摘要：文章同步于正則表達(dá)式是一種處理字符串匹配的語言。如果同時(shí)使用其它元字符，我們就能構(gòu)造出功能更強(qiáng)大的正則表達(dá)式。

文章同步于 Github blog

正則表達(dá)式（Regular Expression）是一種處理字符串匹配的語言。

很可能你使用過 Windows/Dos 下用于文件查找的通配符(wildcard)，也就是 * 和 ? 。如果你想查找某個(gè)目錄下的所有的Word文檔的話，你會(huì)搜索 *.doc。在這里，* 會(huì)被解釋成任意的字符串。和通配符類似，正則表達(dá)式也是用來進(jìn)行文本匹配的工具，只不過比起通配符，它能更精確地描述你的需求 —— 當(dāng)然，代價(jià)就是更復(fù)雜——比如你可以編寫一個(gè)正則表達(dá)式，用來查找所有以0開頭，后面跟著2-3個(gè)數(shù)字，然后是一個(gè)連字號(hào) “-”，最后是7或8位數(shù)字的字符串(像010-12345678或0376-7654321)。

JavaScript 同樣也對(duì)正則表達(dá)式有很好的支持，RegExp 是 JavaScript 中的內(nèi)置“類”，通過使用RegExp，用戶可以自己定義模式來對(duì)字符串進(jìn)行匹配。而 JavaScrip t中的 String 對(duì)象的 replace 方法也支持使用正則表達(dá)式對(duì)串進(jìn)行匹配，一旦匹配，還可以通過調(diào)用預(yù)設(shè)的回調(diào)函數(shù)來進(jìn)行替換。

學(xué)習(xí)正則表達(dá)式的最好方法是從例子開始，理解例子之后再自己對(duì)例子進(jìn)行修改，實(shí)驗(yàn)。下面給出了不少簡單的例子，并對(duì)它們作了詳細(xì)的說明。

假設(shè)你在一篇英文小說里查找hi，你可以使用正則表達(dá)式hi。

這幾乎是最簡單的正則表達(dá)式了，它可以精確匹配這樣的字符串：由兩個(gè)字符組成，前一個(gè)字符是 h ,后一個(gè)是i。

通常，處理正則表達(dá)式的工具會(huì)提供一個(gè)忽略大小寫的選項(xiàng)，如果選中了這個(gè)選項(xiàng)，它可以匹配 hi,HI,Hi,hI 這四種情況中的任意一種。

不幸的是，很多單詞里包含hi這兩個(gè)連續(xù)的字符，比如 him,history,high 等等。用hi來查找的話，這里邊的hi也會(huì)被找出來。如果要精確地查找hi這個(gè)單詞的話，我們應(yīng)該使用 hi。

 是正則表達(dá)式規(guī)定的一個(gè)特殊代碼（好吧，某些人叫它元字符，metacharacter），代表著單詞的開頭或結(jié)尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標(biāo)點(diǎn)符號(hào)或者換行來分隔的，但是b并不匹配這些單詞分隔字符中的任何一個(gè)，它只匹配一個(gè)位置。

如果需要更精確的說法， 匹配這樣的位置：它的前一個(gè)字符和后一個(gè)字符不全是(一個(gè)是,一個(gè)不是或不存在)w。
假如你要找的是hi后面不遠(yuǎn)處跟著一個(gè) Lucy，你應(yīng)該用 hi.*Lucy。

這里，.是另一個(gè)元字符，匹配除了換行符以外的任意字符。*同樣是元字符，不過它代表的不是字符，也不是位置，而是數(shù)量——它指定*前邊的內(nèi)容可以連續(xù)重復(fù)使用任意次以使整個(gè)表達(dá)式得到匹配。

因此，.*連在一起就意味著任意數(shù)量的不包含換行的字符。現(xiàn)在 hi.*Lucy 的意思就很明顯了：先是一個(gè)單詞hi,然后是任意個(gè)任意字符(但不能是換行)，最后是Lucy這個(gè)單詞。

