一、字面值字符

正則表達(dá)式的作用就是根據(jù)給定的字符樣式，來(lái)匹配目標(biāo)字符串。而這種匹配方案中，最簡(jiǎn)單的就是字面值字符的匹配。

那么，什么叫字面值字符匹配呢？簡(jiǎn)單的說，就是輸入一個(gè)樣式 ABC ，就能把目標(biāo)字符串“智能 ABC —輸入法，智能 ABC 輸入法，中文輸入法，打字，打字 ABC ，中文 ABC ”中所有的“ABC”給查找出來(lái)。但這個(gè)查找過程并不是一次性完成的，正則表達(dá)式引擎是先匹配第一個(gè)“ABC”，然后再?gòu)纳弦淮纬晒ζヅ涞牡胤竭M(jìn)行第二次匹配。

在正則表達(dá)式中，有些字符符號(hào)被賦予了特殊的功能，它們通常被稱為元字符。如果要對(duì)這些字符進(jìn)行匹配操作，我們就不能像 ABC 那樣直接使用。正則表達(dá)式為這類字符提供了一個(gè)轉(zhuǎn)義機(jī)制，就是在它們之前添加一個(gè)“/”作為轉(zhuǎn)義標(biāo)識(shí)。比如我們要匹配“a+b=c”的話，正則表達(dá)式的語(yǔ)法就應(yīng)該是 a/+b=c 。

二、字符集合

字符集合也被稱作字符類，它每次只用集合中的一個(gè)字符與目標(biāo)字符串進(jìn)行匹配。字符集合有兩種語(yǔ)法格式：第一種是采用枚舉的形式，把每個(gè)要匹配的元素放到方括號(hào)中 [你我他] ，這樣對(duì)字符串“是你嗎？不是我！是他？”的匹配的結(jié)果就是“是 你 嗎？不是 我 ！是 他 ？”。

另外一種寫法就是指定字符范圍，比如我們用 [1-3] 來(lái)匹配“1982,1983”，結(jié)果就是“198 2 ,198 3 ”； [A-D] 對(duì)“BAD BOY”的匹配結(jié)果就是“ BAD B OY”

除此之外，正則表達(dá)式還提供了一種補(bǔ)集的形式，就是把不出現(xiàn)在集合內(nèi)的字符作為匹配對(duì)象，它的語(yǔ)法格式就是在左方括號(hào)的右邊添加一個(gè)“^”，正則表達(dá)式 [^1-3] 匹配“1982,1983”的結(jié)果就是“ 198 2, 198 3”。

三、元字符

元字符是被正則表達(dá)式預(yù)先保留下來(lái)的一部分字符，并有著特殊的含義。這些元字符大致可以分為兩類，一類用于字符匹配，一類作為正則表達(dá)式語(yǔ)法的一部分來(lái)使用。如“/d”就代表了 0 至 9 之間的數(shù)字，“/s”表示空白符號(hào)，其中包括空格、制表符和換行符等，它們就是用于字符串匹配的；但是像字符集合中用到的“[”和“]”，就是被當(dāng)作正則表達(dá)式語(yǔ)法的一部分來(lái)使用的。我們這里所介紹的都是一般的通用含義，對(duì)于這些元字符的精確含義，取決于我們所使用的軟件或程序語(yǔ)言，因?yàn)椴煌墓ぞ呋虺绦蛘Z(yǔ)言都對(duì)原始的正則表達(dá)式或多或少地進(jìn)行了修改或補(bǔ)充。

常見的用于字符匹配的元字符有“/r”——回車符、“/n”——換行符、“/t”——制表符、“/s”——空白符、“/d”——數(shù)字 0 至 9、“/w”——字母數(shù)字與下劃線的組合。其中，還有一組匹配內(nèi)容恰好與“/s”、“/d”、“/w”相反的 “/S”、“/D”、“/W”，如“/S”，就是與非空白字符相匹配的。

四、匹配任意字符的“.”

在正則表達(dá)式中，“.”的匹配范圍最廣泛，它幾乎能與所有的字符相匹配，但換行符除外。所以，它相當(dāng)于Unix下的 [^/n] 和Windows下的 [^/r/n] 。

再次提醒一下，我們這里介紹的內(nèi)容是最通用的基本含義，雖然“.”不能與換行符匹配，但在有些程序語(yǔ)言中，如 Java，就可以通過一種 Pattern.DOTALL 的匹配模式來(lái)讓“.”與換行符相匹配，下面一段話是JavaDoc中的一段原文：

In dotall mode, the expression . matches any character, including a line terminator. By default this expression does not match line terminators. — 在 dotall 模式下，表達(dá)式 . 與任意字符匹配，包括行終結(jié)符。該表達(dá)式在默認(rèn)情況下是不與行終結(jié)符相匹配的。

五、邊界

邊界不與任何字符相匹配，但它們能夠與位置相匹配，如果不在指定位置的話，即使內(nèi)容都正則表達(dá)式相符，也是不能成功匹配的。邊界分為詞邊界和行邊界兩種，符號(hào)分別是 /b 和 ^$ 。

當(dāng)我們要匹配與單詞 cat 一致的字符串時(shí)，可以直接用 cat ，但是匹配的結(jié)果“Con cat the word cat and dog.”并不能令我們滿意。如果加上詞界限定，用 /bcat/b 來(lái)進(jìn)行匹配，效果就很明顯—“Concat the word cat and dog.”，“/b”的作用就是要確保“cat”必須是一個(gè)獨(dú)立單詞。

