正規表示式使用詳解(轉)[@more@]

作者:呂曉波

如果我們問那些UNIX系統的愛好者他們最喜歡什麼，答案除了穩定的系統和可以遠端啟動之外，十有八九的人會提到正規表示式；如果我們再問他們最頭痛的是什麼，可能除了複雜的程式控制和安裝過程之外，還會是正規表示式。那麼正規表示式到底是什麼？如何才能真正的掌握正規表示式並正確的加以靈活運用？本文將就此展開介紹，希望能夠對那些渴望瞭解和掌握正規表示式的讀者有所助益。

入門簡介

　　簡單的說，正規表示式是一種可以用於模式匹配和替換的強有力的工具。我們可以在幾乎所有的基於UNIX系統的工具中找到正規表示式的身影，例如，vi編輯器，Perl或PHP指令碼語言，以及awk或sed shell程式等。此外，象JavaScript這種客戶端的指令碼語言也提供了對正規表示式的支援。由此可見，正規表示式已經超出了某種語言或某個系統的侷限，成為人們廣為接受的概念和功能。

　　正規表示式可以讓使用者透過使用一系列的特殊字元構建匹配模式，然後把匹配模式與資料檔案、程式輸入以及WEB頁面的表單輸入等目標物件進行比較，根據比較物件中是否包含匹配模式，執行相應的程式。

　　舉例來說，正規表示式的一個最為普遍的應用就是用於驗證使用者線上輸入的郵件地址的格式是否正確。如果透過正規表示式驗證使用者郵件地址的格式正確，使用者所填寫的表單資訊將會被正常處理；反之，如果使用者輸入的郵件地址與正則表達的模式不匹配，將會彈出提示資訊，要求使用者重新輸入正確的郵件地址。由此可見正規表示式在WEB應用的邏輯判斷中具有舉足輕重的作用。

基本語法

　　在對正規表示式的功能和作用有了初步的瞭解之後，我們就來具體看一下正規表示式的語法格式。

　　正規表示式的形式一般如下：

　　/love/

　　其中位於“/”定界符之間的部分就是將要在目標物件中進行匹配的模式。使用者只要把希望查詢匹配物件的模式內容放入“/”定界符之間即可。為了能夠使使用者更加靈活的定製模式內容，正規表示式提供了專門的“元字元”。所謂元字元就是指那些在正規表示式中具有特殊意義的專用字元，可以用來規定其前導字元（即位於元字元前面的字元）在目標物件中的出現模式。

　　較為常用的元字元包括： “+”， “*”，以及 “?”。其中，“+”元字元規定其前導字元必須在目標物件中連續出現一次或多次，“*”元字元規定其前導字元必須在目標物件中出現零次或連續多次，而“?”元字元規定其前導物件必須在目標物件中連續出現零次或一次。

　　下面，就讓我們來看一下正規表示式元字元的具體應用。

　　/fo+/

　　因為上述正規表示式中包含“+”元字元，表示可以與目標物件中的 “fool”, “fo”, 或者 “football”等在字母f後面連續出現一個或多個字母o的字串相匹配。

　　/eg*/

　　因為上述正規表示式中包含“*”元字元，表示可以與目標物件中的 “easy”, “ego”, 或者 “egg”等在字母e後面連續出現零個或多個字母g的字串相匹配。

　　/Wil?/

　　因為上述正規表示式中包含“？”元字元，表示可以與目標物件中的 “Win”, 或者 “Wilson”,等在字母i後面連續出現零個或一個字母l的字串相匹配。

　　除了元字元之外，使用者還可以精確指定模式在匹配物件中出現的頻率。例如，

　　/jim{2,6}/

　　上述正規表示式規定字元m可以在匹配物件中連續出現2-6次，因此，上述正規表示式可以同jimmy或jimmmmmy等字串相匹配。

　　在對如何使用正規表示式有了初步瞭解之後，我們來看一下其它幾個重要的元字元的使用方式。

　　s：用於匹配單個空格符，包括tab鍵和換行符；

　　S：用於匹配除單個空格符之外的所有字元；

　　d：用於匹配從0到9的數字；

　　w：用於匹配字母，數字或下劃線字元；

　　W：用於匹配所有與w不匹配的字元；

　　. ：用於匹配除換行符之外的所有字元。

　　（說明：我們可以把s和S以及w和W看作互為逆運算）

　　下面，我們就透過例項看一下如何在正規表示式中使用上述元字元。

　　/s+/

　　上述正規表示式可以用於匹配目標物件中的一個或多個空格字元。

　　/d000/

　　如果我們手中有一份複雜的財務報表，那麼我們可以透過上述正規表示式輕而易舉的查詢到所有總額達千元的款項。

　　除了我們以上所介紹的元字元之外，正規表示式中還具有另外一種較為獨特的專用字元，即定位符。定位符用於規定匹配模式在目標物件中的出現位置。

　　較為常用的定位符包括： “^”, “$”, “” 以及 “B”。其中，“^”定位符規定匹配模式必須出現在目標字串的開頭，“$”定位符規定匹配模式必須出現在目標物件的結尾，定位符規定匹配模式必須出現在目標字串的開頭或結尾的兩個邊界之一，而“B”定位符則規定匹配物件必須位於目標字串的開頭和結尾兩個邊界之內，即匹配物件既不能作為目標字串的開頭，也不能作為目標字串的結尾。同樣，我們也可以把“^”和“$”以及“”和“B”看作是互為逆運算的兩組定位符。舉例來說：

