正则表达式 小结 经典解决方案[1]

目前，正则表达式已经在很多软件中得到广泛的应用，包括*nix（Linux, Unix等），HP等操作系统，PHP，C#，Java等开发环境，以及很多的应用软件中，都可以看到正则表达式的影子。

正则表达式是用来匹配一类字符串的一种模式

正则表达式的功能：字符串的查找、替换以及分割

应用领域广泛

Perl、PHP、Java、C++、C#、Python、 Xpath、.Net、

JavaScript、Jscript

Oracle、Mysql、Unix、Linux

正则语法：

正则表达式主要组成：

      1 原子（普通字符，如英文字符）

      2 元字符（有特殊功用的字符）

      3 模式修正字符（对正则表达式语义的修正）

一个正则表达式中至少包含一个原子。

===========华丽的分割线=======================

1 原子

原子是组成正则表达式的基本单位,在分析正则表达式时，应作为一个整体。

原子字符包括所有的英文字母、数字、标点符号以及其他一些符号。原子也包括以下内容。

               单个字符、数字，如a~z，A~Z，0~9。

　　　　　　   模式单元，如（ABC）可以理解为由多个原子组成的大的原子。

　　　　　　   原子表，如 [ABC]。

　　　　　　   重新使用的模式单元，如：\\1

　　　　　　　 普通转义字符，如：\d， \D， \w

　　　　   　　转义元字符，如：\*，\.

2 元字符

元字符是用于构造规则表达式的具有特殊含义的字符。如果要在正则表达式中包含元字符本身，必须在其前加上”\”进行转义                                                      

元字符                       说明

.                                    匹配除换行之外的任何一个字符

*                                   0次、1次或多次匹配其前的原子

+                                   1次或多次匹配其前的原子

?                                   0次或1次匹配其前的原子

|                                   匹配两个或多个选择

^ 或  \A                            匹配字符串串首的原子

$ 或  \Z                           匹配字符串串尾的原子

\b                                 匹配单词的边界

\B                        匹配除单词边界以外的部分

[]                                   匹配方括号中的任一原子

[^xyz]                          匹配除方括号中的原子外的任何字符

{m}                      表示其前原子恰好出现m次

{m,n}                           表示其前原子至少出现m次，至少出现n次(n>m)

{m,}                    表示其前原子出现不少于m次

()                                   整体表示一个原子

3 模式修正字符

在PCRE表达式中的最后一个分隔符/后，可以添加模式修正符，扩展了正则表达式在字符匹配、替换操作时的某些功能，修正增强了正则表达式的处理能力。模式修正符一般标记于整个模式之外，并且可以组合使用，如“/apple/i”、“/cat|dog/uis”等。

         模式修正符                                 说明

                   i                  －可同时匹配大小写字母

                   s                 －将字符串视为单行，换行符做普通字符看待，使“.”匹配任何字符

                   m               －将字符串视为多行

                   x                 －模式中的空白忽略不计

                   S                 - 当一个模式将被使用若干次时，先对其进行分析 

                   U                －匹配到最近的字符串

                   e                －将替换的字符串作为表达使用

============================华丽分割线==========================

原子说明

--------------------------------------------------------------------------------

\d               匹配一个数字；等价于[0-9]

\D              匹配除数字以外任何一个字符；等价于[^0-9]

\w              匹配一个英文字母、数字或下划线；等价于[0-9a-zA-Z_]

\W             匹配除英文字母、数字和下划线以外任何一个字符；等价于[^0-9a-zA-Z_]

\s               匹配一个空白字符；等价于[\f\n\r\t\v]

\S               匹配除空白字符以外任何一个字符；等价于[^\f\n\r\t\v]

\n               匹配一个换行符；等价于 \x0a 或 \cJ

\r               匹配一个回车符等价于\x0d 或 \cM

\t               匹配一个制表符；等价于 \x09\或\cl

\f                匹配一个换页符等价于 \x0c 或 \cL

\v               匹配一个垂直制表符；等价于\x0b或\ck

\oNN           匹配一个八进制数字

\xNN           匹配一个十六进制数字

\cC             匹配一个控制字符

例如，在字符串“Tom and Jerry chased each other in the house until tom’s uncel come in”中

元字符“^”或“\A” 置于字符串的开始确保模式匹配出现在字符串首端；

/^Tom/

元字符“$”或“\Z” 置于字符串的结束，确保模式匹配出现字符串尾端。

/in$/         

如果不加边界限制元字符，将获得更多的匹配结果。

/^Tom$/精确匹配            /Tom/模糊匹配

例如：在字符串“This island is a beautiful land”中

元字符“\b”对单词的边界进行匹配；

/\bis\b/    匹配单词“is”，不匹配“This”和“island”。

/\bis/        匹配单词“is”和“island”中的“is”，不匹配“This”

元字符“\B”对除单词边界以外的部分进行匹配。

/\Bis\B/    将明确的指示不与单词的左、右边界匹配，只匹配单词 的内部。所以在这个例子中没有结果。

/\Bis/        匹配单词“This”中的“is”