例1:
学习正则表达式的最好方法是从例子开始,理解例子之后,自己再对例子进行修改、实验。下面给出了不少简单的例子,并对它们作了详细的说明。
假设你在一篇英文小说里查找 hi ,你可以使用正则表达式 hi 。
这几乎是最简单的正则表达式了,它可以精确匹配这样的字符串: 由两个字符组成,前一个字符是h,后一个是i 。通常,处理正则表达式的工具会提供一个忽略大小写的选项,如果选中了这个选项,它可以匹配 hi,HI,Hi,hI 这四种情况中的任意一种。
不幸的是,很多单词里包含 hi 这两个连续的字符,比如 him,history,high 等等。用 hi 来查找的话,这里边的 hi 也会被找出来。如果要精确地查找 hi 这个单词的话,我们应该使用正则表达式:\bhi\b 。
\b
\b 是正则表达式规定的一个特殊代码(在正则表达式中,大家喜欢叫它为 元字符,metacharacter),它代表着 必须以\b和\b之间的字母来开头或结尾。虽然通常的英文单词是由空格、标点符号或者换行来分隔的,但是 \b 并不匹配这些单词分隔字符中的任何一个,它只匹配一个位置。
注:
如果需要更精确的说法,\b匹配这样的位置:它的前一个字符和后一个字符不全是(即:一个是、一个不是 或 不存在)\w。
例2:
假如你要找的是 hi后面不远处跟着一个Lucy,你应该用 \bhi\b.*\bLucy\b。
.
这里的 . 是另一个元字符,匹配 除了换行符以外的任意字符 。
*
* 同样是元字符,不过它代表的不是字符,也不是位置,而是数量 — 它指定 * 前边的内容可以连续重复使用任意次以使整个表达式得到匹配。
因此例2中,.* 连在一起就意味着 任意数量的不包含换行的字符 。现在 \bhi\b.*\bLucy\b 的意思就很明显了:先是一个单词 hi ,然后是任意个任意字符(但不能是换行),最后是 Lucy 这个单词。
注:
- 换行符 是 ‘\n’, ASCII码的十进制为10,ASCII码的十六进制为 0x0A 的字符。
- 其它ASCII码,可参阅: https://www.asciim.cn/
例3:
如果同时使用其它元字符,我们就能构造出功能更强大的正则表达式。比如下面这个例子:
0\d\d-\d\d\d\d\d\d\d\d 匹配这样的字符串: 以0开头,然后是两个数字,然后是一个连字号“-”,最后是8个数字(也就是中国的电话号码。当然,这个例子只能匹配区号为3位的情形)。
\d
这里的 \d 是一个新的元字符,匹配 一位数字(0,或1,或2,或……) 。 - 不是元字符,只匹配它本身——连字符(我们可以叫它为:减号 或 中横线 或 随你怎么称呼它)。
为了避免那么多烦人的重复,我们也可以这样写这个表达式: 0\d{2}-\d{8} 。这里 \d 后面的 {2}({8})的意思是前面 \d 必须连续重复匹配2次(8次)。