简单入门正则表达式 - 第五章 多字符的匹配

<style> #content-region { background-image: url(http://p.blog.csdn.net/images/p_blog_csdn_net/rcom10002/EntryImages/20081027/watermark.gif); } #content-region h3 { border: 1px dotted #333333; background-color: #f9f9f9; padding: 10px; font-size: 24px; } #content-region p { font-family: "宋体", "仿宋"; font-size: 16px; line-height: 28px; text-decoration: none; text-indent: 32px; } #content-region .regex-pattern { font-style: oblique; font-family: "Courier New", Courier, monospace; background-color: #FFCCCC; border-top-style: solid; border-right-style: none; border-bottom-style: solid; border-left-style: none; border-top-color: #FF0000; border-bottom-color: #FF0000; border-top-width: 1px; border-right-width: 1px; border-bottom-width: 1px; border-left-width: 1px; border-right-color: #FF0000; border-left-color: #FF0000; padding: 0px 5px 0px 5px; } #content-region .regex-result { font-family: "Courier New", Courier, monospace; background-color: #A4FFE1; border-top-style: solid; border-right-style: none; border-bottom-style: solid; border-left-style: none; border-top-color: #339966; border-bottom-color: #339966; border-top-width: 1px; border-right-width: 1px; border-bottom-width: 1px; border-left-width: 1px; border-right-color: #339966; border-left-color: #339966; padding: 0px 5px 0px 5px; } #content-region blockquote { padding: 10px; border-top-width: 1px; border-right-width: 1px; border-bottom-width: 1px; border-left-width: 1px; border-top-style: dotted; border-right-style: dotted; border-bottom-style: dotted; border-left-style: dotted; width: auto; } #content-region img { border: 1px dotted #000000; padding: 16px; background-color: #f9f9f9; margin-top: 16px; margin-right: 16px; margin-bottom: 16px; margin-left: 64px; } #content-region code { white-space: pre; } </style>

一、字符集合

字符集合，也可以叫做字符类，它允许我们从多个候选字符中提取一个满足条件的字符。它的语法形式有两种，[abcdef]和[a-f]。虽然是集合，但每次只允许匹配一个单字符，如果要进行重复性匹配操作，就要借助“*”、“+”和花括号的功能了。让我们先学习一下[abcdef]这种形式的用法。

假如我们要对电话号码格式进行验证，以“+086-800-800-8888”为例，其中 +086 的加号和首位数字都是可选字符。现在，我们对号码的第二个字符进行分析，它是一个 0 至 9 的数字，字符集合的表示方法是[0123456789]，它可以与 0 至 9 之间的任意一个字符进行匹配。接下来我们要做的就是确定每个部分的匹配次数，[0123456789]{3}、[0123456789]{3}、[0123456789]{3}和[0123456789]{4}。又因为 086 的首位可选，所以，我们最终构造出来的正则表达式语法为/+?[0123456789]{2,3}-[0123456789]{3}-[0123456789]{3}-[0123456789]{4}。这里值得注意的地方是“+”需要转义，因为“+”是正则表达式的语法一部分，它是具有特殊含义的，无法被我们直接利用，如果要使用“+”，就要对它进行转义。转义后的“/+”能告诉正则表达式引擎，当前这个“+”不是语法具有特殊意义，只是一个字符“+”而已。

二、字符范围的表示

字符集合的第二种语法形式[a-f]可以简化连续字符的书写方法，上例中的[0123456789]就能够简化为[0-9]，这样，简化后的语法就成为/+?[0-9]{2,3}-[0-9]{3}-[0-9]{3}-[0-9]{4}。我们还可以混合使用字符集合的语法，来提高灵活性。如[a-fuwy0-9]：

如果方括号内的“-”的两端不是表示范围开始和结束的字符的话，它就会被当作普通的“-”来处理。让我们再看一个例子。现在要从句子“Javascript includes built-in support for array, date, and Regular-expression objects.”中提取那些含有“-”的复合词。我们先采用字符集合的形式来匹配“-”，使用语法[a-zA-z]+[-][a-zA-z]+，当然我们也可以直接写“-”来进行匹配[a-zA-z]+-[a-zA-z]+：

看了上面的例子有些读者可能会感到很奇怪，既然可以指定字符集合的范围，我们为什么不直接写[A-z]，而要采用[a-zA-Z]这种形式呢？这是因为在ASCII和Unicode字符集中，大小写字母的位置并不是连续的，它们之间还有六个其它字符，如下图所示：

三、使用补集^

前面的两种语法都是正常匹配时所要用到的，但是，如果我们想使一个不存在于字符集合中的字符满足匹配条件时，又该怎么实现呢？换一句话说，除了集合之外的所有字符都是我们想要匹配的字符，正则表达式提供了一种[^abcf-i]的语法形式。对于这种语法，我们可以先按照正常思路考虑[abcf-i]的含义，匹配 abc 中任意一字符和 f 至 i 之间的字符，然后转过来理解，不满足 abc 中任意一字符和 f 至 i 之间的字符的内容，都是我们想要匹配的目标。值得注意的是“^”必须紧挨在左方括号的右边，否则它就不具有特殊含义，只是普通的字符“^”而已。

四、选择

字符集合能够从多个候选字符中选中一个来与目标字符进行匹配，但是，如何提供多个连续的候选字符组合呢？在正则表达式中，就有一个提供这样功能的元字符“|”。它将我们要匹配的字符组合用“|”分隔开，然后在目标字符串中进行匹配，只要有与分隔部分的内容能够匹配上的话，就能进行匹配。

下面是一段人物众多的小笑话，要理解起来本来是很费劲儿的，但通过正则表达式魔王|公主|没有人|曹操|鬼|靠|谁|上帝把所有的人物角色全列出来，就容易理解得多了。

《喊破喉咙》
魔王把公主带回了自己的城堡。 
魔王：你尽管喊破喉咙吧，没有人会来救你的！ 
公主：破喉咙！破喉咙！ 
没有人：公主！我来救你了！ 
魔王：说曹操曹操到！ 
曹操：魔王，你叫我干嘛？！ 
魔王：哇勒！看到鬼了！！ 
鬼：靠！被发现了！ 
靠：胡说，谁发现我了！ 
谁：关我屁事！ 
魔王：Oh~my God！ 
上帝：谁叫我？！ 
谁：没有人叫你啊！ 
没有人：我哪有！！ 
魔王从此得了精神分裂症…… 
	

五、知识要点补充与巩固

到现在为止，我们已经学会了很多基本的样式匹配，下面表格中是对前面的知识内容的一个总结。

语法形式 语法含义

A	匹配一个单一字符“A”
.	匹配任意一个字符
?	重复零次或一次
/?	转义后的字符“?”
*	重复零次或更多次(贪婪模式)
+	重复一次或更多次(贪婪模式)
*?	重复零次或更多次(懒惰模式)
+?	重复一次或更多次(懒惰模式)
{n}	重复 n 次
{n,}	重复 n 次或更多次
{m,n}	重复 m 到 n 次(贪婪模式)
{m,n}?	重复 m 到 n 次(懒惰模式)
[abc]	匹配“a”，“b”，“c”中的任意一个字符
[abcf-i]	匹配“a”，“b”，“c”，“f”至“g”中的任意一个字符
[^1-37a-gx]	匹配“1”至“3”，“7”，“a”至“g”，“x”之外的任意一个字符

<!-- InstanceEndEditable -->