　　/^hell/

　　因為上述正規表示式中包含“^”定位符，所以可以與目標物件中以 “hell”, “hello”或 “hellhound”開頭的字串相匹配。

　　/ar$/

　　因為上述正規表示式中包含“$”定位符，所以可以與目標物件中以 “car”, “bar”或 “ar” 結尾的字串相匹配。

　　/bom/

　　因為上述正規表示式模式以“”定位符開頭，所以可以與目標物件中以 “bomb”, 或 “bom”開頭的字串相匹配。

　　/man/

　　因為上述正規表示式模式以“”定位符結尾，所以可以與目標物件中以 “human”, “woman”或 “man”結尾的字串相匹配。

　　為了能夠方便使用者更加靈活的設定匹配模式，正規表示式允許使用者在匹配模式中指定某一個範圍而不侷限於具體的字元。例如：

　　/[A-Z]/

　　上述正規表示式將會與從A到Z範圍內任何一個大寫字母相匹配。

　　/[a-z]/

　　上述正規表示式將會與從a到z範圍內任何一個小寫字母相匹配。

　　/[0-9]/

　　上述正規表示式將會與從0到9範圍內任何一個數字相匹配。

　　/([a-z][A-Z][0-9])+/

　　上述正規表示式將會與任何由字母和數字組成的字串，如 “aB0” 等相匹配。這裡需要提醒使用者注意的一點就是可以在正規表示式中使用 “()” 把字串組合在一起。“()”符號包含的內容必須同時出現在目標物件中。因此，上述正規表示式將無法與諸如 “abc”等的字串匹配，因為“abc”中的最後一個字元為字母而非數字。

　　如果我們希望在正規表示式中實現類似程式設計邏輯中的“或”運算，在多個不同的模式中任選一個進行匹配的話，可以使用管道符 “|”。例如：

　　/to|too|2/

　　上述正規表示式將會與目標物件中的 “to”, “too”, 或 “2” 相匹配。

　　正規表示式中還有一個較為常用的運算子，即否定符 “[^]”。與我們前文所介紹的定位符 “^” 不同，否定符 “[^]”規定目標物件中不能存在模式中所規定的字串。例如：

　　/[^A-C]/

　　上述字串將會與目標物件中除A，B，和C之外的任何字元相匹配。一般來說，當“^”出現在 “[]”內時就被視做否定運算子；而當“^”位於“[]”之外，或沒有“[]”時，則應當被視做定位符。

　　最後，當使用者需要在正規表示式的模式中加入元字元，並查詢其匹配物件時，可以使用轉義符“”。例如：

　　/Th*/

　　上述正規表示式將會與目標物件中的“Th*”而非“The”等相匹配。

使用例項

　　在對正規表示式有了較為全面的瞭解之後，我們就來看一下如何在Perl，PHP，以及JavaScript中使用正規表示式。

　　通常，Perl中正規表示式的使用格式如下：

　　operator / regular-expression / string-to-replace / modifiers

　　運算子一項可以是m或s，分別代表匹配運算和替換運算。

　　其中，正規表示式一項是將要進行匹配或替換操作的模式，可以由任意字元，元字元，或定位符等組成。替換字串一項是使用s運算子時，對查詢到的模式匹配物件進行替換的字串。最後的引數項用來控制不同的匹配或替換方式。例如：

　　s/geed/good/

　　將會在目標物件中查詢第一個出現的geed字串，並將其替換為good。如果我們希望在目標物件的全域性範圍內執行多次查詢—替換操作的話，可以使用引數 “g”，即s/love/lust/g。

　　此外，如果我們不需要限制匹配的大小寫形式的話，可以使用引數 “i ”。例如，

　　m/JewEL/i

　　上述正規表示式將會與目標物件中的jewel，Jewel，或JEWEL相匹配。

　　在Perl中，使用專門的運算子“=~”指定正規表示式的匹配物件。例如：

　　$flag =~ s/abc/ABC/

　　上述正規表示式將會把變數$flag中的字串abc替換為ABC。

　　下面，我們就在Perl程式中加入正規表示式，驗證使用者郵件地址格式的有效性。程式碼如下：

　　#!/usr/bin/perl

　　# get input

　　print “What's your email address? ”;

　　$email =

　　chomp($email);

　　# match and display result

　　if($email =~ /^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(.[a-zA-Z0-9_-])+/)

　　{

　　print(“Your email address is correct! ”);

　　}

　　else

　　　{

　　　　print(“Please try again! ”);

　　　}

　　如果使用者更偏愛PHP的話，可以使用ereg()函式進行模式匹配操作。ereg()函式的使用格式如下：

　　 ereg(pattern, string)

　　其中，pattern代表正規表示式的模式，而string則是執行查詢替換操作的目標物件。同樣是驗證郵件地址，使用PHP編寫的程式程式碼如下：

　　　　 if (ereg(“^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(.[a-zA-Z0-9_-])+”,$email))

　　　 { echo “Your email address is correct!”;}

　　 else

　　　 { echo “Please try again!”;}

　　 ?>

　　最後，我們在來看一下JavaScript。JavaScript 1.2中帶有一個功能強大的RegExp()物件，可以用來進行正規表示式的匹配操作。其中的test()方法可以檢驗目標物件中是否包含匹配模式，並相應的返回true或false。

　　我們可以使用JavaScript編寫以下指令碼，驗證使用者輸入的郵件地址的有效性。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/8225414/viewspace-944719/，如需轉載，請註明出處，否則將追究法律責任。

正規表示式使用詳解(轉)

相關文章