正則表達式:元字符
元字符是在正則表達式中具有特殊含義的符號或字符。
元字符的處理視以下情況而異:
-
正則表達式是與 SIMILAR TO 或 REGEXP 搜索條件一起使用,還是與 REGEXP_SUBSTR 函數一起使用
-
元字符是否在正則表達式的字符類的內部
在繼續之前,應瞭解字符類的定義。字符類是一組括在方括號內的字符,將根據這組字符對字符串中的字符進行匹配。例如,在 SIMILAR TO 'ab[1-9]' 語法中,[1-9] 就是一個字符類,它與 1 到 9 範圍中(包括 1 和 9)的某一數字匹配。正則表達式中元字符的處理方式各不相同,這取決於元字符是否被放在字符類的內部。具體來說,當元字符放在字符類的內部時,多數元字符作爲常規字符來處理。
對於 SIMILAR TO(僅限於 SIMILAR TO),元字符 *、?、+、_、|、(、)、{ 必須在字符類內進行轉義。
要在字符類中包括減號 (-)、脫字符 (^) 或直角方括號 (]) 字符,必須將字符轉義。
下面給出了所支持的正則表達式元字符的列表。當 SIMILAR TO、REGEXP 和 REGEXP_SUBSTR 使用元字符時,幾乎所有元字符的處理方式都相同:
字符
其它信息[ 和 ] |
左右方括號用於指定字符類。字符類是進行匹配時所要依據的一組字符。 除連字符 (-) 和脫字符 (^) 外,在字符類中指定的元字符和量詞(如 * 和 {m},分別爲元字符和量詞)沒有特殊意義,可當作實際字符進行運算。 SQL Anywhere 還支持子字符類,例如 POSIX 字符類。請參見正則表達式:特殊子字符類。 |
* | 星號可用於與字符匹配 0 次或多次。例如,REGEXP '.*abc' 匹配的字符串以 abc 結尾並以任何前綴開頭。因此,aabc、xyzabc 和 abc 匹配,但 bc 和 abcc 則不匹配。 |
? | 問號可用於與字符匹配 0 次或 1 次。例如,'colou?r' 匹配 color 和 colour。 |
+ | 加號可用於與字符匹配 1 次或多次。例如,'bre+' 匹配 bre 和 bree,但不匹配 br。 |
- |
可以在字符類中使用一個連字符來表示一個範圍。例如,REGEXP '[a-e]' 匹配 a、b、c、d 和 e。 有關 REGEXP 和 SIMILAR TO 如何對範圍求值的詳細信息,請參見LIKE、REGEXP 和 SIMILAR TO:字符比較上的差異。 |
% |
百分號可與 SIMILAR TO 配合使用來匹配任意數目的字符。 不將百分號視爲 REGEXP 和 REGEXP_SUBSTR 所使用的元字符。當指定時,它匹配百分號 (%)。 |
_(下劃線字符) |
可將下劃線與 SIMILAR TO 配合使用來匹配單個字符。 不將下劃線視爲 REGEXP 和 REGEXP_SUBSTR 所使用的元字符。當指定時,它匹配下劃線 (_)。 |
| |
管道符號用於指定匹配字符串時要使用的替代模式。在由豎線分隔的一行模式中,豎線被解釋爲 OR,匹配過程從最左側的模式開始,在找到第一個匹配項時停止。因此,您應按優先級的降序順序列出模式。您可以指定任意數量的替代模式。 |
( 和 ) | 當左括號和右括號用於正則表達式的各個組合部分時,它們爲元字符。例如,(ab)* 匹配零個或多個 ab 的重複項。與使用數學表達式一樣,您使用組合來控制正則表達式各部分的計算順序。 |
{ 和 } |
當左大括號和右大括號用於指定量詞時,它們爲元字符。量詞指定一個模式要構成某個匹配所必須重複的次數。例如:
|
反斜線被用作元字符的轉義字符。它也可被用於轉義非元字符。 | |
^ |
對於 REGEXP 和 REGEXP_SUBSTR,當脫字符在字符類的外部時,脫字符匹配字符串的開頭字符。例如,'^[hc]at' 匹配 hat 和 cat,但只在字符串的開頭。 當用在字符類內部時,以下行爲適用:
|
$ |
當與 REGEXP 和 REGEXP_SUBSTR 一起使用時,匹配字符串的結尾字符。例如,SIMILAR TO 'cat$' 匹配 cat,但不匹配 catfish。 當與 SIMILAR TO 一起使用時,它匹配問號。 |
. |