換行符就是 ,ASCII編碼為10(十六進(jìn)制0x0A)的字符。

如果同時(shí)使用其它元字符，我們就能構(gòu)造出功能更強(qiáng)大的正則表達(dá)式。比如下面這個(gè)例子：

0dd-ffffdffffddd 匹配這樣的字符串：以0開頭，然后是兩個(gè)數(shù)字，然后是一個(gè)連字號(hào)“-”，最后是8個(gè)數(shù)字(也就是中國的電話號(hào)碼。當(dāng)然，這個(gè)例子只能匹配區(qū)號(hào)為3位的情形)。

這里的d是個(gè)新的元字符，匹配一位數(shù)字(0，或1，或2，或……)。- 不是元字符，只匹配它本身——連字符(或者減號(hào)，或者中橫線，或者隨你怎么稱呼它)。

為了避免那么多煩人的重復(fù)，我們也可以這樣寫這個(gè)表達(dá)式：0d{2}-d{8}。這里d后面的 {2}({8}) 的意思是前面 d 必須連續(xù)重復(fù)匹配2次(8次)。

元字符，是一些數(shù)學(xué)符號(hào)，在正則表達(dá)式中有特定的含義，而不僅僅表示其“字面”上的含義。比如星號(hào)(*)，表示一個(gè)集合的零到多次重復(fù)，而問號(hào)(?)表示零次或一次。如果你需要使用元字符的字面意義，則需要轉(zhuǎn)義。

aw* 匹配以字母a開頭的單詞——先是某個(gè)單詞開始處(b)，然后是字母a,然后是任意數(shù)量的字母或數(shù)字(w*)，最后是單詞結(jié)束處(b)。

d+ 匹配1個(gè)或更多連續(xù)的數(shù)字。這里的 + 是和 * 類似的元字符，不同的是 *匹配重復(fù)任意次(可能是0次)，而+ 則匹配重復(fù)1次或更多次。

w{6} 匹配剛好6個(gè)字符的單詞

和忽略大小寫的選項(xiàng)類似，有些正則表達(dá)式處理工具還有一個(gè)處理多行的選項(xiàng)。如果選中了這個(gè)選項(xiàng)，^和$的意義就變成了匹配行的開始處和結(jié)束處。

你已經(jīng)看過了前面的 *,+,{2},{5,12} 這幾個(gè)匹配重復(fù)的方式了。下面是正則表達(dá)式中所有的限定符(指定數(shù)量的代碼，例如 *,{5,12} 等)

Windowsd+ 匹配Windows后面跟1個(gè)或更多數(shù)字

^w+ 匹配一行的第一個(gè)單詞(或整個(gè)字符串的第一個(gè)單詞，具體匹配哪個(gè)意思得看選項(xiàng)設(shè)置)

特殊字符，主要是指注入空格，制表符，其他進(jìn)制(十進(jìn)制之外的編碼方式)等，它們的特點(diǎn)是以轉(zhuǎn)義字符()為前導(dǎo)。如果需要引用這些特殊字符的字面意義，同樣需要轉(zhuǎn)義。

要想查找數(shù)字，字母或數(shù)字，空白是很簡單的，因?yàn)橐呀?jīng)有了對(duì)應(yīng)這些字符集合的元字符，但是如果你想匹配沒有預(yù)定義元字符的字符集合(比如元音字母 a,e,i,o,u),應(yīng)該怎么辦？

很簡單，你只需要在方括號(hào)里列出它們就行了，像 [aeiou] 就匹配任何一個(gè)英文元音字母，[.?!] 匹配標(biāo)點(diǎn)符號(hào)(.或?或!)。
我們也可以輕松地指定一個(gè)字符范圍，像 [0-9] 代表的含意與d就是完全一致的：一位數(shù)字；同理 [a-z0-9A-Z_] 也完全等同于 w（如果只考慮英文的話）。

