正则表达式学习小结

1、匹配纯文本@H_301_1@ #如果要找纯文本，比如找tomcat单词，则正则表达式直接为regx=tomcat@H_301_1@ #匹配任意字符，用“.”来表示，但只能是一个字符，类似于MysqL的"_",当然也可以匹配自身这个“.”。例如regx=tomcat.@H_301_1@ 并且放前面，放后面都行，一个"."就占一个位。 @H_301_1@ #匹配特殊字符，则用\来进行转意，比如要匹配.xls结尾的字符串，regx=.a.\.xls@H_301_1@ @H_301_1@ 2、匹配一组字符：@H_301_1@ #使用[]来定义一个集合，只能从集合中选取。例如regx=[ns]a.\.xls,还比如某个字符的大小写：regx=[Rr]eg[Ee]x@H_301_1@ 如果要匹配数字，把数字字节列举出来，太麻烦，可以这样regx=[ns]a[0-9]\.xls@H_301_1@ 除了数字外，还可以包括一下合法[A-Z]、[a-z]、[A-F]、[A-Za-z0-9]@H_301_1@ 在字符集合[]之外，"-"字符只是一个普通字符，不同于"."@H_301_1@ #取非匹配@H_301_1@ 使用^来进行取非匹配，例如regx=[ns]a[^0-9]\.xls@H_301_1@ @H_301_1@ 3、使用元字符,这些都是元字符，使用的时候需要转义@H_301_1@ #[]，例如array[0]，只能匹配到array0,而又如：regx=myArray\[[0-9]\]@H_301_1@ #\,\也是元字符。@H_301_1@ #[\b],回退（并删除）backspace键@H_301_1@ #\f,换页符@H_301_1@ #\n，换行符@H_301_1@ #\r，回车符@H_301_1@ #\t,制表符，tab键@H_301_1@ #\v，垂直制表符。@H_301_1@ 例如，匹配空白行，regx=\r\n(windows)，regx=\n\n@H_301_1@ #\d,任何一个数字，等价与[0-9]@H_301_1@ #\D,任何一个非数字，等价于[^0-9]@H_301_1@ #w,匹配任何一个字母数字（大小写均可）或下划线，等价与[a-zA-Z0-9_]@H_301_1@ #W,和#w相反@H_301_1@ #\s:匹配一个空白字符，等价于[\f\n\r\t\v]@H_301_1@ #\S:和\s相反@H_301_1@ #\x：匹配十六进制@H_301_1@ #\t：匹配八进制@H_301_1@ @H_301_1@ 4、重复匹配@H_301_1@ #匹配多个字符，例如regx=\w@\w\.\w，这个只能匹配a@b.c这样的形式的电子邮件，而一般的需要匹配多个字符。@H_301_1@ “+”匹配一个或者多个字符，不匹配零个字符情况，则上面正则表达式可以写成@H_301_1@ regx=\w+@\w+\.\w+，@H_301_1@ 当然在这里，“+”也是一个元字符。@H_301_1@ 实际上，例如ben.forta@anla，也属于一个合法的邮件地址，则最终应该写成@H_301_1@ regx=[\w\.]+@[\w\.]+\.\w+@H_301_1@ 此时，注意，在字符集和[]里面，想.+等元素可以不转义即[\w.]和[\w\.]效果一样。@H_301_1@ #匹配零个或者多个字符，“*”可以匹配零个或者多个字符。用法与“+”一模一样。@H_301_1@ #匹配零个或者一个字符，“?”可以匹配。例如匹配http@H_301_1@ regx=https?://[\w./]+，注意“/”不需要转义。@H_301_1@ 在linux和windows下通用的检测空白行则可以定义为@H_301_1@ regx=[\r]?\n[\r]?\n@H_301_1@ #为匹配次数设置一个精确的值可以用“{}”来进行。