CSDN博客

img ggcall

正则表达式的基本语法

发表于2004/10/20 12:10:00  1642人阅读

  首先让我们看两个特殊的符号'^'和'$'。他们的作用是分别指出一个字符串的开始和结束。例子如下:
  
  "^The":表示所有以"The"开始的字符串("There","The cat"等);
  "of despair$":表示所以以"of despair"结尾的字符串;
  "^abc$":表示开始和结尾都是"abc"的字符串——呵呵,只有"abc"自己了;
  "notice":表示任何包含"notice"的字符串。
  
  象最后那个例子,如果你不使用两个特殊字符,你就在表示要查找的串在被查找串的任意部分——你并
  不把它定位在某一个顶端。
  
  其它还有'*','+'和'?'这三个符号,表示一个或一序列字符重复出现的次数。它们分别表示“没有或
  更多”,“一次或更多”还有“没有或一次”。下面是几个例子:
  
  "ab*":表示一个字符串有一个a后面跟着零个或若干个b。("a", "ab", "abbb",……);
  "ab+":表示一个字符串有一个a后面跟着至少一个b或者更多;
  "ab?":表示一个字符串有一个a后面跟着零个或者一个b;
  "a?b+$":表示在字符串的末尾有零个或一个a跟着一个或几个b。
  
  你也可以使用范围,用大括号括起,用以表示重复次数的范围。
  
  "ab{2}":表示一个字符串有一个a跟着2个b("abb");
  "ab{2,}":表示一个字符串有一个a跟着至少2个b;
  "ab{3,5}":表示一个字符串有一个a跟着3到5个b。
  
  请注意,你必须指定范围的下限(如:"{0,2}"而不是"{,2}")。还有,你可能注意到了,'*','+'和
  '?'相当于"{0,}","{1,}"和"{0,1}"。
  还有一个'|',表示“或”操作:
  
  "hi|hello":表示一个字符串里有"hi"或者"hello";
  "(b|cd)ef":表示"bef"或"cdef";
  "(a|b)*c":表示一串"a""b"混合的字符串后面跟一个"c";
  
  '.'可以替代任何字符:
  
  "a.[0-9]":表示一个字符串有一个"a"后面跟着一个任意字符和一个数字;
  "^.{3}$":表示有任意三个字符的字符串(长度为3个字符);
  
  方括号表示某些字符允许在一个字符串中的某一特定位置出现:
  
  "[ab]":表示一个字符串有一个"a"或"b"(相当于"a|b");
  "[a-d]":表示一个字符串包含小写的'a'到'd'中的一个(相当于"a|b|c|d"或者"[abcd]");
  "^[a-zA-Z]":表示一个以字母开头的字符串;
  "[0-9]%":表示一个百分号前有一位的数字;
  ",[a-zA-Z0-9]$":表示一个字符串以一个逗号后面跟着一个字母或数字结束。
  
  你也可以在方括号里用'^'表示不希望出现的字符,'^'应在方括号里的第一位。(如:"%[^a-zA-Z]%"表
  示两个百分号中不应该出现字母)。
  
  为了逐字表达,你必须在"^.$()|*+?{"这些字符前加上转移字符''。
  
  请注意在方括号中,不需要转义字符。
如果我们问那些UNIX系统的爱好者他们最喜欢什么,答案除了稳定的系统和可以远程启动之外,十有八九的人会提到正则表达式;如果我们再问他们最头痛的是什么,可能除了复杂的进程控制和安装过程之外,还会是正则表达式。那么正则表达式到底是什么?如何才能真正的掌握正则表达式并正确的加以灵活运用?本文将就此展开介绍,希望能够对那些渴望了解和掌握正则表达式的读者有所助益。 
    