下面是一個(gè)更復(fù)雜的表達(dá)式：(?0d{2}[) -]?d{8}。

這個(gè)表達(dá)式可以匹配幾種格式的電話號(hào)碼，像(010)88886666，或 022-22334455，或 02912345678等。我們對(duì)它進(jìn)行一些分析吧：首先是一個(gè)轉(zhuǎn)義字符 ( , 它能出現(xiàn) 0 次或 1 次 (?),然后是一個(gè) 0，后面跟著2個(gè)數(shù)字 (d{2})，然后是)或 - 或 空格 中的一個(gè)，它出現(xiàn) 1 次或不出現(xiàn) (?)，最后是 8 個(gè)數(shù)字 (d{8})。

使用工具可視化顯示如下：

“(”和“)” 也是元字符，后面的分組節(jié)里會(huì)提到，所以在這里需要使用 轉(zhuǎn)義。

不幸的是，剛才那個(gè)表達(dá)式也能匹配 010)12345678 或 (022-87654321 這樣的 “不正確” 的格式。要解決這個(gè)問題，我們需要用到分枝條件。正則表達(dá)式里的分枝條件指的是有幾種規(guī)則，如果滿足其中任意一種規(guī)則都應(yīng)該當(dāng)成匹配，具體方法是用 | 把不同的規(guī)則分隔開。 聽不明白？沒關(guān)系，看例子：

0d{2}-d{8}|0d{3}-d{7} 這個(gè)表達(dá)式能匹配兩種以連字號(hào)分隔的電話號(hào)碼：一種是三位區(qū)號(hào)，8位本地號(hào)(如010-12345678)，一種是4位區(qū)號(hào)，7位本地號(hào)(0376-2233445)。

(0d{2})[- ]?d{8}|0d{2}[- ]?d{8} 這個(gè)表達(dá)式匹配3位區(qū)號(hào)的電話號(hào)碼，其中區(qū)號(hào)可以用小括號(hào)括起來，也可以不用，區(qū)號(hào)與本地號(hào)間可以用連字號(hào)或空格間隔，也可以沒有間隔。你可以試試用分枝條件把這個(gè)表達(dá)式擴(kuò)展成也支持4位區(qū)號(hào)的。

d{5}-d{4}|d{5} 這個(gè)表達(dá)式用于匹配美國的郵政編碼。美國郵編的規(guī)則是5位數(shù)字，或者用連字號(hào)間隔的9位數(shù)字。之所以要給出這個(gè)例子是因?yàn)樗苷f明一個(gè)問題：使用分枝條件時(shí)，要注意各個(gè)條件的順序。 如果你把它改成 d{5}|d{5}-d{4} 的話，那么就只會(huì)匹配5位的郵編(以及9位郵編的前5位)。原因是匹配分枝條件時(shí)，將會(huì)從左到右地測(cè)試每個(gè)條件，如果滿足了某個(gè)分枝的話，就不會(huì)去再管其它的條件了。

我們已經(jīng)提到了怎么重復(fù)單個(gè)字符（直接在字符后面加上限定符就行了）；但如果想要重復(fù)多個(gè)字符又該怎么辦？你可以用小括號(hào)來指定子表達(dá)式(也叫做分組)，然后你就可以指定這個(gè)子表達(dá)式的重復(fù)次數(shù)了， 你也可以對(duì)子表達(dá)式進(jìn)行其它一些操作(后面會(huì)有介紹)。

(d{1,3}.){3}d{1,3} 是一個(gè)簡單的IP地址匹配表達(dá)式。要理解這個(gè)表達(dá)式，請(qǐng)按下列順序分析它：d{1,3} 匹配1到3位的數(shù)字，(d{1,3}.){3} 匹配三位數(shù)字加上一個(gè)英文句號(hào)(這個(gè)整體也就是這個(gè)分組)重復(fù)3次，最后再加上一個(gè)一到三位的數(shù)字(d{1,3})。

不幸的是，它也將匹配 256.300.888.999 這種不可能存在的IP地址。如果能使用算術(shù)比較的話，或許能簡單地解決這個(gè)問題，但是正則表達(dá)式中并不提供關(guān)于數(shù)學(xué)的任何功能，所以只能使用冗長的分組，選擇，字符類來描述一個(gè)正確的IP地址：((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)。

