前言

各位小伙伴大家好，接下來幾天時間，我會從多個角度對正則表達式進行系統闡述，讓你了解正則表達式的前世今生。

該系列文章上篇

萬物之始正則表達式全解析三部曲（上篇）-正則表達式基礎知識及語法

以下是博主整理的Linux知識專欄，喜歡的小伙伴可根據自己的需求自行訂閱。

Linux疑難雜癥解決指南

?

正則表達式 -?元字符

下表包含了元字符的完整列表以及它們在正則表達式上下文中的行為：

字符描述

\	將下一個字符標記為一個特殊字符、或一個原義字符、或一個 向后引用、或一個八進制轉義符。例如，'n' 匹配字符 "n"。'\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 '\n' 或 '\r' 之后的位置。
$	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 '\n' 或 '\r' 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"。* 等價于{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"。+ 等價于 {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" 。? 等價于 {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,}' 等價于 'o+'。'o{0,}' 則等價于 'o*'。
{n,m}	m 和 n 均為非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價于 '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}) 后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串 "oooo"，'o+?' 將匹配單個 "o"，而 'o+' 將匹配所有 'o'。
.	匹配除 "\n" 之外的任何單個字符。要匹配包括 '\n' 在內的任何字符，請使用象 '[.\n]' 的模式。
(pattern)	匹配 pattern 并獲取這一匹配。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JScript 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，不進行存儲供以后使用。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后使用。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，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
(?!pattern)	負向預查，在任何不匹配 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后使用。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，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
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]	字符范圍。匹配指定范圍內的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范圍內的任意小寫字母字符。
[^a-z]	負值字符范圍。匹配任何不在指定范圍內的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范圍內的任意字符。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 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。'er\B' 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 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 'c' 字符。
\d	匹配一個數字字符。等價于 [0-9]。
\D	匹配一個非數字字符。等價于 [^0-9]。
\f	匹配一個換頁符。等價于 \x0c 和 \cL。
\n	匹配一個換行符。等價于 \x0a 和 \cJ。
\r	匹配一個回車符。等價于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。
\t	匹配一個制表符。等價于 \x09 和 \cI。
\v	匹配一個垂直制表符。等價于 \x0b 和 \cK。
\w	匹配包括下劃線的任何單詞字符。等價于'[A-Za-z0-9_]'。
\W	匹配任何非單詞字符。等價于 '[^A-Za-z0-9_]'。
\xn	匹配 n，其中 n 為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，'\x41' 匹配 "A"。'\x041' 則等價于 '\x04' & "1"。正則表達式中可以使用 ASCII 編碼。
\num	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。
\n	標識一個八進制轉義值或一個向后引用。如果 \n 之前至少 n 個獲取的子表達式，則 n 為向后引用。否則，如果 n 為八進制數字 (0-7)，則 n 為一個八進制轉義值。
\nm	標識一個八進制轉義值或一個向后引用。如果 \nm 之前至少有 nm 個獲得子表達式，則 nm 為向后引用。如果 \nm 之前至少有 n 個獲取，則 n 為一個后跟文字 m 的向后引用。如果前面的條件都不滿足，若 n 和 m 均為八進制數字 (0-7)，則 \nm 將匹配八進制轉義值 nm。
\nml	如果 n 為八進制數字 (0-3)，且 m 和 l 均為八進制數字 (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 -?運算符優先級

正則表達式從左到右進行計算，并遵循優先級順序，這與算術表達式非常類似。

相同優先級的從左到右進行運算，不同優先級的運算先高后低。下表從最高到最低說明了各種正則表達式運算符的優先級順序：

運算符描述

\	轉義符
(), (?:), (?=), []	圓括號和方括號
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, \任何元字符、任何字符	定位點和序列（即：位置和順序）
|	替換，"或"操作 字符具有高于替換運算符的優先級，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，請使用括號創建子表達式，從而產生"(m|f)ood"。

正則表達式 -?匹配規則

基本模式匹配

一切從最基本的開始。模式，是正規表達式最基本的元素，它們是一組描述字符串特征的字符。模式可以很簡單，由普通的字符串組成，也可以非常復雜，往往用特殊的字符表示一個范圍內的字符、重復出現，或表示上下文。例如：

^once

這個模式包含一個特殊的字符^，表示該模式只匹配那些以once開頭的字符串。例如該模式與字符串"once upon a time"匹配，與"There once was a man from NewYork"不匹配。正如如^符號表示開頭一樣，$符號用來匹配那些以給定模式結尾的字符串。

bucket$

這個模式與"Who kept all of this cash in a bucket"匹配，與"buckets"不匹配。字符^和$同時使用時，表示精確匹配（字符串與模式一樣）。例如：

^bucket$

只匹配字符串"bucket"。如果一個模式不包括^和$，那么它與任何包含該模式的字符串匹配。例如：模式

once

與字符串

There once was a man from NewYork Who kept all of his cash in a bucket.