    入门简介 
    简单的说,正则表达式是一种可以用于模式匹配和替换的强有力的工具。我们可以在几乎所有的基于UNIX系统的工具中找到正则表达式的身影,例如,vi编辑器,Perl或PHP脚本语言,以及awk或sed shell程序等。此外,象JavaScript这种客户端的脚本语言也提供了对正则表达式的支持。由此可见,正则表达式已经超出了某种语言或某个系统的局限,成为人们广为接受的概念和功能。 
    正则表达式可以让用户通过使用一系列的特殊字符构建匹配模式,然后把匹配模式与数据文件、程序输入以及WEB页面的表单输入等目标对象进行比较,根据比较对象中是否包含匹配模式,执行相应的程序。 
    举例来说,正则表达式的一个最为普遍的应用就是用于验证用户在线输入的邮件地址的格式是否正确。如果通过正则表达式验证用户邮件地址的格式正确,用户所填写的表单信息将会被正常处理;反之,如果用户输入的邮件地址与正则表达的模式不匹配,将会弹出提示信息,要求用户重新输入正确的邮件地址。由此可见正则表达式在WEB应用的逻辑判断中具有举足轻重的作用。 
    
    基本语法 
    在对正则表达式的功能和作用有了初步的了解之后,我们就来具体看一下正则表达式的语法格式。 
    正则表达式的形式一般如下: 
    /love/ 
    其中位于“/”定界符之间的部分就是将要在目标对象中进行匹配的模式。用户只要把希望查找匹配对象的模式内容放入“/”定界符之间即可。为了能够使用户更加灵活的定制模式内容,正则表达式提供了专门的“元字符”。所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符,可以用来规定其前导字符(即位于元字符前面的字符)在目标对象中的出现模式。 
    较为常用的元字符包括: “+”, “*”,以及 “?”。其中,“+”元字符规定其前导字符必须在目标对象中连续出现一次或多次,“*”元字符规定其前导字符必须在目标对象中出现零次或连续多次,而“?”元字符规定其前导对象必须在目标对象中连续出现零次或一次。 
    下面,就让我们来看一下正则表达式元字符的具体应用。 
    /fo+/ 
    因为上述正则表达式中包含“+”元字符,表示可以与目标对象中的 “fool”, “fo”, 或者 “football”等在字母f后面连续出现一个或多个字母o的字符串相匹配。 
    /eg*/ 
    因为上述正则表达式中包含“*”元字符,表示可以与目标对象中的 “easy”, “ego”, 或者 “egg”等在字母e后面连续出现零个或多个字母g的字符串相匹配。 
    /Wil?/ 
    因为上述正则表达式中包含“?”元字符,表示可以与目标对象中的 “Win”, 或者 “Wilson”,等在字母i后面连续出现零个或一个字母l的字符串相匹配。 
    除了元字符之外,用户还可以精确指定模式在匹配对象中出现的频率。例如, 
    /jim{2,6}/ 
    上述正则表达式规定字符m可以在匹配对象中连续出现2-6次,因此,上述正则表达式可以同jimmy或jimmmmmy等字符串相匹配。 
    在对如何使用正则表达式有了初步了解之后,我们来看一下其它几个重要的元字符的使用方式。 
    /s:用于匹配单个空格符,包括tab键和换行符; 
    /S:用于匹配除单个空格符之外的所有字符; 
    /d:用于匹配从0到9的数字; 
    /w:用于匹配字母,数字或下划线字符; 
    /W:用于匹配所有与/w不匹配的字符; 
    . :用于匹配除换行符之外的所有字符。 
    (说明:我们可以把/s和/S以及/w和/W看作互为逆运算) 
    下面,我们就通过实例看一下如何在正则表达式中使用上述元字符。 
    //s+/ 
    上述正则表达式可以用于匹配目标对象中的一个或多个空格字符。 
    //d000/ 
    如果我们手中有一份复杂的财务报表,那么我们可以通过上述正则表达式轻而易举的查找到所有总额达千元的款项。 
    除了我们以上所介绍的元字符之外,正则表达式中还具有另外一种较为独特的专用字符,即定位符。定位符用于规定匹配模式在目标对象中的出现位置。 
    较为常用的定位符包括: “^”, “$”, “/b” 以及 “/B”。其中,“^”定位符规定匹配模式必须出现在目标字符串的开头,“$”定位符规定匹配模式必须出现在目标对象的结尾,/b定位符规定匹配模式必须出现在目标字符串的开头或结尾的两个边界之一,而“/B”定位符则规定匹配对象必须位于目标字符串的开头和结尾两个边界之内,即匹配对象既不能作为目标字符串的开头,也不能作为目标字符串的结尾。同样,我们也可以把“^”和“$”以及“/b”和“/B”看作是互为逆运算的两组定位符。举例来说: 
    /^hell/ 
    因为上述正则表达式中包含“^”定位符,所以可以与目标对象中以 “hell”, “hello”或 “hellhound”开头的字符串相匹配。 
    /ar$/ 
    因为上述正则表达式中包含“$”定位符,所以可以与目标对象中以 “car”, “bar”或 “ar” 结尾的字符串相匹配。 
    //bbom/ 
    因为上述正则表达式模式以“/b”定位符开头,所以可以与目标对象中以 “bomb”, 或 “bom”开头的字符串相匹配。 
    /man/b/ 
    因为上述正则表达式模式以“/b”定位符结尾,所以可以与目标对象中以 “human”, “woman”或 “man”结尾的字符串相匹配。 
    为了能够方便用户更加灵活的设定匹配模式,正则表达式允许使用者在匹配模式中指定某一个范围而不局限于具体的字符。例如: 
    /[A-Z]/ 
    上述正则表达式将会与从A到Z范围内任何一个大写字母相匹配。 
    /[a-z]/ 
    上述正则表达式将会与从a到z范围内任何一个小写字母相匹配。 
    /[0-9]/ 
    上述正则表达式将会与从0到9范围内任何一个数字相匹配。 
    /([a-z][A-Z][0-9])+/ 
    上述正则表达式将会与任何由字母和数字组成的字符串,如 “aB0” 等相匹配。这里需要提醒用户注意的一点就是可以在正则表达式中使用 “()” 把字符串组合在一起。“()”符号包含的内容必须同时出现在目标对象中。因此,上述正则表达式将无法与诸如 “abc”等的字符串匹配,因为“abc”中的最后一个字符为字母而非数字。 
    如果我们希望在正则表达式中实现类似编程逻辑中的“或”运算,在多个不同的模式中任选一个进行匹配的话,可以使用管道符 “|”。例如: 
    /to|too|2/ 
    上述正则表达式将会与目标对象中的 “to”, “too”, 或 “2” 相匹配。 
    正则表达式中还有一个较为常用的运算符,即否定符 “[^]”。与我们前文所介绍的定位符 “^” 不同,否定符 “[^]”规定目标对象中不能存在模式中所规定的字符串。例如: 
    /[^A-C]/ 
    上述字符串将会与目标对象中除A,B,和C之外的任何字符相匹配。一般来说,当“^”出现在 “[]”内时就被视做否定运算符;而当“^”位于“[]”之外,或没有“[]”时,则应当被视做定位符。 
    最后,当用户需要在正则表达式的模式中加入元字符,并查找其匹配对象时,可以使用转义符“/”。例如: 
    /Th/*/ 
    上述正则表达式将会与目标对象中的“Th*”而非“The”等相匹配。
    