理解這個(gè)表達(dá)式的關(guān)鍵是理解 2[0-4]d|25[0-5]|[01]?dd?，這里我就不細(xì)說了，你自己應(yīng)該能分析得出來它的意義。

IP地址中每個(gè)數(shù)字都不能大于255. 經(jīng)常有人問我, 01.02.03.04 這樣前面帶有0的數(shù)字, 是不是正確的IP地址呢? 答案是: 是的, IP 地址里的數(shù)字可以包含有前導(dǎo) 0 (leading zeroes).

有時(shí)需要查找不屬于某個(gè)能簡單定義的字符類的字符。比如想查找除了數(shù)字以外，其它任意字符都行的情況，這時(shí)需要用到反義：

S+ 匹配不包含空白符的字符串。

]+> 匹配用尖括號(hào)括起來的以a開頭的字符串。

使用小括號(hào)指定一個(gè)子表達(dá)式后，匹配這個(gè)子表達(dá)式的文本(也就是此分組捕獲的內(nèi)容)可以在表達(dá)式或其它程序中作進(jìn)一步的處理。默認(rèn)情況下，每個(gè)分組會(huì)自動(dòng)擁有一個(gè)組號(hào)，規(guī)則是：從左向右，以分組的左括號(hào)為標(biāo)志，第一個(gè)出現(xiàn)的分組的組號(hào)為1，第二個(gè)為2，以此類推。

后向引用 用于重復(fù)搜索前面某個(gè)分組匹配的文本。例如，1 代表分組1匹配的文本。難以理解？請(qǐng)看示例：

(w+)s+1 可以用來匹配重復(fù)的單詞，像 go go, 或者 kitty kitty。這個(gè)表達(dá)式首先是一個(gè)單詞，也就是單詞開始處和結(jié)束處之間的多于一個(gè)的字母或數(shù)字 ((w+)) ，這個(gè)單詞會(huì)被捕獲到編號(hào)為1的分組中，然后是1個(gè)或幾個(gè)空白符 (s+)，最后是分組1中捕獲的內(nèi)容（也就是前面匹配的那個(gè)單詞）(1)。

你也可以自己指定子表達(dá)式的組名。要指定一個(gè)子表達(dá)式的組名，請(qǐng)使用這樣的語法：(?w+) (或者把尖括號(hào)換成"也行：(?"Word"w+)) ,這樣就把 w+ 的組名指定為Word了。要反向引用這個(gè)分組捕獲的內(nèi)容，你可以使用k ,所以上一個(gè)例子也可以寫成這樣：(?w+)s+k。

使用小括號(hào)的時(shí)候，還有很多特定用途的語法。下面列出了最常用的一些：

分組0對(duì)應(yīng)整個(gè)正則表達(dá)式

實(shí)際上組號(hào)分配過程是要從左向右掃描兩遍的：

第一遍只給未命名組分配，

第二遍只給命名組分配－－因此所有命名組的組號(hào)- 都大于未命名的組號(hào)

你可以使用 (?:exp) 這樣的語法來剝奪一個(gè)分組對(duì)組號(hào)分配的參與權(quán)．

接下來的四個(gè)用于查找在某些內(nèi)容(但并不包括這些內(nèi)容)之前或之后的東西，也就是說它們像 ,^,$那樣用于指定一個(gè)位置，這個(gè)位置應(yīng)該滿足一定的條件(即斷言)，因此它們也被稱為零寬斷言。最好還是拿例子來說明吧：

斷言用來聲明一個(gè)應(yīng)該為真的事實(shí)。正則表達(dá)式中只有當(dāng)斷言為真時(shí)才會(huì)繼續(xù)進(jìn)行匹配。

(?=exp) 也叫零寬度正預(yù)測(cè)先行斷言，它斷言自身出現(xiàn)的位置的后面能匹配表達(dá)式 exp。比如 w+(?=ing)，匹配以ing結(jié)尾的單詞的前面部分(除了ing以外的部分)，如查找I"m singing while you"re dancing.時(shí)，它會(huì)匹配sing和danc。