例如@H_301_1@ regx=#[[:xdigit:]]{6}或者regx=#[[:xdigit:]]{3-6}@H_301_1@ 又比如匹配日期的：@H_301_1@ regx=\d{1,2}[-\/]\d{1,2}[-\/]d{2,4}@H_301_1@ #匹配至少出现过多少次@H_301_1@ regx=\$\d{4,}，即把右边范围空着。@H_301_1@ #防止过度匹配，啥意思呢？比如一个文本，@H_301_1@ living in ak and cd，@H_301_1@ 然后正则表达式为：<[Bb]>.*</[Bb]>@H_301_1@ 实际上匹配到的结果为,ak and cd@H_301_1@ 这就叫做贪婪匹配。@H_301_1@ 常见的贪婪性元字符和他们懒惰型元字符：@H_301_1@ 贪婪：* 懒惰：*?@H_301_1@ 贪婪：+ 懒惰：+?@H_301_1@ 贪婪：{n,} 懒惰：{n,}?@H_301_1@ @H_301_1@ 5、位置匹配@H_301_1@ #单词边界，\b来匹配一个但此的开始或者结尾，例如你想找cat的但此，你就必须前后都加上\b@H_301_1@ regx=\bcat\b@H_301_1@ 另一方面，如果你想找单词中间有cat的，并且前后都有但此的，就用\B@H_301_1@ \B表示不匹配一个单词边界。@H_301_1@ #只匹配字符串的开始位置，用^来表示，例如要匹配xml文件的头，即<?xml version="1.0" encoding="UTF-8" ?>，这一段只能在页面最开始才有效，并且前面@H_301_1@ 不允许有其他字符，@H_301_1@ regx=^\s*<\?xml.*?\?>@H_301_1@ ^表示匹配字符串的开头位置，所以^\s*，将匹配一个字符串的开头位置和随后零个或者多个空白字符，解决了xml标签最开始可以有空格情况。@H_301_1@ #只匹配但此的结尾，用$符号，例如：匹配html结尾的@H_301_1@ regx=</[Hh][Tt][Mm][Ll]>\s*$@H_301_1@ #分行匹配，例如，你不仅仅想匹配字符串的开头，你还想匹配每一行的开头呢？用(?m)，这个标志只能用在整个模式的最前面@H_301_1@ 比如匹配每一行的注释：@H_301_1@ (?m)^\s*//.*$@H_301_1@ 但是有许多正则表达式不支持这个匹配规则。@H_301_1@ @H_301_1@ 6、子表达式，用括号()扩起来，就可以把写特定字符串看作一个整体，例如html中要匹配一个或者多个空格：@H_301_1@ regx=( ){2,}，如果没有用括号扩起来，则后面的重复就只针对与";"了。@H_301_1@ 在子表达式中，例如有待匹配项：@H_301_1@ 1967alsdjflakdsj@H_301_1@ 1290laksdjfla@H_301_1@ 如果是19|20\d{2},这样匹配到的，就只有19,因为\d{20}，把19或20看为一个整体了，是为其服务了。也就是把\d{20}解释为20开头的表达式的一部分。@H_301_1@ (19|20)\d{2}，这样就能狗匹配到1967@H_301_1@ [19|20]\d{2}，这样能够匹配到190和120.@H_301_1@ @H_301_1@ 7、回溯引用匹配，首先给一个例子，假设有一段文本：@H_301_1@ I am anla7856,you know know?@H_301_1@ 要从这一段文本中找出某个单词出现了两次。@H_301_1@ 必须要先知道但此出现了一次，才能知道其又出现了第二次。@H_301_1@ regx=[ ]+(\w+)[ ]+ \1@H_301_1@ []匹配一个或者多个空格，@H_301_1@ \w匹配一个或多个字母数字@H_301_1@ 最后一个\1，代表一个回溯引用，而它引用的正式前面的子表达式，也就是和(\w+)这个子表达式是一样的，@H_301_1@ (\w+)是of ，那\1就是of，(\w+)是anla7856,那\1就是anla7856。