雖然講的是正則表達式在php中的應用,但正則表達式本身和在java裏幾乎沒啥區別:
3 正則表達式的基本語法:
一個正則表達式,分爲三個部分:分隔符,表達式和修飾符。
分隔符可以是除了特殊字符以外的任何字符(比如"/ !"等等),常用的分隔符是"/"。表達式由一些特殊字符(特殊字符詳見下面)和非特殊的字符串組成,比如"[a-z0-9_-]+@[a-z0-9_-.]+"可以匹配一個簡單的電子郵件字符串。修飾符是用來開啓或者關閉某種功能/模式。下面就是一個完整的正則表達式的例子:
/hello.+?hello/is
上面的正則表達式"/"就是分隔符,兩個"/"之間的就是表達式,第二個"/"後面的字符串"is"就是修飾符。
在表達式中如果含有分隔符,那麼就需要使用轉義符號"/",比如"/hello.+?//hello/is"。轉義符號除了用於分隔符外還可以執行特殊字符,全部由字母構成的特殊字符都需要"/"來轉義,比如"/d"代表全體數字。
4 正則表達式的特殊字符:
正則表達式中的特殊字符分爲元字符、定位字符等等。
元字符是正則表達式中一類有特殊意義的字符,用來描述其前導字符(即元字符前面的字符)在被匹配的對象中出現的方式。元字符本身是一個個單一的字符,但是不同或者相同的元字符組合起來可以構成大的元字符。
元字符:
大括號:大括號用來精確指定匹配元字符出現的次數,例如"/pre{1,5}/"表示匹配的對象可以是"pre"、"pree"、"preeeee"這樣在"pr"後面出現1個到5個"e"的字符串。或者"/pre{,5}/"代表pre出現0此到5次之間。
加號:"+"字符用來匹配元字符前的字符出現一次或者多次。例如"/ac+/"表示被匹配的對象可以是"act"、"account"、"acccc"等在"a"後面出現一個或者多個"c"的字符串。"+"相當於"{1,}"。
星號:"*"字符用來匹配元字符前的字符出現零次或者多次。例如"/ac*/"表示被匹配的對象可以是"app"、"acp"、"accp"等在"a"後面出現零個或者多個"c"的字符串。"*"相當於"{0,}"。
問號:"?"字符用來匹配元字符前的字符出現零次或者1次。例如"/ac?/"表示匹配的對象可以是"a"、"acp"、"acwp"這樣在"a"後面出現零個或者1個"c"的字符串。"?"在正則表達式中還有一個非常重要的作用,即"貪婪模式"。
還有兩個很重要的特殊字符就是"[ ]"。他們可以匹配"[]"之中出現過的字符,比如"/[az]/"可以匹配單個字符"a"或者"z";如果把上面的表達式改成這樣"/[a-z]/",就可以匹配任何單個小寫字母,比如"a"、"b"等等。
如果在"[]"中出現了"^",代表本表達式不匹配"[]"內出現的字符,比如"/[^a-z]/"不匹配任何小寫字母!並且正則表達式給出了幾種"[]"的默認值:
[:alpha:]:匹配任何字母
[:alnum:]:匹配任何字母和數字
[:digit:]:匹配任何數字
[:space:]:匹配空格符
[:upper:]:匹配任何大寫字母
[:lower:]:匹配任何小寫字母
[:punct:]:匹配任何標點符號
[:xdigit:]:匹配任何16進制數字
另外下面這些特殊字符在轉義符號"/"轉義後代表的含義如下:
s:匹配單個的空格符
S:用於匹配除單個空格符之外的所有字符。
d:用於匹配從0到9的數字,相當於"/[0-9]/"。
w:用於匹配字母,數字或下劃線字符,相當於"/[a-zA-Z0-9_]/"。
W:用於匹配所有與w不匹配的字符,相當於"/[^a-zA-Z0-9_]/"。
D:用於匹配任何非10進制的數字字符。
.:用於匹配除換行符之外的所有字符,如果經過修飾符"s"的修飾,"."可以代表任意字符。