(?<=exp) 也叫零寬度正回顧后發(fā)斷言，它斷言自身出現(xiàn)的位置的前面能匹配表達(dá)式 exp。比如 (?<=re)w+會(huì)匹配以re開頭的單詞的后半部分(除了re以外的部分)，例如在查找 reading a book時(shí)，它匹配 ading。

假如你想要給一個(gè)很長的數(shù)字中每三位間加一個(gè)逗號(hào)(當(dāng)然是從右邊加起了)，你可以這樣查找需要在前面和里面添加逗號(hào)的部分：((?<=d)d{3})+ ，用它對(duì) 1234567890 進(jìn)行查找時(shí)結(jié)果是 234567890。

前面我們提到過怎么查找不是某個(gè)字符或不在某個(gè)字符類里的字符的方法(反義)。但是如果我們只是想要確保某個(gè)字符沒有出現(xiàn)，但并不想去匹配它時(shí)怎么辦？例如，如果我們想查找這樣的單詞--它里面出現(xiàn)了字母q,但是q后面跟的不是字母u,我們可以嘗試這樣：

w*q[^u]w* 匹配包含后面不是字母u的字母q的單詞。但是如果多做測(cè)試(或者你思維足夠敏銳，直接就觀察出來了)，你會(huì)發(fā)現(xiàn)，如果q出現(xiàn)在單詞的結(jié)尾的話，像 Iraq,Benq，這個(gè)表達(dá)式就會(huì)出錯(cuò)。這是因?yàn)?[^u] 總要匹配一個(gè)字符，所以如果q是單詞的最后一個(gè)字符的話，后面的³將會(huì)匹配q后面的單詞分隔符(可能是空格，或者是句號(hào)或其它的什么)，后面的 w* 將會(huì)匹配下一個(gè)單詞，于是 w*q[^u]w* 就能匹配整個(gè) Iraq fighting。

負(fù)向零寬斷言能解決這樣的問題，因?yàn)樗黄ヅ湟粋€(gè)位置，并不消費(fèi)任何字符。 現(xiàn)在，我們可以這樣來解決這個(gè)問題：w*q(?!u)w*。

零寬度負(fù)預(yù)測(cè)先行斷言(?!exp)，斷言此位置的后面不能匹配表達(dá)式exp。例如：d{3}(?!d) 匹配三位數(shù)字，而且這三位數(shù)字的后面不能是數(shù)字；((?!abc)w)+ 匹配不包含連續(xù)字符串a(chǎn)bc的單詞。

同理，我們可以用 (?,零寬度負(fù)回顧后發(fā)斷言 來斷言此位置的前面不能匹配表達(dá)式exp：(? 匹配前面不是小寫字母的七位數(shù)字。

(?<=    # 斷言要匹配的文本的前綴
<(w+)> # 查找尖括號(hào)括起來的字母或數(shù)字(即HTML/XML標(biāo)簽)
)       # 前綴結(jié)束
.*      # 匹配任意文本
(?=     # 斷言要匹配的文本的后綴
  # 查找尖括號(hào)括起來的內(nèi)容：前面是一個(gè)"/"，后面是先前捕獲的標(biāo)簽
)       # 后綴結(jié)束

<                         #最外層的左括號(hào)
    [^<>]*                #最外層的左括號(hào)后面的不是括號(hào)的內(nèi)容
    (
        (
            (?"Open"<)    #碰到了左括號(hào)，在黑板上寫一個(gè)"Open"
            [^<>]*       #匹配左括號(hào)后面的不是括號(hào)的內(nèi)容
        )+
        (
            (?"-Open">)   #碰到了右括號(hào)，擦掉一個(gè)"Open"
            [^<>]*        #匹配右括號(hào)后面不是括號(hào)的內(nèi)容
        )+
    )*
    (?(Open)(?!))         #在遇到最外層的右括號(hào)前面，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗

>                         #最外層的右括號(hào)