行邊界分為行的起始邊界“^”和行的終止邊界“$”。要與字符串“beginning of line border”的起始字符“b”相匹配的話，就可以使用 ^b ，結(jié)果就是“ b egining of line border”。

六、重復(fù)匹配

在實(shí)際應(yīng)用中，我們常常需要反復(fù)使用某個(gè)正則表達(dá)式樣式，比如說要匹配電話號(hào)碼的格式為0123-88888888，如果不使用正則表達(dá)式的重復(fù)匹配功能時(shí)，我們所編寫的正則表達(dá)式將是 /d/d/d/d-/d/d/d/d/d/d/d/d ，顯然，這樣是很繁瑣的，并且要求我們?cè)谑褂弥幸中⌒模徊恍⌒倪z漏了一個(gè) /d ，那將是件很麻煩的事情。

幸運(yùn)的是，正則表達(dá)式中為我們提供了重復(fù)匹配的功能，重新改寫上面的正則表達(dá)式為 /d{4}-/d{8} ，一下子就簡(jiǎn)潔了許多。

花括號(hào)只是重復(fù)匹配功能一種形式，還有諸如“？”、“*”和“+”等重復(fù)匹配形式，它們的含義分別為：匹配零次或一次、匹配零次或更多次、匹配一次或更多次。

七、貪婪式與懶惰式

與重復(fù)匹配密切相關(guān)的一個(gè)概念就是重復(fù)匹配的模式：貪婪式和懶惰式。從書面意義上看，貪婪式就是匹配盡可能多的字符，而懶惰式當(dāng)然是越少越好了。我們現(xiàn)在用字符串“ABC123”做個(gè)例子，首先構(gòu)造使用了重復(fù)匹配功能的正則表達(dá)式 ABC/d+ ，這時(shí)匹配的結(jié)果就是“ ABC123 ”；如果換成 ABC/d+? 的話，匹配的結(jié)果就是“ ABC1 23”。這下明白了吧，字符“+”使前面的“/d”不斷的重復(fù)，在貪婪模式下，只要有滿足匹配條件的，引擎就會(huì)進(jìn)行下一次匹配操作，直到最后一次無(wú)法找到匹配內(nèi)容時(shí)才善罷甘休；相比之下，懶惰模式下的正則表達(dá)式是很容易得到滿足的，只要有一個(gè)滿足匹配條件的內(nèi)容，它就會(huì)立即終止匹配操作，返回結(jié)果。

八、選擇

有時(shí)候，我們要匹配的內(nèi)容不是很固定，這就需要提供多個(gè)備選方案。在正則表達(dá)式中“|”就能幫助我們實(shí)現(xiàn)按這樣的效果。字符串“Superman can swim, run and fly!”用 swim|run|fly 進(jìn)行匹配的結(jié)果就是“Superman can swim , run and fly !”

九、捕獲組與逆向引用

對(duì)于詞組“l(fā)ook down upon”和“l(fā)ook down on”來(lái)說，它們的含義相同，如果我們要寫一個(gè)同時(shí)匹配這兩個(gè)詞組的正則表達(dá)式該怎么做呢？難道是 look down upon|look down on ？當(dāng)然不是！在正則表達(dá)式中，有一種稱為捕獲組的語(yǔ)法，它能讓我們把某個(gè)樣式作為一個(gè)獨(dú)立的單元來(lái)進(jìn)行處理，這樣就能對(duì)它使用各種限定修飾符，如“?”、“*”、“+”和花括號(hào)等。所以， look down (up)?on 才是正確匹配詞組“l(fā)ook down upon”和“l(fā)ook down on”的正則表達(dá)式；當(dāng)然，這也不是唯一一個(gè)簡(jiǎn)潔的寫法，我們還可以用“選擇”編寫 look down (upon|on) 來(lái)進(jìn)行匹配。

使用圓括號(hào)時(shí)可以創(chuàng)建捕獲組，捕獲組的作用是把匹配到的內(nèi)容“記憶”下來(lái)，這樣我們就能利用逆向引用獲得滿足匹配條件的內(nèi)容。

利用捕獲組就能讓我們使用逆向引用，更加靈活方便地進(jìn)行樣式匹配操作。但是這種靈活性是我們用更多的計(jì)算機(jī)資源所換取的，如果僅僅是為了進(jìn)行匹配，并沒有要使用逆向引用的需求時(shí)，完全可以取消捕獲組。改寫上面的正則表達(dá)式為 look down (?:up)?on 。

十、斷言

當(dāng)我們要按照某一定條件來(lái)匹配一個(gè)目標(biāo)字符串時(shí),就可以使用斷言。斷言的作用是確保要匹配的內(nèi)容的前方或后方必須是或不是我們指定的內(nèi)容。

比如要找到所有那些以字符串“anti-”開頭的所有單詞，首先編寫正則表達(dá)式 anti-/b/w+/b ，這時(shí)匹配字符串“anti-imperialism, anti-consumerism, anti-aircraft, anti-semitism, anti-fertilizin”的結(jié)果就是“ anti-aircraft , anti-semitism , anti-fertilizin ”。現(xiàn)在我們使用后向斷言重新編寫正則表達(dá)式 (?<=anti-)/b/w+/b ，匹配的結(jié)果就是“anti- aircraft , anti- semitism , anti- fertilizin ”。

從例子可以看出，斷言部分的正則表達(dá)式雖然也參與字符串匹配，但它并不把自身作為匹配結(jié)果的一部分。