當與 REGEXP 和 REGEXP_SUBSTR 一起使用時,匹配任何單個字符。例如,REGEXP 'a.cd' 匹配以 a 開頭並以 cd 結尾的含有四個字符的任何字符串。 當與 SIMILAR TO 一起使用時,它匹配句點 (.)。 |
: |
在字符集中使用冒號來指定子字符類。例如,'[[:alnum:]]'。 |
正則表達式:特殊子字符類
子字符類是嵌入到較大字符類中的特殊字符類。除了自定義字符類(在其中定義要匹配的字符集,例如,[abxq4] 將匹配字符集限制爲 a、b、x、q 和 4)以外,SQL Anywhere 還支持子字符類,例如,大部分 POSIX 字符類。例如,[[:alpha:]] 表示所有大寫和小寫字母的集合。
REGEXP 搜索條件和 REGEXP_SUBSTR 函數支持下表中的所有語法約定,但 SIMILAR TO 搜索表達式不支持。SIMILAR TO 支持的約定在 SIMILAR TO 列中有一個 Y。
在 REGEXP 中,當使用 REGEXP_SUBSTR 函數時,可以使用脫字符對子字符類取非。例如,[[:^alpha:]] 匹配除字母字符以外的所有字符的集合。
[:alpha:] |
匹配當前歸類中的大寫和小寫字母字符。例如,'[0-9]{3}[[:alpha:]]{2}' 匹配三個數字,後跟兩個字母。 |
Y | ||
[:alnum:] |
匹配當前歸類中的數字、大寫和小寫字母字符。例如,'[[:alnum:]]+' 匹配含有一個或多個字母和數字的字符串。 |
Y | ||
[:digit:] |
匹配當前歸類中的數字。例如,'[[:digit:]-]+' 匹配含有一個或多個數字或橫線的字符串。同樣,'[^[:digit:]-]+' 匹配含有一個或多個不是數字或橫線的字符的字符串。 |
Y | ||
[:lower:] |
匹配當前歸類中的小寫字母字符。例如,'[[:lower:]]' 不匹配 A,因爲 A 爲大寫。 |
Y | ||
[:space:] |
匹配單個空格 (' ')。例如,以下語句搜索 Contacts.City 以查找任何名稱爲兩個詞的城市:
|
Y | ||
[:upper:] |
匹配當前歸類中的大寫字母字符。例如,'[[:upper:]ab]' 與以下其中一項匹配:任何大寫字母、a 或 b。 |
Y | ||
[:whitespace:] |
匹配一個空白字符,例如,空格、製表符、換頁符和回車符。 |
Y | ||
[:ascii:] |
匹配任何七位的 ASCII 字符(0 到 127 之間的順序值)。 |
|||
[:blank:] |
匹配一個空白區或水平製表符。 [[:blank:]] 等效於 [ t]。 |
|||
[:cntrl:] |
匹配順序值小於 32 或字符值爲 127 的 ASCII 字符(控制字符)。控制字符包括換行符、換頁符、退格符,等等。 |
|||
[:graph:] |
匹配打印字符。 [[:graph:]] 等效於 [[:alnum:][:punct:]]。 |
|||
[:print:] |
匹配打印字符和空格。 [[:print:]] 等效於 [[:graph:][:whitespace:]]。 |
|||
[:punct:] |
匹配其中一個字符: !"#$%&'()*+,-./:;<=>?@[]^_`{|}~. [:punct:] 子字符類不能包括當前歸類中可用的非 ASCII 標點字符。 |
|||
[:word:] |
匹配當前歸類中的字母、數字或下劃線字符。 [[:word:]] 等效於 [[:alnum:]_]。 |
|||
[:xdigit:] |
匹配字符類 [0-9A-Fa-f] 中的字符。 |
正則表達式:所支持的其它語法約定
REGEXP 搜索條件和 REGEXP_SUBSTR 函數支持以下語法約定,同時它們假定反斜線爲轉義字符。而 SIMILAR TO 搜索表達式不支持這些約定。
xxx |
匹配值爲 xxx 的字符,其中 xxx 是任何八進制數字序列,0 是零。例如,134 匹配反斜線。 |
||
a |
匹配報警字符。 |
||
A |
用在字符集外部以便匹配字符串的開頭。 等效於在字符集外部使用的 ^。 |
||
b |
