常用类库--正则表达式

正则表达式是用来进行文本处理的技术，是和语言无关的，在几乎所有语言中都有实现。例如，javascript等。

元字符

1>  .：用于匹配除\n之外的任何单个字符。例如a.b，匹配aab、a$b，但不匹配axab、a@cb。

2>  []：用于匹配括号中的任何一个字符(范围、字符集合)。例如：b[aui]g，匹配big、bug，但不匹配beg、baug。

注：可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字；此外还有其他常用如下：

[0-9]，表示0-9中任意一个字符

[a-z]，表示小写a-z中任意一个字符

[A-Z]，表示大写A-Z中任意一个字符

[a-zA-Z]，表示不区分大小写a~ z中任意一个字符

[a-zA-Z0-9]，表示a~z中任意一个字符，或者单个数值

当“.”在[]中出现时，它就会失去其表示单个任意字符的意思，而仅仅表示一个“.”。

3>  |：表示或的意思。例如：a(x|y)b，匹配axb、ayb；

注：|的优先级最低，所以z|food，匹配z、food

4>  ()：作用，一.改变优先级，二.分组。

限定符

1>  {n}：表示前面的表达式必须出现n次。

注：{n,}，表示前面的表达式至少出现n次，最多不限

{n,m}，至少出现n次，最多出现m次。

2>  *：表示前面的表达式出现0次或多次，等价于{0,}

3>  +：表示前面的表达式出现1次或多次，等价于{1,}

4>  ?：表示前面的表达式出现0次或1次，等价于{0,1}

注：？还可以终止贪婪模式。

5>  ^：表示字符串的开始

注：当^在[]中时，表示“非”的意思，例如[^0-9]，表示除了0-9之外的任何字符。

6>  $：表示字符串的结束

简写表达式

1>  \d：表示[0-9]

2>  \D：表示[^0-9]

3>  \s：表示所有空白符

4>  \S：表示\s的反面

5>  \w：表示[a-zA-Z0-9]

6>  \W：表示\w的反面

7>  \b：表示单词的边界，表示一边是单词，一边不是单词。(注，可以用于组成单词的字符为，a-zA-Z0-9_)

贪婪模式与非贪婪模式

贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为，贪婪模式在整个表达式匹配成功的前提下，尽可能多的匹配，而非贪婪模式在整个表达式匹配成功的前提下，尽可能少的匹配。非贪婪模式只被部分NFA引擎所支持。

属于贪婪模式的量词，也叫做匹配优先量词，包括：

“{m,n}”、“{m,}”、“?”、“*”和“+”。

在一些使用NFA引擎的语言中，在匹配优先量词后加上“?”，即变成属于非贪婪模式的量词，也叫做忽略优先量词，包括：

“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。

从正则语法的角度来讲，被匹配优先量词修饰的子表达式使用的就是贪婪模式，如“(Expression)+”；被忽略优先量词修饰的子表达式使用的就是非贪婪模式，如“(Expression)+?”。

贪婪与非贪婪模式匹配原理

先看一下贪婪模式简单的匹配过程。

源字符串："Regex"

正则表达式：".*"

 

注：为了能够看清晰匹配过程，上面的空隙留得较大，实际源字符串为“”Regex””，下同。

来看一下匹配过程。首先由第一个“"”取得控制权，匹配位置0位的“"”，匹配成功，控制权交给“.*”。

“.*”取得控制权后，由于“*”是匹配优先量词，在可匹配可不匹配的情况下，优先尝试匹配。从位置1处的“R”开始尝试匹配，匹配成功，继续向右匹配，匹配位置2处的“e”，匹配成功，继续向右匹配，直到匹配到结尾的“””，匹配成功，由于此时已匹配到字符串的结尾，所以“.*”结束匹配，将控制权交给正则表达式最后的“"”。

“"”取得控制权后，由于已经在字符串结束位置，匹配失败，向前查找可供回溯的状态，控制权交给“.*”，由“.*”让出一个字符，也就是字符串结尾处的“””，再把控制权交给正则表达式最后的“"”，由“"”匹配字符串结尾处的“"”，匹配成功。

此时整个正则表达式匹配成功，其中“.*”匹配的内容为“Regex”，匹配过程中进行了一次回溯。

接下来看一下非贪婪模式简单的匹配过程。

源字符串："Regex"

正则表达式：".*?"

看一下非贪婪模式的匹配过程。首先由第一个“"”取得控制权，匹配位置0位的“"”，匹配成功，控制权交给“.*?”。

“.*?”取得控制权后，由于“*?”是忽略优先量词，在可匹配可不匹配的情况下，优先尝试不匹配，由于“*”等价于“{0,}”，所以在忽略优先的情况下，可以不匹配任何内容。从位置1处尝试忽略匹配，也就是不匹配任何内容，将控制权交给正则表达式最后的“””。

“"”取得控制权后，从位置1处尝试匹配，由“"”匹配位置1处的“R”，匹配失败，向前查找可供回溯的状态，控制权交给“.*?”，由“.*?”吃进一个字符，匹配位置1处的“R”，再把控制权交给正则表达式最后的“"”。

“"”取得控制权后，从位置2处尝试匹配，由“"”匹配位置1处的“e”，匹配失败，向前查找可供回溯的状态，重复以上过程，直到由“.*?”匹配到“x”为止，再把控制权交给正则表达式最后的“"”。

“"”取得控制权后，从位置6处尝试匹配，由“"”匹配字符串最后的“"”，匹配成功。

此时整个正则表达式匹配成功，其中“.*?”匹配的内容为“Regex”，匹配过程中进行了四次回溯。

反向引用

例如：((a)x(b))\1\2\3：\1表示((a)x(b))，\2表示(a)，\3表示(b)

 

Regex类

IsMath()：表示只要在整个字符串中，有一部分匹配正则表达式，则返回TRUE。

Match()：提取字符串，只能提取一个

Matchs()：提取所有匹配的字符串

Replace()：替换，使用$来提取组

 

UBB