正則表達式[轉自http://www.linuxaid.com.cn/articles/7/1/718745163.shtml]

正則表達式

摘要

　　正則表達式是一種可以用於模式匹配和替換的工具，可以讓用戶通過使用一系列的特殊字符構建匹配模式，然後把匹配模式與待比較字符串或文件進行比較，根據比較對象中是否包含匹配模式，執行相應的程序；正則表達式起始於UNIX系統，目前廣泛應用於各種腳本語言中，在PHP，Perl，JavaScript中都能找到他的身影。目前正則表達式最常用的地方是在WEB上判斷用戶輸入的電子郵件地址是否正確。

(2002-09-02 12:29:29)

---

By Wing, 出處：小鳥

　　正則表達式簡介

　　正則表達式是一種可以用於模式匹配和替換的工具，可以讓用戶通過使用一系列的特殊字符構建匹配模式，然後把匹配模式與待比較字符串或文件進行比較，根據比較對象中是否包含匹配模式，執行相應的程序；正則表達式起始於UNIX系統，目前廣泛應用於各種腳本語言中，在PHP，Perl，JavaScript中都能找到他的身影。目前正則表達式最常用的地方是在WEB上判斷用戶輸入的電子郵件地址是否正確。

　　正則表達式語法

　　字符 描述

　　將下一個字符標記爲一個特殊字符、或一個原義字符、或一個 後向引用、或一個八進制轉義符。例如，'n' 匹配字符 "n"。' ' 匹配一個換行符。序列 '' 匹配 "" 而 "(" 則匹配 "("。

　　^ 匹配輸入字符串的開始位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 也匹配 ' ' 或 ' ' 之後的位置。

　　$ 匹配輸入字符串的結束位置。如果設置了RegExp 對象的 Multiline 屬性，$ 也匹配 ' ' 或 ' ' 之前的位置。

　　* 匹配前面的子表達式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等價於{0,}。

　　+ 匹配前面的子表達式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價於 {1,}。

　　? 匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等價於 {0,1}。

　　{n} n 是一個非負整數。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個 o。

　　{n,} n 是一個非負整數。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價於 'o+'。'o{0,}' 則等價於 'o*'。

　　{n,m} m 和 n 均爲非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。 "o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價於 'o?'。請注意在逗號和兩個數之間不能有空格。

　　? 當該字符緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜索的字符串，而默認的貪婪模式則儘可能多的匹配所搜索的字符串。例如，對於字符串 "oooo"，'o+?' 將匹配單個 "o"，而 'o+' 將匹配所有 'o'。

　　. 匹配除 " " 之外的任何單個字符。要匹配包括 ' ' 在內的任何字符，請使用象 '[. ]' 的模式。

　　(pattern) 匹配pattern 並獲取這一匹配。所獲取的匹配可以從產生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在Visual Basic Scripting Edition 中則使用 $0…$9 屬性。要匹配圓括號字符，請使用 '(' 或 ')'。

　　(?:pattern) 匹配 pattern 但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用 "或" 字符 (|) 來組合一個模式的各個部分是很有用。例如， 'industr(?:y|ies) 就是一個比 'industry|industries' 更簡略的表達式。

　　(?=pattern) 正向預查，在任何匹配 pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如， 'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字符之後開始。

　　(?!pattern) 負向預查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字符之後開始

　　x|y 匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"。

　　[xyz] 字符集合。匹配所包含的任意一個字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。

　　[^xyz] 負值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。

　　[a-z] 字符範圍。匹配指定範圍內的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 範圍內的任意小寫字母字符。

　　[^a-z] 負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 範圍內的任意字符。

　　 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。

　　B 匹配非單詞邊界。'erB' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。

　　cx 匹配由x指明的控制字符。例如， cM 匹配一個 Control-M 或回車符。 x 的值必須爲 A-Z 或 a-z 之一。否則，將 c 視爲一個原義的 'c' 字符。

　　d 匹配一個數字字符。等價於 [0-9]。

　　D 匹配一個非數字字符。等價於 [^0-9]。

　　f 匹配一個換頁符。等價於 x0c 和 cL。

　　匹配一個換行符。等價於 x0a 和 cJ。

　　匹配一個回車符。等價於 x0d 和 cM。

　　s 匹配任何空白字符，包括空格、製表符、換頁符等等。等價於 [ f v]。

　　S 匹配任何非空白字符。等價於 [^ f v]。

　　匹配一個製表符。等價於 x09 和 cI。

　　v 匹配一個垂直製表符。等價於 x0b 和 cK。

　　w 匹配包括下劃線的任何單詞字符。等價於'[A-Za-z0-9_]'。

　　W 匹配任何非單詞字符。等價於 '[^A-Za-z0-9_]'。

　　xn 匹配 n，其中 n 爲十六進制轉義值。十六進制轉義值必須爲確定的兩個數字長。例如， 'x41' 匹配 "A"。'x041' 則等價於 'x04' & "1"。正則表達式中可以使用 ASCII 編碼。.

