本文實例講述了正則表達式教程之重復(fù)匹配。分享給大家供大家參考,具體如下:
注:在所有例子中正則表達式匹配結(jié)果包含在源文本中的【和】之間,有的例子會使用Java來實現(xiàn),如果是java本身正則表達式的用法,會在相應(yīng)的地方說明。所有java例子都在JDK1.6.0_13下測試通過。
一、有多少個匹配
前面幾篇講的都是匹配一個字符,但是一個字符或字符集合要匹配多次,應(yīng)該怎么做呢?比如要匹配一個電子郵件地址,用之前說到的方法,可能有人會寫出像\w@\w\.\w這樣的正則表達式,但這個只能匹配到像a@b.c這樣的地址,明顯是不正確的,接下來就來看看如何匹配電子郵件地址。
首先要知道電子郵件地址的組成:以字母數(shù)字或下劃線開頭的一組字符,后面跟@符號,再后面是域名,即用戶名@域名地址。不過這也跟具體的郵箱服務(wù)提供商有關(guān),有的在用戶名中也允許.字符。
1、匹配一個或多個字符
要想匹配同一個字符(或字符集合)的多次重復(fù),只要簡單地給這個字符(或字符集合)加上一個+字符作為后綴就可以了。+匹配一個或多個字符(至少一個)。如:a匹配a本身,a+將匹配一個或多個連續(xù)出現(xiàn)的a;[0-9]+匹配多個連續(xù)的數(shù)字。
注意:在給一個字符集合加上+后綴的時候,必須把+放在字符集合的外面,否則就不是重復(fù)匹配了。如[0-9+]這樣就表示數(shù)字或+號了,雖然語法上正確,但不是我們想要的了。
文本:Hello, mhmyqn@qq.com or mhmyqn@126.com is my email.
正則表達式:\w+@(\w+\.)+\w+
結(jié)果:Hello, 【mhmyqn@qq.com】 or 【mhmyqn@126.com】 is my email.
分析:\w+可以匹配一個或多個字符,而子表達式(\w+\.)+可匹配像xxxx.edu.這樣的字符串,而最后不會是.字符結(jié)尾,所以后面還會有一個\w+。像mhmyqn@xxxx.edu.cn這樣的郵件地址也會匹配到。
2、匹配零個或多個字符
匹配零個或多個字符使用元符*,它的用法和+完全一樣,只要把它放在一下字符或字符集合的后面,就可以匹配該字符(或字符集合)連續(xù)出現(xiàn)零次或多次。如正則表達式ab*c可以匹配ac、abc、abbbbbc等。
3、匹配零個或一個字符
匹配零個或一個字符使用元字符?。像上一篇說到的匹配一個空白行使用正則表達式\r\n\r\n,但在Unix和Linux中不需要\r,就可以使用元字符?,\r?\n\r?\n這樣既可匹配windows中的空白行,也可匹配Unix和Linux中的空白行。下面來看一個匹配http或https協(xié)議的URL的例子:
文本:The URL is http://www.mikan.com, to connect securely use https://www.mikan.cominstead.
正則表達式:https?://(\w+\.)+\w+
結(jié)果:The URL is 【http://www.mikan.com】, to connect securely use 【https://www.mikan.com】 instead.
