入门
学习正则表达式的最好方法是从例子开始,理解例子之后再自己对例子进行修 改,实验。下面给出了不少简单的例子,并对它们作了详细的说明。
假设你在一篇英文小说里查找 hi ,你可以使用正则表达式 hi 。 这几乎是最简单的正则表达式了,它可以精确匹配这样的字符串: 由两个字符
组成,前一个字符是h,后一个是i 。通常,处理正则表达式的工具会提供一个忽略大 小写的选项,如果选中了这个选项,它可以匹配 hi , HI , Hi , hI 这四种情况中的任意一
种。
不幸的是,很多单词里包含 hi 这两个连续的字符,比如 him , history , high 等等。 用 hi 来查找的话,这里边的 hi 也会被找出来。如果要 精确地查找hi这个单词 的话, 我们应该使用 \bhi\b 。
\b 是正则表达式规定的一个特殊代码(好吧,某些人叫它 元字符,
metacharacter ),代表着 单词的开头或结尾,也就是单词的分界处 。虽然通常英文 的单词是由空格,标点符号或者换行来分隔的,但是 \b 并不匹配这些单词分隔字符
中的任何一个,它只匹配一个位置。
假如你要找的是 hi后面不远处跟
着一个Lucy ,你应该用
\bhi\b.*\bLucy\b 。
这里, . 是另一个元字符,匹配
如果需要更精确的说法, \b 匹配这样
的位置:它的前一个字符和后一个字符不 全是(一个是,一个不是或不存在) \w 。
除了换行符以外的任意字符 。 * 同样是元字符,不过它代表的不是字符,也不是位 置,而是数量——它指定* 前边的内容可以连续重复使用任意次以使整个表达式得到 匹配 。因此, .* 连在一起就意味着 任意数量的不包含换行的字符 。现在
\bhi\b.*\bLucy\b 的意思就很明显了: 先是一个单词hi,然后是任意个任意字符(但不能 是换行),最后是Lucy这个单词 。
如果同时使用其它元字符,我们
就能构造出功能更强大的正则表达 式。比如下面这个例子:
换行符就是'\n',ASCII编码为10(十六进
制0x0A)的字符。
0\d\d-\d\d\d\d\d\d\d\d 匹配这样的字符串: 以0开头,然后是两个数字,然后是一 个连字号“-”,最后是8个数字 (也就是中国的电话号码。当然,这个例子只能匹配区 号为3位的情形)。
这里的 \d 是个新的元字符,匹配 一位数字(0,或1,或2,或……) 。 - 不是元字 符,只匹配它本身——连字符(或者减号,或者中横线,或者随你怎么称呼它)。
为了避免那么多烦人的重复,我们也可以这样写这个表达式: 0\d{2}-\d{8} 。 这 里 \d 后面的 {2} ( {8} )的意思是前面 \d 必须连续重复匹配2次(8次) 。