　　um 匹配 num，其中 num 是一個正整數。對所獲取的匹配的引用。例如，'(.)1' 匹配兩個連續的相同字符。

　　標識一個八進制轉義值或一個後向引用。如果 之前至少 n 個獲取的子表達式，則 n 爲後向引用。否則，如果 n 爲八進制數字 (0-7)，則 n 爲一個八進制轉義值。

　　m 標識一個八進制轉義值或一個後向引用。如果 m 之前至少有is preceded by at least nm 個獲取得子表達式，則 nm 爲後向引用。如果 m 之前至少有 n 個獲取，則 n 爲一個後跟文字 m 的後向引用。如果前面的條件都不滿足，若 n 和 m 均爲八進制數字 (0-7)，則 m 將匹配八進制轉義值 nm。

　　ml 如果 n 爲八進制數字 (0-3)，且 m 和 l 均爲八進制數字 (0-7)，則匹配八進制轉義值 nml。

　　un 匹配 n，其中 n 是一個用四個十六進制數字表示的 Unicode 字符。例如， u00A9 匹配版權符號 (?)。

　　正則表達式實例

　　正則表達式在論壇中的實例（用JAVA實現）

//將字符串Str中從Begin開始第一個Rep1替換成Rep2
public static String ReplStr(String Str,int IntBegin,String Rep1,String Rep2) {
try {
if(Str.indexOf(Rep1,IntBegin)!=-1)
Str = Str.substring(0,Str.indexOf(Rep1,IntBegin))+Rep2+Str.substring
(Str.indexOf(Rep1)+Rep1.length());
}
catch(Exception e) {}
return Str;
}
//將字符串中的[HREF][/HREF]替換成
public static String ReplStrHref(String Str) {
try {
if(Str.indexOf("[HREF")!=-1) { //test
if(Str.indexOf("[/HREF]",Str.indexOf("[HREF]"))==-1) 
//搜尋字符串[HRE]之後是否存在[/HREF]
return Str;
else {
if(Str.charAt(Str.indexOf("[HREF")+5)==']') {
//判斷連接地址的前四個字符是否爲"HTTP"（不區分大小寫），
如果不是，自動爲加上“http://”
if(!Str.substring(Str.indexOf("[HREF]")+6,Str.indexOf("[HREF]")+10).
toUpperCase().equalsIgnoreCase("HTTP"))
Str = replace.ReplStr(Str,0,"[HREF]","");
else
Str = replace.ReplStr(Str,0,"[HREF]","");
}
if(Str.charAt(Str.indexOf("[HREF")+5)=='=') {
Str = replace.ReplStr(Str,Str.indexOf("[HREF]"),"]",">");
if(!Str.substring(Str.indexOf("[HREF=")+6,Str.indexOf("[HREF=")+10).
toUpperCase().equalsIgnoreCase("HTTP"))
Str = replace.ReplStr(Str,0,"[HREF=","");
}
}
}
catch(Exception e) {}
return Str;
}
//將字符串中所有的回車換成"<br>"
public static String ReplStrBr(String Str){
int Length = 0;
try {
String BeginStr = "";
while(Str.indexOf(13,Length)!=-1) {
BeginStr = Str.substring(0,Str.indexOf(13,Length));
Str = Str.substring(0,Str.indexOf(13,Length))+"<br>"
+Str.substring(Str.indexOf(13,Length)+1);
Length = BeginStr.length()+4;
}
}
catch(Exception e) {}
return Str;
}
//將字符串中的[IMG][/IMG]替換成
public static String ReplStrImg(String Str) {
try {
if(Str.indexOf("[IMG]")!=-1) {
if(Str.indexOf("[/IMG]")==-1)
return Str;
else {
//判斷連接地址的前四個字符是否爲"HTTP"（不區分大小寫），
如果不是，自動爲加上“http://”
if(!Str.substring(Str.indexOf("[IMG]")+5,Str.indexOf("[IMG]")+9)
.toUpperCase().equalsIgnoreCase("HTTP"))
Str = replace.ReplStr(Str,0,"[IMG]","");
}
}
}
catch(Exception e) {}
return Str;
}

　　正則表達式在LINUX命令中的應用

　　正則表達式本來就起始於UNIX，並且大量應用於LINUX系統中，如：

　　查找文件'file.php'中是否包含字符串'html'可用以下命令：

# grep 'html' file.php

　　查找文件'file.php'中第一行第一個字符爲'<'可用以下命令：

# grep '^<' file.php

　　查找當前目錄下文件名爲'http'可用以下命令：

# find -name 'http'

　　只列出目錄可用以下命令：

# ls -l |grep '^d'

　　正則表達式在WEB中的應用

　　正則表達式在WEB中最常用的是判斷電子郵件地址是否合法，如：

[0-9a-zA-Z_]@[0-9a-zA-Z_].[0-9a-zA-Z_]{2,3}

　　判斷IP地址是否合法，如：

d{1,3}.d{1,3}.d{1,3}.d{1,3}

　　其中"d"是匹配數字，"{1,3}"是可選1-3個數字，"."是匹配點字符。

　　注：以上正則表達式如果要應用到PHP或則是別的語言中，要做相應的修改。'