正则表达式用法

常用的正则表达式主要有以下几种：匹配中文字符的正则表达式：[\u4e00-\u9fa5]评注：匹配中文还真是个头疼的事，有了这个表达式就好办了哦获取日期正则表达式：\d{4}[年|\-|\.]\d{\1-\12}[月|\-|\.]\d{\1-\31}日?评注：可用来匹配大多数年月日信息。匹配双字节字符(包括汉字在内)：[^\x00-\xff]评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）匹配空白行的正则表达式：\n\s*\r评注：可以用来删除空白行匹配HTML标记的正则表达式：(\S*?)[^]*.*?/|.*?/评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力匹配首尾空白字符的正则表达式：^\s*|\s*$评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*评注：表单验证时很实用匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*评注：网上流传的版本功能很有限，上面这个基本可以满足需求匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$评注：表单验证时很实用匹配国内电话号码：\d{4}-\d{7}|\d{3}-\d{8}评注：匹配形式如0511-4405222或021-87888822匹配腾讯QQ号：[1-9][0-9]\{4,\}评注：腾讯QQ号从10000开始匹配中国邮政编码：[1-9]\d(?!\d)评注：中国邮政编码为6位数字匹配身份证：\d{17}[\d|X]|\d{15}评注：中国的身份证为15位或18位匹配ip地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。评注：提取ip地址时有用匹配特定数字：^[1-9]\d*$//匹配正整数^-[1-9]\d*$//匹配负整数^-?[1-9]\d*$//匹配整数^[1-9]\d*|0$//匹配非负整数（正整数+0）^-[1-9]\d*|0$//匹配非正整数（负整数+0）^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$//匹配正浮点数^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$//匹配负浮点数^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$//匹配浮点数^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$//匹配非负浮点数（正浮点数+0）^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$//匹配非正浮点数（负浮点数+0）评注：处理大量数据时有用，具体应用时注意修正匹配特定字符串：^[A-Za-z]+$//匹配由26个英文字母组成的字符串^[A-Z]+$//匹配由26个英文字母的大写组成的字符串^[a-z]+$//匹配由26个英文字母的小写组成的字符串^[A-Za-z0-9]+$//匹配由数字和26个英文字母组成的字符串^\w+$//匹配由数字、26个英文字母或者下划线组成的字符串评注：最基本也是最常用的一些表达式FunctionIsRegu(Regu,s)'正则表达式校验IfRegu=ThenExitFunctionEndifDimRe,SreSetRe=NewRegExpRe.Pattern=ReguSre=Re.Test(s)IfSre=TrueThenIsRegu=TrueElseIsRegu=FalseEndIfEndFunctiontmp=if(IsRegu(\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*,tmp))=falsethenmsgboxE-mail地址不合法！FieldCheck#N=falseendif不同的语言（如PHP和JAVA）、相同语言的不同类库（如来自Sun的JavaRegularExpression类库跟ApacheJakarta的正则表达式类库）间，用法会有所差别，在使用的时候，要注意这些差别。历史和起源正则表达式的“鼻祖”或许可一直追溯到科学家对人类神经系统工作原理的早期研究。美国新泽西州的WarrenMcCulloch和出生在美国底特律的WalterPitts这两位神经生理方面的科学家，研究出了一种用数学方式来描述神经网络的新方法，他们创新地将神经系统中的神经元描述成了小而简单的自动控制元，从而作出了一项伟大的工作革新。在1956年,出生在被马克·吐温（MarkTwain）称为“美国最美丽的城市之一的”哈特福德市的一位名叫StephenKleene的数学科学家，他在WarrenMcCulloch和WalterPitts早期工作的基础之上，发表了一篇题目是《神经网事件的表示法》的论文，利用称之为正则集合的数学符号来描述此模型，引入了正则表达式的概念。正则表达式被作为用来描述其称之为“正则集的代数”的一种表达式，因而采用了“正则表达式”这个术语。之后一段时间，人们发现可以将这一工作成果应用于其他方面。KenThompson就把这一成果应用于计算搜索算法的一些早期研究，KenThompson是Unix的主要发明人，也就是大名鼎鼎的Unix之父。Unix之父将此符号系统引入编辑器QED，然后是Unix上的编辑器ed，并最终引入grep。JeffreyFriedl在其著作“MasteringRegularExpressions(2ndedition)”中对此作了进一步阐述讲解，如果你希望更多了解正则表达式理论和历史，推荐你看看这本书。自此以后，正则表达式被广泛地应用到各种UNIX或类似于UNIX的工具中，如大家熟知的Perl。