分析:這個模式以https?開頭,表示?之前的一個字符可以有,也可以沒有,所以它能匹配http或https,后面部分和前一個例子一樣。
二、匹配的重復(fù)次數(shù)
正則表達式里的+、*和?解決了很多問題,但是:
1)+和*匹配的字符個數(shù)沒有上限。我們無法為它們將匹配的字符個數(shù)設(shè)定一個最大值。
2)+、*和?至少匹配一個或零個字符。我們無法為它們將匹配的字符個數(shù)另行設(shè)定一個最小值。
3)如果只使用*和+,我們無法把它們將匹配的字符個數(shù)設(shè)定為一個精確的數(shù)字。
正則表達式里提供了一個用來設(shè)定重復(fù)次數(shù)的語法,重復(fù)次數(shù)要用{和}字符來給出,把數(shù)值寫在它們中間。
1、為重復(fù)匹配次數(shù)設(shè)定一個精確值
如果想為重復(fù)匹配次數(shù)設(shè)定一個精確的值,把那個數(shù)字寫在{和}之間即可。如{4}表示它前面的那個字符(或字符集合)必須在原始文本中連續(xù)重復(fù)出現(xiàn)4次才算是一個匹配,如果只出現(xiàn)了3次,也不算是一個匹配。
如前面幾篇中說到的匹配頁面中顏色的例子,就可以用重復(fù)次數(shù)來匹配:#[[:xdigit:]]{6}或#[0-9a-fA-F]{6},POSIX字符在java中是#\\p{XDigit}{6}。
2、為重復(fù)匹配次數(shù)設(shè)定一個區(qū)間
{}語法還可以用來為重復(fù)匹配次數(shù)設(shè)定一個區(qū)間,也就是為重復(fù)匹配次數(shù)設(shè)定一個最小值和最大值。這種區(qū)間必須以{n, m}這樣的形式給出,其中n>=m>=0。如檢查日期格式是否正確(不檢查日期的有效性)的正則表達式(如日期2012-08-12或2012-8-12):\d{4}-\d{1,2}-\d{1,2}。
3、匹配至少重復(fù)多少次
{}語法的最后一種用法是給出一個最小的重復(fù)次數(shù)(但不必給出最大重復(fù)次數(shù)),如{3,}表示至少重復(fù)3次。注意:{3,}中一定要有逗號,而且逗號后不能有空格。否則會出錯。
來看一個例子,使用正則表達式把所有金額大于$100的金額找出來:
文本:
$25.36
$125.36
$205.0
$2500.44
$44.30
正則表達式:$\d{3,}\.\d{2}
結(jié)果:
$25.36
【$125.36】
【$205.0】
【$2500.44】
$44.30
+、*、?可以表示成重復(fù)次數(shù):
+等價于{1,}
*等價于{0,}
?等價于{0,1}
三、防止過度匹配
?只能匹配零個或一個字符,{n}和{n,m}也有匹配重復(fù)次數(shù)的上限,但是像*、+、{n,}都沒有上限值,這樣有時會導(dǎo)致過度匹配的現(xiàn)象。
來看匹配一個html標(biāo)簽的例子
文本:
Yesterday is b>history/b>,tomorrow is a B>mystery/B>, but today is a b>gift/b>.
正則表達式:[Bb]>.*/[Bb]>
結(jié)果:
Yesterday is 【b>history/b>,tomorrow is a B>mystery/B>, but today is a b>gift/b>】.
分析:[Bb]>匹配b>標(biāo)簽(不區(qū)分大小寫),/[Bb]>匹配/b>標(biāo)簽(不區(qū)分大小寫)。但結(jié)果卻不是預(yù)期的那樣有三個,第一個/b>標(biāo)簽之后,一直到最后一個/b>之間的東西全部匹配出來了。
為什么會這樣呢?因為*和+都是貪婪型的元字符,它們在匹配時的行為模式是多多益善,它們會盡可能從一段文本的開頭一直匹配到這段文本的末尾,而不是從這段文本的開頭匹配到碰到第一個匹配時為止。
當(dāng)不需要這種貪婪行為時,可以使用這些元字符的懶惰型版本。懶惰意思是匹配盡可能少的字符,與貪婪型相反。懶惰型元字符只需要給貪婪型元字符加上一個?后綴即可。下面是貪婪型元字符的對應(yīng)懶惰型版本:
* *?
+ +?
{n,} {n,}?
所以上面的例子中,正則表達式只需要改成[Bb]>.*?/[Bb]>即可,結(jié)果如下:
b>history/b>
B>mystery/B>
b>gift/b>
四、總結(jié)
正則表達式的真下威力體現(xiàn)在重復(fù)次數(shù)匹配方面。這里介紹了+、*、?幾種元字符的用法,如果要精確的確定匹配次數(shù),使用{}。元字符分貪婪型和懶惰型兩種,在需要防止過度匹配的場合下,請使用懶惰型元字符來構(gòu)造正則表達式。在下一篇中將會介紹位置匹配。
PS:這里再為大家提供2款非常方便的正則表達式工具供大家參考使用:
JavaScript正則表達式在線測試工具:
http://tools.jb51.net/regex/javascript
正則表達式在線生成工具:
http://tools.jb51.net/regex/create_reg
希望本文所述對大家正則表達式學(xué)習(xí)有所幫助。
您可能感興趣的文章:- Python使用中文正則表達式匹配指定中文字符串的方法示例
- iOS 正則表達式判斷純數(shù)字及匹配11位手機號碼的方法
- Go語言正則表達式用法實例小結(jié)【查找、匹配、替換等】
- 正則表達式匹配IP的表達式(推薦)
- 正則表達式m修飾符(多行匹配)
- 正則表達式全局匹配模式(g修飾符)
- Java使用正則表達式(regex)匹配中文實例代碼
- 正則表達式匹配(URL、電話、手機、郵箱)的實例代碼