利用上面的特殊字符可以很方便的表達一些比較繁瑣的模式匹配。例如"//d0000/"利用上面的正則表達式可以匹配萬以上,十萬一下的整數字符串。
定位字符:
定位字符是正則表達式中又一類非常重要的字符,它的主要作用是用於對字符在匹配對象中的位置進行描述。
^:表示匹配的模式出現在匹配對象的開頭(和在"[]"裏面不同)
$:表示匹配的模式出現在匹配對象的末尾
空格:表示匹配的模式出現在開始和結尾的兩個邊界之一
"/^he/":可以匹配以"he"字符開頭的字符串,比如hello、height等等;
"/he$/":可以匹配以"he"字符結尾的字符串即she等;
"/ he/":空格開頭,和^的作用一樣,匹配以he開頭的字符串;
"/he /":空格結束,和$的作用一樣,匹配以he結尾的字符串;
"/^he$/":表示只和字符串"he"匹配。
括號:
正則表達式除了可以用戶匹配,還可以用括號"()"來記錄需要的信息,儲存起來,給後面的表達式讀取。比如:
/^([a-zA-Z0-9_-]+)@([a-zA-Z0-9_-]+)(.[a-zA-Z0-9_-])$/
就是記錄郵件地址的用戶名,和郵件地址的服務器地址(形式爲[email protected]之類的),在後面如果想要讀取記錄下來的字符串,只是需要用"轉義符+記錄的次序"來讀取。比如"//1"就相當於第一個"[a-zA-Z0-9_-]+","//2"相當於第二個([a-zA-Z0-9_-]+),"//3"就是第三個(.[a-zA-Z0-9_-])。但是在PHP中,"/"是一個特殊的字符,需要轉義,所以"/1"到了PHP的表達式中就應該寫成"////1"。
其他特殊符號:
"|":或符號"|"和PHP裏面的或一樣,不過是一個"|",而不是PHP的兩個"||"!意思就是可以是某個字符或者另一個字符串,比如"/abcd|dcba/"可能匹配"abcd"或者"dcba"。
5 貪婪模式:
前面在元字符中提到過"?"還有一個重要的作用,即"貪婪模式",什麼是"貪婪模式"呢?
比如我們要匹配以字母"a"開頭字母"b"結尾的字符串,但是需要匹配的字符串在"a"後面含有很多個"b",比如"a bbbbbbbbbbbbbbbbb",那正則表達式是會匹配第一個"b"還是最後一個"b"呢?如果你使用了貪婪模式,那麼會匹配到最後一個"b",反之只是匹配到第一個"b"。
使用貪婪模式的表達式如下:
/a.+?b/
/a.+b/U
不使用貪婪模式的如下:
/a.+b/
上面使用了一個修飾符U,詳見下面的部分。
6 修飾符:
在正則表達式裏面的修飾符可以改變正則的很多特性,使得正則表達式更加適合你的需要(注意:修飾符對於大小寫是敏感的,這意味着"e"並不等於"E")。正則表達式裏面的修飾符如下:
i :如果在修飾符中加上"i",則正則將會取消大小寫敏感性,即"a"和"A" 是一樣的。
m:默認的正則開始"^"和結束"$"只是對於正則字符串如果在修飾符中加上"m",那麼開始和結束將會指字符串的每一行:每一行的開頭就是"^",結尾就是"$"。
s:如果在修飾符中加入"s",那麼默認的"."代表除了換行符以外的任何字符將會變成任意字符,也就是包括換行符!
x:如果加上該修飾符,表達式中的空白字符將會被忽略,除非它已經被轉義。
e:本修飾符僅僅對於replacement有用,代表在replacement中作爲PHP代碼。
A:如果使用這個修飾符,那麼表達式必須是匹配的字符串中的開頭部分。比如說"/a/A"匹配"abcd"。
E:與"m"相反,如果使用這個修飾符,那麼"$"將匹配絕對字符串的結尾,而不是換行符前面,默認就打開了這個模式。
U:和問號的作用差不多,用於設置"貪婪模式"。