）*@\w+（[-.]\w+）*\.\w+（[-.]\w+）*

　　评注：

表单验证时很实用

　　匹配网址URL的正则表达式：

[a-zA-z]+:

//[^\s]*

　　评注：

网上流传的版本功能很有限，上面这个基本可以满足需求

　　匹配帐号是否合法（字母开头，允许5-16字节，允许字母数字下划线）：

^[a-zA-Z][a-zA-Z0-9_]{4,15}$

　　评注：

表单验证时很实用

　　匹配国内电话号码：

\d{4}-\d{7}|\d{3}-\d{8}

　　评注：

匹配形式如0511-4405222或021-87888822

　　匹配腾讯QQ号：

[1-9][0-9]\{4,\}

　　评注：

腾讯QQ号从10000开始

　　匹配中国邮政编码：

[1-9]\d（?

!

\d）

　　评注：

中国邮政编码为6位数字

　　匹配身份证：

\d{17}[\d|X]|\d{15}

　　评注：

中国的身份证为15位或18位

　　匹配ip地址：

（（2[0-4]\d|25[0-5]|[01]?

\d\d?

）\.）{3}（2[0-4]\d|25[0-5]|[01]?

\d\d?

）。

　　评注：

提取ip地址时有用

　　匹配特定数字：

　　^[1-9]\d*$　//匹配正整数

　　^-[1-9]\d*$//匹配负整数

　　^-?

[1-9]\d*$　//匹配整数

　　^[1-9]\d*|0$　//匹配非负整数（正整数+0）

　　^-[1-9]\d*|0$　//匹配非正整数（负整数+0）

　　^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　//匹配正浮点数

　　^-（[1-9]\d*\.\d*|0\.\d*[1-9]\d*）$　//匹配负浮点数

　　^-?

（[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?

\.0+|0）$　//匹配浮点数

　　^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?

\.0+|0$　//匹配非负浮点数（正浮点数+0）

　　^（-（[1-9]\d*\.\d*|0\.\d*[1-9]\d*））|0?

\.0+|0$　//匹配非正浮点数（负浮点数+0）

　　评注：

处理大量数据时有用，具体应用时注意修正

　　匹配特定字符串：

　　^[A-Za-z]+$　//匹配由26个英文字母组成的字符串

　　^[A-Z]+$　//匹配由26个英文字母的大写组成的字符串

　　^[a-z]+$　//匹配由26个英文字母的小写组成的字符串

　　^[A-Za-z0-9]+$　//匹配由数字和26个英文字母组成的字符串

　　^\w+$　//匹配由数字、26个英文字母或者下划线组成的字符串

　　评注：

最基本也是最常用的一些表达式

　　FunctionIsRegu（Regu,s）

　　'正则表达式校验

　　IfRegu=""Then

　　ExitFunction

　　Endif

　　DimRe,Sre

　　SetRe=NewRegExp

　　Re.Pattern=Regu

　　Sre=Re.Test（s）

　　IfSre=TrueThen

　　IsRegu=True

　　Else

　　IsRegu=False

　　EndIf

　　EndFunction

　　tmp=""

　　if（IsRegu（"\w+（[-+.]\w+）*@\w+（[-.]\w+）*\.\w+（[-.]\w+）*",tmp））=falsethen

　　msgbox"E-mail地址不合法！

"

　　FieldCheck#N=false

　　endif

不同的语言（如PHP和JAVA）、相同语言的不同类库（如来自Sun的JavaRegularExpression类库跟ApacheJakarta的正则表达式类库）间，用法会有所差别，在使用的时候，要注意这些差别。

元字符

描述

.点

匹配任何单个字符。

例如正则表达式r.t匹配这些字符串：

rat、rut、rt，但是不匹配root。

$

匹配行结束符。

例如正则表达式weasel$能够匹配字符串"He'saweasel"的末尾

但是不能匹配字符串"Theyareabunchofweasels."