    使用实例 
    
    在对正则表达式有了较为全面的了解之后,我们就来看一下如何在Perl,PHP,以及JavaScript中使用正则表达式。 
    
    通常,Perl中正则表达式的使用格式如下: 
    
    operator / regular-expression / string-to-replace / modifiers 
    
    运算符一项可以是m或s,分别代表匹配运算和替换运算。 
    
    其中,正则表达式一项是将要进行匹配或替换操作的模式,可以由任意字符,元字符,或定位符等组成。替换字符串一项是使用s运算符时,对查找到的模式匹配对象进行替换的字符串。最后的参数项用来控制不同的匹配或替换方式。例如: 
    
    s/geed/good/ 
    
    将会在目标对象中查找第一个出现的geed字串,并将其替换为good。如果我们希望在目标对象的全局范围内执行多次查找—替换操作的话,可以使用参数 “g”,即s/love/lust/g。 
    
    此外,如果我们不需要限制匹配的大小写形式的话,可以使用参数 “i ”。例如, 
    
    m/JewEL/i 
    
    上述正则表达式将会与目标对象中的jewel,Jewel,或JEWEL相匹配。 
    
    在Perl中,使用专门的运算符“=~”指定正则表达式的匹配对象。例如: 
    
    $flag =~ s/abc/ABC/ 
    
    上述正则表达式将会把变量$flag中的字串abc替换为ABC。 
    
    下面,我们就在Perl程序中加入正则表达式,验证用户邮件地址格式的有效性。代码如下: 
    