是匹配的。

在該模式中的字母(o-n-c-e)是字面的字符，也就是說，他們表示該字母本身，數字也是一樣的。其他一些稍微復雜的字符，如標點符號和白字符（空格、制表符等），要用到轉義序列。所有的轉義序列都用反斜杠(\)打頭。制表符的轉義序列是：\t。所以如果我們要檢測一個字符串是否以制表符開頭，可以用這個模式：

^\t

類似的，用\n表示"新行"，\r表示回車。其他的特殊符號，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句號.用\.表示，以此類推。

字符簇

在INTERNET的程序中，正規表達式通常用來驗證用戶的輸入。當用戶提交一個FORM以后，要判斷輸入的電話號碼、地址、EMAIL地址、信用卡號碼等是否有效，用普通的基于字面的字符是不夠的。

所以要用一種更自由的描述我們要的模式的辦法，它就是字符簇。要建立一個表示所有元音字符的字符簇，就把所有的元音字符放在一個方括號里：

[AaEeIiOoUu]

這個模式與任何元音字符匹配，但只能表示一個字符。用連字號可以表示一個字符的范圍，如：

[a-z] //匹配所有的小寫字母 [A-Z] //匹配所有的大寫字母 [a-zA-Z] //匹配所有的字母 [0-9] //匹配所有的數字 [0-9\.\-] //匹配所有的數字，句號和減號 [ \f\r\t\n] //匹配所有的白字符

同樣的，這些也只表示一個字符，這是一個非常重要的。如果要匹配一個由一個小寫字母和一位數字組成的字符串，比如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的話，用這個模式：

^[a-z][0-9]$

盡管[a-z]代表26個字母的范圍，但在這里它只能與第一個字符是小寫字母的字符串匹配。

前面曾經提到^表示字符串的開頭，但它還有另外一個含義。當在一組方括號里使用^是，它表示"非"或"排除"的意思，常常用來剔除某個字符。還用前面的例子，我們要求第一個字符不能是數字：

^[^0-9][0-9]$

這個模式與"&5"、"g7"及"-2"是匹配的，但與"12"、"66"是不匹配的。下面是幾個排除特定字符的例子：

[^a-z] //除了小寫字母以外的所有字符 [^\\\/\^] //除了(\)(/)(^)之外的所有字符 [^\"\'] //除了雙引號(")和單引號(')之外的所有字符

特殊字符"." (點，句號)在正規表達式中用來表示除了"新行"之外的所有字符。所以模式"^.5$"與任何兩個字符的、以數字5結尾和以其他非"新行"字符開頭的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一個"新行"的字符串。

PHP的正規表達式有一些內置的通用字符簇，列表如下：

字符簇描述

[[:alpha:]]	任何字母
[[:digit:]]	任何數字
[[:alnum:]]	任何字母和數字
[[:space:]]	任何空白字符
[[:upper:]]	任何大寫字母
[[:lower:]]	任何小寫字母
[[:punct:]]	任何標點符號
[[:xdigit:]]	任何16進制的數字，相當于[0-9a-fA-F]

?

確定重復出現

到現在為止，你已經知道如何去匹配一個字母或數字，但更多的情況下，可能要匹配一個單詞或一組數字。一個單詞有若干個字母組成，一組數字有若干個單數組成。跟在字符或字符簇后面的花括號({})用來確定前面的內容的重復出現的次數。

字符簇描述

^[a-zA-Z_]$	所有的字母和下劃線
^[[:alpha:]]{3}$	所有的3個字母的單詞
^a$	字母a
^a{4}$	aaaa
^a{2,4}$	aa,aaa或aaaa
^a{1,3}$	a,aa或aaa
^a{2,}$	包含多于兩個a的字符串
^a{2,}	如：aardvark和aaab，但apple不行
a{2,}	如：baad和aaa，但Nantucket不行
\t{2}	兩個制表符
.{2}	所有的兩個字符

這些例子描述了花括號的三種不同的用法。一個數字，{x}的意思是"前面的字符或字符簇只出現x次"；一個數字加逗號，{x,}的意思是"前面的內容出現x或更多的次數"；兩個用逗號分隔的數字，{x,y}表示"前面的內容至少出現x次，但不超過y次"。我們可以把模式擴展到更多的單詞或數字：

^[a-zA-Z0-9_]{1,}$ //所有包含一個以上的字母、數字或下劃線的字符串 ^[0-9]{1,}$ //所有的正數 ^\-{0,1}[0-9]{1,}$ //所有的整數 ^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$ //所有的小數

最后一個例子不太好理解，是嗎？這么看吧：與所有以一個可選的負號(\-{0,1})開頭(^)、跟著0個或更多的數字([0-9]{0,})、和一個可選的小數點(\.{0,1})再跟上0個或多個數字([0-9]{0,})，并且沒有其他任何東西($)。下面你將知道能夠使用的更為簡單的方法。

特殊字符"?"與{0,1}是相等的，它們都代表著："0個或1個前面的內容"或"前面的內容是可選的"。所以剛才的例子可以簡化為：

^\-?[0-9]{0,}\.?[0-9]{0,}$

特殊字符"*"與{0,}是相等的，它們都代表著"0個或多個前面的內容"。最后，字符"+"與 {1,}是相等的，表示"1個或多個前面的內容"，所以上面的4個例子可以寫成：

^[a-zA-Z0-9_]+$ //所有包含一個以上的字母、數字或下劃線的字符串 ^[0-9]+$ //所有的正數 ^\-?[0-9]+$ //所有的整數 ^\-?[0-9]*\.?[0-9]*$ //所有的小數

當然這并不能從技術上降低正規表達式的復雜性，但可以使它們更容易閱讀。

?

寫在最后

博主會在后續博文中更新正則表達式相關知識，喜歡的請一鍵三連吧。

總結

以上是生活随笔為你收集整理的万物之始正则表达式全解析三部曲（中篇）-正则表达式运算符优先级及匹配规则的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。