^

匹配一行的开始。

例如正则表达式^Whenin能够匹配字符串"Wheninthecourseofhumanevents"的开始，但是不能匹配"WhatandWheninthe"

*

匹配0或多个正好在它之前的那个字符。

例如正则表达式。

*意味着能够匹配任意数量的任何字符。

\

这是引用符，用来将这里列出的这些元字符当作普通的字符来进行匹配。

例如正则表达式\$被用来匹配美元符号，而不是行尾，类似的，正则表达式\.用来匹配点字符，而不是任何字符的通配符。

[]

[c1-c2]

[^c1-c2]

匹配括号中的任何一个字符。

例如正则表达式r[aou]t匹配rat、rot和rut，但是不匹配ret。

可以在括号中使用连字符-来指定字符的区间，例如正则表达式[0-9]可以匹配任何数字字符；还可以制定多个区间，例如正则表达式[A-Za-z]可以匹配任何大小写字母。

另一个重要的用法是“排除”，要想匹配除了指定区间之外的字符——也就是所谓的补集——在左边的括号和第一个字符之间使用^字符，例如正则表达式[^269A-Z]将匹配除了2、6、9和所有大写字母之外的任何字符。

\<\>

匹配词（word）的开始（\<）和结束（\>）。

例如正则表达式\能够匹配字符串"forthewise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。

注意：

这个元字符不是所有的软件都支持的。

\（\）

将\（和\）之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用\1到\9的符号来引用。

|

将两个匹配条件进行逻辑“或”（Or）运算。

例如正则表达式（him|her）匹配"itbelongstohim"和"itbelongstoher"，但是不能匹配"itbelongstothem."。

注意：

这个元字符不是所有的软件都支持的。

+

匹配1或多个正好在它之前的那个字符。

例如正则表达式9+匹配9、99、999等。

注意：

这个元字符不是所有的软件都支持的。

?

匹配0或1个正好在它之前的那个字符。

注意：

这个元字符不是所有的软件都支持的。

{i}

{i,j}

匹配指定数目的字符，这些字符是在它之前的表达式定义的。

例如正则表达式A[0-9]{3}能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。

而正则表达式[0-9]{4,6}匹配连续的任意4个、5个或者6个数字字符。

注意：

这个元字符不是所有的软件都支持的。

　　最简单的元字符是点，它能够匹配任何单个字符（注意不包括换行符）。

假定有个文件test.txt包含以下几行内容：

　　heisarat

　　heisinarut

　　thefoodisRotten

　　Ilikerootbeer

　　我们可以使用grep命令来测试我们的正则表达式，grep命令使用正则表达式去尝试匹配指定文件的每一行，并将至少有一处匹配表达式的所有行显示出来。

命令

　　grepr.ttest.txt

　　在test.txt文件中的每一行中搜索正则表达式r.t，并打印输出匹配的行。

正则表达式r.t匹配一个r接着任何一个字符再接着一个t。

所以它将匹配文件中的rat和rut，而不能匹配Rotten中的Rot，因为正则表达式是大小写敏感的。

要想同时匹配大写和小写字母，应该使用字符区间元字符（方括号）。

正则表达式[Rr]能够同时匹配R和r。

所以，要想匹配一个大写或者小写的r接着任何一个字符再接着一个t就要使用这个表达式：

[Rr].t。

　　要想匹配行首的字符要使用抑扬字符（^）——又是也被叫做插入符。

例如，想找到text.txt中行首"he"打头的行，你可能会先用简单表达式he，但是这会匹配第三行的the，所以要使用正则表达式^he，它只匹配在行首出现的h。

　　有时候指定“除了×××都匹配”会比较容易达到目的，当抑扬字符（^）出现在方括号中是，它表示“排除”，例如要匹配he，但是排除前面是tors的情形（也就是the和she），可以使用：