    #!/usr/bin/perl 
    # get input 
    print “What's your email address?/n”; 
    $email = <STDIN> 
    chomp($email); 
    # match and display result 
    if($email =~ /^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(/.[a-zA-Z0-9_-])+/) 
    { 
    print(“Your email address is correct!/n”); 
    } 
    else 
      { 
    print(“Please try again!/n”); 
      } 
    
    
    如果用户更偏爱PHP的话,可以使用ereg()函数进行模式匹配操作。ereg()函数的使用格式如下: 
     ereg(pattern, string) 
    
    其中,pattern代表正则表达式的模式,而string则是执行查找替换操作的目标对象。同样是验证邮件地址,使用PHP编写的程序代码如下: 
    
    <?php 
     if (ereg(“^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(/.[a-zA-Z0-9_-])+”,$email)) 
       { echo “Your email address is correct!”;} 
     else 
       { echo “Please try again!”;} 
     ?> 
    最后,我们在来看一下JavaScript。JavaScript 1.2中带有一个功能强大的RegExp()对象,可以用来进行正则表达式的匹配操作。其中的test()方法可以检验目标对象中是否包含匹配模式,并相应的返回true或false。 
    
    我们可以使用JavaScript编写以下脚本,验证用户输入的邮件地址的有效性。 
    
    <html> 
     <head> 
       <script language="Javascript1.2"> 
     <!-- start hiding 
     function verifyAddress(obj) 
      { 
    var email = obj.email.value; 
    var pattern = /^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(/.[a-zA-Z0-9_-])+/; 
    flag = pattern.test(email); 
    if(flag) 
    { 
      alert(“Your email address is correct!”); 
      return true; 
    } 
    else 
      { 
    alert(“Please try again!”); 
    return false; 
       } 
       } 
     // stop hiding --> 
       </script> 
      </head> 
     <body> 
     <form onSubmit="return verifyAddress(this);"> 
      <input name="email" type="text"> 
      <input type="submit"> 
      </form> 
    </body> 
      </html>
  正则表达式格式
   正则表达式在PHP中被用来处理复杂的文字串。支持正则表达式的函数有:
  
  ereg()
  
  ereg replace()
  
  eregi replace()
  
  split()
  
   这些函数都将正则表达式作为他们的第一个参数。PHP使用POSIX扩展规则表达式(使用POSIX 1003.2)。要找到所有的关于POSIX扩展规则表达式的描述,请查看包括在PHP发行版本之内的regex man页面。
  
   
  
   Example 2-4. Regular expression examples
  
    ereg("abc",$string);
  
  /* Returns true if "abc"
  
  is found anywhere in $string. */
  
   
  
  ereg("^abc",$string);
  
  /* Returns true if "abc"
  
  is found at the beginning of $string. */
  
   
  
  ereg("abc$",$string);
  
  /* Returns true if "abc"
  
  is found at the end of $string. */
  
   
  
  eregi("(ozilla.[23]|MSIE.3)",$HTTP_USER_AGENT);
  
  /* Returns true if client browser
  
  is Netscape 2, 3 or MSIE 3. */
  
   
  
  ereg("([[:alnum:]]+) ([[:alnum:]]+) ([[:alnum:]]+ )",
  
  $string,$regs);
  
  /* Places three space separated words
  
  into $regs[1], $regs[2] and $regs[3]. */
  
   
  
  ereg_replace("^","
",$string);
  
  /* Put a
tag at the beginning of $string. */
  
  ereg_replace("$","
",$string);
  
  /* Put a
tag at the end of $string. */
  
   
  
  ereg_replace("/n","",$string);
  
  /* Get rid of any carriage return
  
  characters in $string. */

如何用正则表达式来表示中文?

  由于中文的ASCII码是有一定的范围的。所以你可以用下面的正则表达式来表示中文。
  
  /^[chr(0xa1)-chr(0xff)]+$/
  
  下面是一个使用的例子:
  
  $str = "超越PHP";
  if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) {
   echo "这是一个纯中文字符串";
  } else {
   echo "这不是一个纯中文字串";
  }
阅读全文
0 0

相关文章推荐

img
取 消
img