匹配退格字符。 |
||
B |
匹配反斜線字符 ()。 |
||
cX |
匹配已命名的控制字符。例如,cZ 代表 ctrl-Z。 |
||
d |
匹配當前歸類中的一個數字。例如,以下語句搜索 Contacts.Phone 以查找以 00 結尾的所有電話號碼:
d 既可用在字符類的內部也可用在字符類的外部,等效於 [[:digit:]]。 |
||
D |
匹配數字以外的任何字符。它的作用與 d 正好相反。 D 既可用在字符類的內部也可用在字符類的外部,等效於 [^[:digit:]]。 在方括號內使用取非速記時請務必謹慎。[DS] 與 [^ds] 並不相同。後者匹配數字或空格以外的任何字符。所以它匹配 x,但不匹配 8。而前者匹配不是數字或不是空格(滿足兩個條件之一)的任何字符。因爲數字不是空格,空格也不是數字,所以 [DS] 可以匹配任何字符、數字、空格或其它字符。 |
||
e |
匹配轉義字符。 |
||
E |
將由 Q 啓動的將元字符視爲非元字符這一功能停止。 有關正則表達式元字符的列表,請參見正則表達式:元字符。 |
||
f |
匹配換頁符。 |
||
n |
匹配換行符。 |
||
Q |
將所有元字符視爲非元字符,直到遇到 E。例如,Q[$E 等效於 [$。 有關正則表達式元字符的列表,請參見正則表達式:元字符。 |
||
r |
匹配回車符。 |
||
s |
匹配一個被視爲白空格的空格或字符。例如,以下語句從 Products.ProductName 中返回名稱中至少有一個空格的所有產品名:
s 既可用在字符類的內部也可用在字符類的外部,等效於 [[:whitespace:]]。請參見正則表達式:特殊子字符類。 |
||
S |
匹配非白空格字符。它的作用與 d 正好相反,而等效於 [^[:whitespace:]]。 S 既可用在字符類的內部也可用在字符類的外部。請參見正則表達式:特殊子字符類。 在方括號內使用取非速記時請務必謹慎。[DS] 與 [^ds] 並不相同。後者匹配數字或空格以外的任何字符。所以它匹配 x,但不匹配 8。而前者匹配不是數字或不是空格(滿足兩個條件之一)的任何字符。因爲數字不是空格,空格也不是數字,所以 [DS] 可以匹配任何字符、數字、空格或其它字符。 |
||
t |
匹配水平製表符。 |
||
v |
匹配垂直製表符。 |
||
w |
匹配當前歸類中的字母字符、數字或下劃線。例如,以下語句從 Contacts.Surname 返回長度正好爲七個字母數字字符的所有姓:
w 既可用在字符類的內部也可用在字符類的外部。請參見正則表達式:特殊子字符類。 等效於 [[:alnum:]_].。 |
||
W |
匹配當前歸類中字母字符、數字或下劃線以外的任何字符。它的作用與 w 正好相反,而等效於 [^[:alnum:]_]。 在字符類的內部和外部都可使用此正則表達式。請參見正則表達式:特殊子字符類。 |
||
xhh |
匹配值爲 0xhh 的字符,其中 hh 最多爲兩個十六進制數字。例如,x2D 等效於一個連字符。 等效於 x{hh}。 |
||
x{hhh} |
匹配值爲 0xhhh 的字符,其中 hhh 最多爲三個十六進制數字。 |
||
z 和 Z |
匹配字符串結尾處的位置(而非字符)。 等效於 $。 |
正則表達式:斷言
斷言測試條件是否爲真,並影響字符串中開始匹配的位置。斷言不返回字符;最終匹配中不包括斷言模式。REGEXP 搜索條件和 REGEXP_SUBSTR 函數支持這些斷言模式。而 SIMILAR TO 搜索表達式不支持這些約定。
在嘗試拆分字符串時,lookahead 和 lookbehind 斷言對於 REGEXP_SUBSTR 將非常有用。例如,您可以通過執行以下語句返回 Customers 表的 Address 列中街道名稱(不帶街道編號)的列表:
SELECT REGEXP_SUBSTR( Street, '(?<=^\S+\s+).*$' ) FROM Customers; |
另一個示例:假定您想要使用正則表達式來驗證口令是否符合某些規則。您可以使用類似於下面內容的零寬度斷言:
