正则表达式（一）

　　　作为程序员，相信大家经常会遇到很多关于文本查找替换的问题，比如下面2个例子。

1. 去掉下面文本中的空行。

　　　　　　　　　　　　　　　　　　　　hello

 

　　　　　　　　　　　　　　　　　　　　world

 

 

　　　　　　　　　　　　　　　　　　　　This

 

　　　　　　　　　　　　　　　　　　　　is

 

　　　　　　　　　　　　　　　　　　　　my first

　　　　　　　　　　　　　　　　　　　　chapter

 

　　2. 下面是一系列需要从数据库删除的表，它们之间用 , 隔开，需要输出相应的删除语句。

Customer, Order, Type, Company, Address, Ship, Color, Product, Message, WareHouse, Bin, BindleOp, BITable, BIVar, Build, BuildVersion, CCToken, Color, ColorLink, ColorType, ColorPrefix

 

         客观来说，这2个例子都不是太困难，很多童鞋会说，这还不简单，不就是手动删除，手动创造一些SQL语句吗？对，这么说没有问题，但是如果这些例子包含上百行，上千行，这种手动的方式还能那么从容吗？就算我们有大量的时间来完成这种工作，采取一种更有效率的方式来完成它不是更能节约时间吗？如果你对这个问题的答案是肯定的，那么请接着往下面看。

         首先揭晓答案，要想快速的处理这两个例子，我们需要一种特殊的，强大的，精确的基于文本的搜索替换语法，这语法的名字叫正则表达式。在本系列文章中，我们从零开始，一点一点学习如何使用这个强大的工具来加速我们的文本处理。

        本章是第一章，我们将会学习正则表达式的基本语法。

         正则表达式分为很多流派，但是基本都出自于PERL而且在很大程度上是相容的，所以我们在学习初期不用太在意流派之分。正则表达式使用一种叫模式的串来匹配目标串，模式和目标串都是由数字，字母和一些特殊字符等组成的字符串，并没有什么不同，比如最简单的，我们可以说，模式’abc’匹配目标串’abc’。乍一看，似乎没什么特别之处——确实如此，正则表达式的强大之处不在于此，在于其包含的元字符。

元字符	解释	例子
*	匹配前一个字符或者表达式0次或多次	‘ba*’ 可以匹配’b’, ‘ba’ 和 ‘baa’
+	匹配前一个字符或者表达式至少1次	‘ba+’可以匹配’ba’, ‘baa’ 但是不能匹配’b’
?	匹配前一个字符或者表达式至多1次	‘ba?’可以匹配’ba’,’b’ 但是不能匹配’baa’
.	匹配除换行符之外的任意单一字符	‘.’可以匹配’a’, ‘b’ 和 ‘c’
[]	标记括号表达式的开始和结束	[1-4]可以匹配’1’,’2’,’3’,’4’ ，等同于[1234].[a-b]可以匹配’a’和’b’. 同时我们也可以使用[a-zA-Z]的模式来匹配所有的字符
{}	标记量词表达式的开始和结束，规定匹配前一个字符或者表达式的次数范围	‘a{2,3}’ 可以匹配’aa’和’aaa’，即，匹配字符’a’2次到3次
()	标记子表达式的开始和结束，子表达式可以被捕获	‘a(.)’可以匹配’a1’,’a2’和’an’
|	选择表达式，可以选择匹配其中的某一项	‘a(b|c)d’可以匹配’abd’和’acd’
^	锚点，匹配字符串开始位置	‘^abc’ 匹配以’abc’开头的串
	当它出现在括号表达式的第一个位置，表示取所有不在括号表达式里面的值	‘[^abc]’ 不能匹配 ‘a’, ‘b’ 和 ‘c’
$	锚点，匹配字符串结束位置	‘abc$’匹配以’abc’结尾的串
\	转义元字符，和紧跟在它后面的字符组合使用，一般来说，转义元字符的解读规则是， 下接字母表示特殊含义 下接数字表示捕获 下接元字符表示退出元字符的本来含义	‘\d’表示数字匹配 ‘\1’表示捕获的第一个子表达式 ‘\(‘表示想要匹配一个左括号而不把这个左括号解释为子表达式的开始
\d	匹配数字，等同于[0-9]	‘\d+’ 可以匹配’1’, ‘12’，至少匹配一个数字
\D	匹配非数字，等同于[^0-9]
\w	匹配数字字母和下划线，等同于[A-Za-z0-9_]	‘\w+’ 可以匹配’hello…’中的’hello’
\W	匹配非数字字母和下划线，等同于[^A-Za-z0-9_]	‘\W+’可以匹配’hello…’中的’…’
\b	匹配单词边界	‘o\b’匹配’hello’ 但是不能匹配’yellow’
\B	匹配非单词边界	‘o\B’匹配’yellow’ 但是不能匹配’hello’
\s	匹配所有空白字符，包括回车，制表符，空格等
\S	匹配所有非空白字符
\t	匹配制表符
\r	匹配回车
\n	匹配新行

 

         怎么样，有没有感觉被吓到或者好复杂的感觉？这里还不是所有的元字符哦，有一些元字符只有在我们对正则表达式有更高要求的时候，才会使用到，所以这里就先不介绍了，毕竟第一章也不能把大家给吓着了，对吧~

         请放心，这里已经涵盖了大部分我们在工作中需要的元字符，多加练习就会很快熟练起来。在各种主流操作系统下，都有很多文字编辑软件支持正则表达式查找替换，像WINDOWS下面的NOTEPAD++， 基于LINUX的GREP，VIM，EMACS等。

         笔者所使用的是WINDOWS下面的NOTEPAD++，在NOTEPAD++下面开启正则表达式的查找和替换方法如下：

 　　　　　　　　　　　　　　　　　　　　　　

 

         之后就可以使用强大的正则表达式了，拿例1来说，我们直接使用模式’^$\r\n’匹配空行，并进行替换，就可以达到我们的目的。在这个模式当中，锚点^$一起使用，匹配没有任何字符的行，\r\n匹配回车换行符，删除之后，就达到了去掉空行的目的。

 　　　　　　　　　　　　　　　　　

 

         至于例2，大家可以自己试着先做一下，我们下一章揭晓正确答案。希望大家自己多加练习并喜欢上这个强大的工具。比如，大家可以试着做一些简单的练习，像匹配11位电话号码，匹配合法的电子邮箱地址，匹配一些特定开头或者结尾的字符串，匹配检查一些常见的拼写错误，多多练习就能体会到正则表达式的优美和编写它的乐趣。我们下一章见。