正则表达式

正则表达式元字符

正则表达式语言由两种基本字符类型组成：原义（正常）文本字符和元字符。元字符使正则表达式具有处理能力。元字符既可以是放在 [] 中的任意单个字符（如 [a] 表示匹配单个小写字符 a ），也可以是字符序列（如 [a-d] 表示匹配 a 、 b 、 c 、 d 之间的任意一个字符，而 \w 表示任意英文字母和数字及下划线），下面是一些常见的元字符：  
.    匹配除 \n 以外的任何字符（注意元字符是小数点）。 
 
[abcde]  匹配 abcde 之中的任意一个字符 
 
[a-h]   匹配 a 到 h 之间的任意一个字符 
 
[^fgh]  不与 fgh 之中的任意一个字符匹配 
 
\w  匹配大小写英文字符及数字 0 到 9 之间的任意一个及下划线，相当于 [a-zA-Z0-9_] 
 
\W  不匹配大小写英文字符及数字 0 到 9 之间的任意一个，相当于 [^a-zA-Z0-9_] 
 
\s  匹配任何空白字符，相当于 [ \f\n\r\t\v] 
 
\S  匹配任何非空白字符，相当于 [^\s] 
 
\d 匹配任何 0 到 9 之间的单个数字，相当于 [0-9] 
 
\D  不匹配任何 0 到 9 之间的单个数字，相当于 [^0-9] 
 
[\u4e00-\u9fa5]  匹配任意单个汉字（这里用的是 Unicode 编码表示汉字的 ) 
 

正则表达式限定符

上面的元字符都是针对单个字符匹配的，要想同时匹配多个字符的话，还需要借助限定符。下面是一些常见的限定符 ( 下表中 n 和 m 都是表示整数，并且 0<n<m) ： 
 
*  匹配 0 到多个元字符，相当于 {0,} 
 
?  匹配 0 到 1 个元字符，相当于 {0,1} 
 
{n}  匹配 n 个元字符 
 
{n,}  匹配至少 n 个元字符 
 
{n,m}  匹配 n 到 m 个元字符 
 
+  匹配至少 1 个元字符，相当于 {1,} 
 
\b  匹配单词边界 
 
^  字符串必须以指定的字符开始 
 
$  字符串必须以指定的字符结束 
 

说明：

（ 1 ）由于在正则表达式中“ \ ”、“ ? ”、“ * ”、“ ^ ”、“ $ ”、“ + ”、“（”、“）”、“ | ”、“ { ”、“ [ ”等字符已经具有一定特殊意义，如果需要用它们的原始意义，则应该对它进行转义，例如希望在字符串中至少有一个“ \ ”，那么正则表达式应该这么写： \\+ 。

（ 2 ）可以将多个元字符或者原义文本字符用括号括起来形成一个分组，比如 ^(13)[4-9]\d{8}$ 表示任意以 13 开头的移动手机号码。

（ 3 ）另外对于中文字符的匹配是采用其对应的 Unicode 编码来匹配的，对于单个 Unicode 字符，如 \u4e00 表示汉字“一”， \u9fa5 表示汉字“龥”，在 Unicode 编码中这分别是所能表示的汉字的第一个和最后一个的 Unicode 编码，在 Unicode 编码中能表示 20901 个汉字。

（ 4 ）关于 \b 的用法，它代表单词的开始或者结尾，以字符串“ 123a 345b 456 789d ”作为示例字符串，如果正则表达式是“ \b\d{3}\b ”，则仅能匹配 456 。

（ 5 ）可以使用“ | ”来表示或的关系，例如 [z|j|q] 表示匹配 z 、 j 、 q 之中的任意一个字母。