[^st]he。

　　可以使用方括号来指定多个字符区间。

例如正则表达式[A-Za-z]匹配任何字母，包括大写和小写的；正则表达式[A-Za-z][A-Za-z]*匹配一个字母后面接着0或者多个字母（大写或者小写）。

当然我们也可以用元字符+做到同样的事情，也就是：

[A-Za-z]+，和[A-Za-z][A-Za-z]*完全等价。

但是要注意元字符+并不是所有支持正则表达式的程序都支持的。

关于这一点可以参考后面的正则表达式语法支持情况。

　　要指定特定数量的匹配，要使用大括号（注意必须使用反斜杠来转义）。

想匹配所有10和100的实例而排除1和1000，可以使用：

10\{1,2\}，这个正则表达式匹配数字1后面跟着1或者2个0的模式。

在这个元字符的使用中一个有用的变化是忽略第二个数字，例如正则表达式0\{3,\}将匹配至少3个连续的0。

简单的例子

　　这里有一些有代表性的、比较简单的例子。

vi命令

作用

:

%s/*//g

把一个或者多个空格替换为一个空格

:

%s/*$//

去掉行尾的所有空格

:

%s/^//

在每一行头上加入一个空格

:

%s/^[0-9][0-9]*//

去掉行首的所有数字字符

:

%s/b[aeio]g/bug/g

将所有的bag、beg、big和bog改为bug。

:

%s/t\（[aou]\）g/h\1t/g

将所有tag、tog和tug分别改为hat、hot和hut（注意用group的用法和使用\1引用前面被匹配的字符）

中级的例子

　　例1

　　将所有方法foo（a,b,c）的实例改为foo（b,a,c）。

这里a、b和c可以是任何提供给方法foo（）的参数。

也就是说我们要实现这样的转换：

　　之前之后

　　foo（10,7,2）foo（7,10,2）

　　foo（x+13,y-2,10）foo（y-2,x+13,10）

　　foo（bar（8）,x+y+z,5）foo（x+y+z,bar（8）,5）

　　下面这条替换命令能够实现这一魔法：

　　:

%s/foo（\（[^,]*\）,\（[^,]*\）,\（[^）]*\））/foo（\2,\1,\3）/g

　　现在让我们把它打散来加以分析。

写出这个表达式的基本思路是找出foo（）和它的括号中的三个参数的位置。

第一个参数是用这个表达式来识别的：

：

\（[^,]*\），我们可以从里向外来分析它：

　　[^,]除了逗号之外的任何字符

　　[^,]*0或者多个非逗号字符

　　\（[^,]*\）将这些非逗号字符标记为\1，这样可以在之后的替换模式表达式中引用它

　　\（[^,]*\）,我们必须找到0或者多个非逗号字符后面跟着一个逗号，并且非逗号字符那部分要标记出来以备后用。

　　现在正是指出一个使用正则表达式常见错误的最佳时机。

为什么我们要使用[^,]*这样的一个表达式，而不是更加简单直接的写法，例如：

.*，来匹配第一个参数呢？

设想我们使用模式.*来匹配字符串"10,7,2"，它应该匹配"10,"还是"10,7,"？

为了解决这个两义性（ambiguity），正则表达式规定一律按照最长的串来，在上面的例子中就是"10,7,"，显然这样就找出了两个参数而不是我们期望的一个。

所以，我们要使用[^,]*来强制取出第一个逗号之前的部分。

　　这个表达式我们已经分析到了：

foo（\（[^,]*\），这一段可以简单的翻译为“当你找到foo（就把其后直到第一个逗号之前的部分标记为\1”。

然后我们使用同样的办法标记第二个参数为\2。

对第三个参数的标记方法也是一样，只是我们要搜索所有的字符直到右括号。

我们并没有必要去搜索第三个参数，因为我们不需要调整它的位置，但是这样的模式能够保证我们只去替换那些有三个参数的foo（）方法调用，在foo（）是一个重载（overoading）方法时这种明确的模式往往是比较保险的。