Perl的正则表达式源自于HenrySpencer编写的regex，之后已演化成了pcre（Perl兼容正则表达式PerlCompatibleRegularExpressions），pcre是一个由PhilipHazel开发的、为很多现代工具所使用的库。正则表达式的第一个实用应用程序即为Unix中的qed编辑器。然后，正则表达式在各种计算机语言或各种应用领域得到了广大的应用和发展，演变成为目前计算机技术森林中的一只形神美丽且声音动听的百灵鸟。以上是关于正则表达式的起源和发展的历史描述，到目前正则表达式在基于文本的编辑器和搜索工具中依然占据这一个非常重要的地位。在最近的六十年中，正则表达式逐渐从模糊而深奥的数学概念，发展成为在计算机各类工具和软件包应用中的主要功能。不仅仅众多UNIX工具支持正则表达式，近二十年来，在WINDOW的阵营下，正则表达式的思想和应用在大部分Windows开发者工具包中得到支持和嵌入应用！从正则式在MicrosoftVisualBasic6或MicrosoftVBScript到.NETFramework中的探索和发展，WINDOWS系列产品对正则表达式的支持发展到无与伦比的高度，目前几乎所有Microsoft开发者和所有.NET语言都可以使用正则表达式。如果你是一位接触计算机语言的工作者，那么你会在主流操作系统（*nix[Linux,Unix等]、Windws、HP、BeOS等）、目前主流的开发语言（PHP、C#、Java、C++、VB、Javascript、Ruby等）、数以亿万计的各种应用软件中，都可以看到正则表达式优美的舞姿。[1]编辑本段概念一个正则表达式，就是用某种模式去匹配一类字符串的一个公式。很多人因为它们看上去比较古怪而且复杂所以不敢去使用——很不幸，这篇文章也不能够改变这一点，不过，经过一点点练习之后我就开始觉得这些复杂的表达式其实写起来还是相当简单的，而且，一旦你弄懂它们，你就能把数小时辛苦而且易错的文本处理工作压缩在几分钟（甚至几秒钟）内完成。正则表达式被各种文本编辑软件、类库（例如RogueWave的tools.h++）、脚本工具（像awk/grep/sed）广泛的支持，而且像Microsoft的VisualC++这种交互式IDE也开始支持它了。我们将在如下的章节中利用一些例子来解释正则表达式的用法，绝大部分的例子是基于vi中的文本替换命令和grep文件搜索命令来书写的，不过它们都是比较典型的例子，其中的概念可以在sed、awk、perl和其他支持正则表达式的编程语言中使用。你可以看看不同工具中的正则表达式这一节，其中有一些在别的工具中使用正则表达式的例子。还有一个关于vi中文本替换命令（s）的简单说明附在文后供参考。编辑本段基础（摘自《正则表达式之道》）正则表达式由一些普通字符和一些元字符（metacharacters）组成。普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，我们下面会给予解释。在最简单的情况下，一个正则表达式看上去就是一个普通的查找串。例如，正则表达式testing中没有包含任何元字符，它可以匹配testing和123testing等字符串，但是不能匹配Testing。要想真正的用好正则表达式，正确的理解元字符是最重要的事情。下表列出了所有的元字符和对它们的一个简短的描述。元字符描述.点匹配任何单个字符。例如正则表达式r.t匹配这些字符串：rat、rut、rt，但是不匹配root。$匹配行结束符。例如正则表达式weasel$能够匹配字符串He'saweasel的末尾但是不能匹配字符串Theyareabunchofweasels.^匹配一行的开始。例如正则表达式^Whenin能够匹配字符串Wheninthecourseofhumanevents的开始，但是不能匹配WhatandWheninthe*匹配0或多个正好在它之前的那个字符。例如正则表达式。*意味着能够匹配任意数量的任何字符。\这是引用符，用来将这里列出的这些元字符当作普通的字符来进行匹配。例如正则表达式\$被用来匹配美元符号，而不是行尾，类似的，正则表达式\.用来匹配点字符，而不是任何字符的通配符。[][c1-c2]匹配括号中的任何一个字符。例如正则表达式r[aou]t匹配rat、rot和rut，但是不匹配ret。可以在括号中使用连字符-来指定字符的区间，例如正则表达式[0-9]可以匹配任何数字字符；还可以制定多个区间，例如正则表达式[A-Za-z]可以匹配任何大小写字母。另一个重要的用法是“排除”，要想匹配除了指定区间之外的字符——也就是所谓的补集——在左边的括号和第一个字符之间使用[^c1-c2]^字符，例如正则表达式[^269A-Z]将匹配除了2、6、9和所有大写字母之外的任何字符。\\匹配词（word）的开始（\）和结束（\）。例如正则表达式\the\能够匹配字符串forthewise中的the，但是不能匹配字符串otherwise中的the。注意：这个元字符不是所有的软件都支持的。\(\)将\(和\)之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用\1到\9的符号来引用。|将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her)匹配itbelongstohim和itbelongstoher，但是不能匹配itbelongstothem.。注意：这个元字符不是所有的软件都支持的。+匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。?匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。{i}{i,j}匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3}能够匹配字符A后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]