@H_301_1@ 同样可以推理，\1是代表模式里的第一个子表达式，\2是代表第二个子表达式，注意计数是从1开始的。@H_301_1@ 再来一个例子，匹配html中的h标签，@H_301_1@ regx=<[hH]([1-6])>.*?</[hH]\1>@H_301_1@ @H_301_1@ 8、前后查找 ?=@H_301_1@ #向前查找“?=”来帮助我们查找，例如有一堆文本：@H_301_1@ http://sldkjf@H_301_1@ https://sdfjalfkd@H_301_1@ ftp://@H_301_1@ 现在的目的是找出协议，但是不能带“：”,咋办，使用这样的：@H_301_1@ regx=.+(?=:)@H_301_1@ .+匹配任意文本，并且在:前面，而不包括，@H_301_1@ 如果是这样的.+(:)，@H_301_1@ 那最终的结果就会是http:,https:,ftp:,这就是使用但不包括的意思。@H_301_1@ 向后查找 ?<=,用法和?=大同小异，必须要在子表达式里面，并且后面要跟匹配的文本。@H_301_1@ 例如有钱列表@H_301_1@ bed:$23@H_301_1@ book:$23.9@H_301_1@ fee:$43.9@H_301_1@ 如果你想得到钱数并且又不要$符号，就可以这样@H_301_1@ regx=(?<=\$)[0-9.]+@H_301_1@ 当然可以把向前查找和向后查找结合起来，反正一个在前一个在后。@H_301_1@ 前面两种分别叫做正向前查找和正向后查找。@H_301_1@ 还有两种称为@H_301_1@ 负向前查找(?!)：查找与给定模式不相同的的文本@H_301_1@ 和负向后查找(?<!)@H_301_1@ 再给一个负向前查找的例子，有如下遗传文本：@H_301_1@ cat weights 5kg as same as 10 apples.@H_301_1@ 让你匹配到10,而不匹配到5咋办。@H_301_1@ regx=\b\d+(?!kg)\b@H_301_1@ 什么意思呢？\d+还是匹配数值，(?!)是负向前查找，最终是匹配哪些不以kg结尾的数值。@H_301_1@ @H_301_1@ 9、嵌入条件。注：并非所有正则表达式都支持条件处理。@H_301_1@ 语法结构是：(?(backreference)true-regex|false-regex)，其中，?表明这是一个条件，backreference是一个回溯引用，true-regex是一个backreference存在是才@H_301_1@ 会被执行的，如果不满足即不存在，就是执行false-regex@H_301_1@ 子表达式。@H_301_1@ regx=(<[Aa]\s+[^>]+\s*>)?<[Ii][Mm][Gg]\s+[^>]+>(?(1)\s*</[Aa]>)@H_301_1@ 解释下，(<[Aa]\s+[^>]+\s*>)?将匹配一个<A>或<a>标签，以及其任意属性，并且呢，这个标签可有可无，@H_301_1@ 接下来，<[Ii][Mm][Gg]\s+[^>]+>将匹配<img>标签其任意属性，@H_301_1@ (?(1)\s*</[Aa]>)是一个回溯条件，?(1)的含义是，如果第一个回溯引用具体就是<a>标签存在，那么\s*</[Aa]>才会继续匹配@H_301_1@ @H_301_1@ #与前后查找相结合的条件语句。@H_301_1@ 数据：@H_301_1@ 55553@H_301_1@ 34343-@H_301_1@ 23432-3234@H_301_1@ 只想匹配第一行和第三行。@H_301_1@ regx=\d{5}(?(?=-)-\d{4}) \d{5}匹配前5位数字，接下来(?(?=-)-\d{4})形式向前查找，如果这个条件得到满足，也就是-（连字符存在），-\d{4}将继续进行匹配。这样一来，第二行就将排除在外。

正则表达式学习小结

猜你在找的正则表达式相关文章