IFpasswordREGEXP '(?=.*[[:digit:]])(?=.*[[:alpha:]].*[[:alpha:]])[[:word:]]{4,12}' MESSAGE 'Password conforms' TO CLIENT; ELSE MESSAGE 'Password does not conform' TO CLIENT; END IF |
當滿足以下條件時,口令有效:
-
password 至少有一位數(零寬度肯定斷言 [[:digit:]])
-
password 至少有兩個字母字符(零寬度肯定斷言 [[:alpha:]].*[[:alpha:]])
-
password 只含有字母數字字符或下劃線字符 ([[:word:]])
-
password 最少含有 4 個字符,最多含有 12 個字符 ({4,12})
下表包含 SQL Anywhere 支持的斷言:
(?=pattern) |
肯定的 lookahead 零寬度斷言 查看字符串中的當前位置是否緊跟着出現了 pattern,而 pattern 不會成爲匹配字符串的一部分。'A(?=B)' 匹配後面跟有 B 的 A,但不使 B 成爲匹配的一部分。 例如,SELECT REGEXP_SUBSTR( 'in new york city', 'new(?=\syork)'); 會返回子串 new,因爲它後面緊跟着 ' york'(請注意 york 前面的空格)。 |
(?!pattern) |
否定的 lookahead 零寬度斷言 查看字符串中的當前位置是否沒有 緊跟着出現 pattern,而 pattern 不會成爲匹配字符串的一部分。所以,'A(?!B)' 匹配後面未跟着 B 的 A。 例如,SELECT REGEXP_SUBSTR('new jersey', 'new(?!\syork)'); 會返回子串 new。 |
(?<=pattern) |
肯定的 lookbehind 零寬度斷言 查看字符串中的當前位置是否前面緊挨着出現了 pattern,而 pattern 不會成爲匹配字符串的一部分。所以,'(?<=A)B' 匹配前面緊挨着 A 的 B,但不使 A 成爲匹配的一部分。 例如,SELECT REGEXP_SUBSTR('new york', '(?<=new\s)york'); 會返回子串 york。 |
(?<!pattern) |
否定的 lookbehind 零寬度斷言 查看字符串中的當前位置的前面是否沒有 緊挨着出現 pattern,而 pattern 不會成爲匹配字符串的一部分。 例如,SELECT REGEXP_SUBSTR('about york', '(?<!new\s)york'); 會返回子串 york。 |
(?>pattern) |
所屬關係局部子表達式 僅匹配與 pattern 匹配的剩餘字符串的最大前綴。 例如,在 'aa' REGEXP '(?>a*)a' 中,(?>a*) 匹配(並消耗)aa,而決不僅僅是前導 a。因此,'aa' REGEXP '(?>a*)a' 的計算結果爲 false。 |
(?:pattern) |
非捕獲塊 該語法在功能上就等效於 pattern,是爲實現兼容性而提供。 例如,在 'bb' REGEXP '(?:b*)b' 中,(?:b*) 匹配(並消耗)bb。但是,與所屬關係局部子表達式不同,bb 中的最後一個 b 會被放棄,以允許整個匹配成功(即,允許與在非捕獲塊的外部找到的 b 匹配)。 同樣,'a(?:bc|b)c' 匹配 abcc 和 abc。在匹配 abc 時,bc 中最後面的 c 會發生回溯,以便可以使用組外的 c 來使匹配成功。 |
(?#text) |
用於註釋。text 的內容會被忽略。 |
$regex
= '/^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html$/i' ; $matches
= array(); if (preg_match($regex,
$str, $matches)){ var_dump($matches); } echo
"\n" ; |
preg_match中的$matches[0]將包含與整個模式匹配的字符串。
使用"#"定界符的代碼如下.這個時候對"/"就不轉義!