然后，在替换部分，我们找到foo（）的对应实例，然后利用标记好的部分进行替换，是把第一和第二个参数交换位置。

　　例2

　　假设有一个CSV（commaseparatedvalue）文件，里面有一些我们需要的信息，但是格式却有问题，目前数据的列顺序是：

姓名，公司名，州名缩写，邮政编码，现在我们希望讲这些数据重新组织，以便在我们的某个软件中使用，需要的格式为：

姓名，州名缩写-邮政编码，公司名。

也就是说，我们要调整列顺序，还要合并两个列来构成一个新列。

另外，我们的软件不能接受逗号前后面有任何空格（包括空格和制表符）所以我们还必须要去掉逗号前后的所有空格。

　　这里有几行我们现在的数据：

　　BillJones,HI-TEKCorporation,CA,95011

　　SharonLeeSmith,DesignWorksIncorporated,CA,95012

　　B.Amos,HillStreetCafe,CA,95013

　　AlexanderWeatherworth,TheCraftsStore,CA,95014

　　...

　　我们希望把它变成这个样子：

　　BillJones,CA95011,HI-TEKCorporation

　　SharonLeeSmith,CA95012,DesignWorksIncorporated

　　B.Amos,CA95013,HillStreetCafe

　　AlexanderWeatherworth,CA95014,TheCraftsStore

　　...

　　我们将用两个正则表达式来解决这个问题。

第一个移动列和合并列，第二个用来去掉空格。

　　下面就是第一个替换命令：

　　:

%s/\（[^,]*\）,\（[^,]*\）,\（[^,]*\）,\（.*\）/\1,\3\4,\2/

　　这里的方法跟例1基本一样，第一个列（姓名）用这个表达式来匹配：

\（[^,]*\），即第一个逗号之前的所有字符，而姓名内容被用\1标记下来。

公司名和州名缩写字段用同样的方法标记为\2和\3，而最后一个字段用\（.*\）来匹配（"匹配所有字符直到行末"）。

替换部分则引用上面标记的那些内容来进行构造。

　　下面这个替换命令则用来去除空格：

　　:

%s/[\t]*,[\t]*/,/g

　　我们还是分解来看：

[\t]匹配空格/制表符，[\t]*匹配0或多个空格/制表符，[\t]*,匹配0或多个空格/制表符后面再加一个逗号，最后，[\t]*,[\t]*匹配0或多个空格/制表符接着一个逗号再接着0或多个空格/制表符。

在替换部分，我们简单的我们找到的所有东西替换成一个逗号。

这里我们使用了结尾的可选的g参数，这表示在每行中对所有匹配的串执行替换（而不是缺省的只替换第一个匹配串）。

　　例3

　　假设有一个多字符的片断重复出现，例如：

　　Billytriedreallyhard

　　Sallytriedreallyreallyhard

　　Timmytriedreallyreallyreallyhard

　　Johnnytriedreallyreallyreallyreallyhard

　　而你想把"really"、"reallyreally"，以及任意数量连续出现的"really"字符串换成一个简单的"very"（simpleisgood!

），那么以下命令：

　　:

%s/\（really\）\（really\）*/very/

　　就会把上述的文本变成：

　　Billytriedveryhard

　　Sallytriedveryhard

　　Timmytriedveryhard

　　Johnnytriedveryhard

　　表达式\（really\）*匹配0或多个连续的"really"（注意结尾有个空格），而\（really\）\（really\）*匹配1个或多个连续的"really"实例。

不同工具中的正则表达式

　　OK，你已经准备使用RE（regularexpressions，正则表达式），但是你并准备使用vi。

所以，在这里我们给出一些在其他工具中使用RE的例子。

另外，我还会总结一下你在不同程序之间使用RE可能发现的区别。

　　当然，你也可以在VisualC++编辑器中使用RE。

选择Edit->Replace，然后选择"Regularexpression"选择框，FindWhat输入框对应上面介绍的vi命令:

%s/pat1/pat2/g中的pat1部分，而Replace输入框对应pat2部分。

但是，为了得到vi的执行范围和g选项，你要使用ReplaceAll或者适当的手工FindNextandReplace（译者按：

知道为啥有人骂微软弱智了吧，虽然VC中可以选中一个范围的文本，然后在其中执行替换，但是总之不够vi那么灵活和典雅）。

sed

　　Sed是StreamEDitor的缩写，是Unix下常用的基于文件和管道的编辑工具，可以在手册中得到关于sed的详细信息。

　　这里是一些有趣的sed脚本，假定我们正在处理一个叫做price.txt的文件。

注意这些编辑并不会改变源文件，sed只是处理源文件的每一行并把结果显示在标准输出中（当然很容易使用重定向来定制）：

sed脚本

描述

sed's/^$/d'price.txt

删除所有空行

sed's/^[\t]*$/d'price.txt

删除所有只包含空格或者制表符的行

sed's/"//g'price.txt

删除所有引号

awk

　　awk是一种编程语言，可以用来对文本数据进行复杂的分析和处理。

可以在手册中得到关于awk的详细信息。

这个古怪的名字是它作者们的姓的缩写（Aho，Weinberger和Kernighan）。

　　在Aho，Weinberger和Kernighan的书TheAWKProgrammingLanguage中有很多很好的awk的例子，请不要让下面这些微不足道的脚本例子限制你对awk强大能力的理解。

我们同样假定我们针对price.txt文件进行处理，跟sed一样，awk也只是把结果显示在终端上。

awk脚本

描述

awk'!

~/^$/'price.txt

删除所有空行

awk'NF>0'price.txt

awk中一个更好的删除所有行的办法

awk'~/^[JT]/'price.txt

打印所有第二个字段是'J'或者'T'打头的行中的第三个字段

awk'!

~/[Mm]isc/{print+}'price.txt

针对所有第二个字段不包含'Misc'或者'misc'的行，打印第3和第4列的和（假定为数字）

awk'!

~/^[0-9]+\.[0-9]*$/'price.txt

打印所有第三个字段不是数字的行，这里数字是指d.d或者d这样的形式，其中d是0到9的任何数字

awk'~/John|Fred/'price.txt

如果第二个字段包含'John'或者'Fred'则打印整行

grep

　　grep是一个用来在一个或者多个文件或者输入流中使用RE进行查找的程序。

它的name编程语言可以用来针对文件和管道进行处理。

可以在手册中得到关于grep的完整信息。

这个同样古怪的名字来源于vi的一个命令，g/re/p，意思是globalregularexpressionprint。

　　下面的例子中我们假定在文件phone.txt中包含以下的文本，——其格式是姓加一个逗号，然后是名，然后是一个制表符，然后是电话号码：

　　Francis,John5-3871

　　Wong,Fred4-4123

　　Jones,Thomas1-4122

　　Salazar,Richard5-2522

grep命令

描述

grep'\t5-...1'phone.txt

把所有电话号码以5开头以1结束的行打印出来，注意制表符是用\t表示的

grep'^S[^]*R'phone.txt

打印所有姓以S打头和名以R打头的行

grep'^[JW]'phone.txt

打印所有姓开头是J或者W的行

grep',....\t'phone.txt

打印所有姓是4个字符的行，注意制表符是用\t表示的

grep-v'^[JW]'phone.txt

打印所有不以J或者W开头的行

grep'^[M-Z]'phone.txt

打印所有姓的开头是M到Z之间任一字符的行

grep'^[M-Z].*[12]'phone.txt

打印所有姓的开头是M到Z之间任一字符，并且点号号码结尾是1或者2的行

egrep

　　egrep是grep的一个扩展版本，它在它的正则表达式中支持更多的元字符。

下面的例子中我们假定在文件phone.txt中包含以下的文本，——其格式是姓加一个逗号，然后是名，然后是一个制表符，然后是电话号码：

　　Francis,John5-3871

　　Wong,Fred4-4123

　　Jones,Thomas1-4122

　　Salazar,Richard5-2522

egrep命令