$matches
= array(); if (preg_match($regex,
$str, $matches)){ var_dump($matches); } echo
"\n" ; |
¤ 修飾符:用於改變正則表達式的行爲。
我們看到的('/^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html/i')中的最後一個"i"就是修飾符,表示忽略大小寫,還有一個我們經常用到的是"x"表示忽略空格。
貢獻代碼:
$regex =
'/HELLO/' ; $str =
'hello
word' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ echo 'No
i:Valid Successful!' , "\n" ; } if (preg_match( $regex . 'i' ,
$str ,
$matches )){ echo 'YES
i:Valid Successful!' , "\n" ; } |
¤ 字符域:[\w]用方括號擴起來的部分就是字符域。
¤ 限定符:如[\w]{3,5}或者[\w]*或者[\w]+這些[\w]後面的符號都表示限定符。現介紹具體意義。
{3,5}表示3到5個字符。{3,}超過3個字符,{,5}最多5個,{3}三個字符。
* 表示0到多個
+ 表示1到多個。
¤ 脫字符號
^:
> 放在字符域(如:[^\w])中表示否定(不包括的意思)——“反向選擇”
> 放在表達式之前,表示以當前這個字符開始。(/^n/i,表示以n開頭)。
注意,我們經常管"\"叫"跳脫字符"。用於轉義一些特殊符號,如".","/"
$regex =
'/(?<=c)d(?=e)/' ;
/*
d 前面緊跟c, d 後面緊跟e*/ $str =
'abcdefgk' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
否定意義:
$regex =
'/(?<!c)d(?!e)/' ;
/*
d 前面不緊跟c, d 後面不緊跟e*/ $str =
'abcdefgk' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
$regex =
'/HE(?=L)LO/i' ; $str =
'HELLO' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
打印不出結果!
$regex =
'/HE(?=L)LLO/i' ; $str =
'HELLO' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
能打印出結果!
說明:(?=L)意思是HE後面緊跟一個L字符。但是(?=L)本身不佔字符,要與(L)區分,(L)本身佔一個字符。
$regex =
'/^(Chuanshanjia)[\w\s!]+\1$/' ;
$str =
'Chuanshanjia
thank Chuanshanjia' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
$regex =
'/(?P<author>chuanshanjia)[\s]Is[\s](?P=author)/i' ; $str =
'author:chuanshanjia
Is chuanshanjia' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
運行結果
惰性匹配(記住:會進行兩部操作,請看下面的原理部分)
格式:限定符?
原理:"?":如果前面有限定符,會使用最小的數據。如“*”會取0個,而“+”會取1個,如過是{3,5}會取3個。
先看下面的兩個代碼:
代碼1.
<?php $regex =
'/heL*/i' ; $str =
'heLLLLLLLLLLLLLLLL' ; if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
結果1.
代碼2
<?php $regex =
'/heL*?/i' ; $str =
'heLLLLLLLLLLLLLLLL' ; if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
結果2
代碼3,使用“+”
<?php $regex =
'/heL+?/i' ; $str =
'heLLLLLLLLLLLLLLLL' ; if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
結果3
代碼4,使用{3,5}
<?php $regex =
'/heL{3,10}?/i' ; $str =
'heLLLLLLLLLLLLLLLL' ; if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
結果4
$regex =
'/ ^host=(?<!\.)([\d.]+)(?!\.)
(?#主機地址) \| ([\w!@#$%^&*()_+\-]+)
(?#用戶名) \| ([\w!@#$%^&*()_+\-]+)
(?#密碼) (?!\|)$/ix'; $str =
'host=192.168.10.221|root|123456' ; $matches =
array (); if (preg_match( $regex ,
$str ,
$matches )){ var_dump( $matches ); } echo "\n" ; |
特殊字符 | 解釋 |
* | 0到多次 |
+ | 1到多次還可以寫成{1,} |
? | 0或1次 |
. | 匹配除換行符外的所有單個的字符 |
\w | [a-zA-Z0-9_] |
\s | 空白字符(空格,換行符,回車符)[\t\n\r] |
\d | [0-9] |