【摘要】

正則表達(dá)式是用來處理文本和匹配模式最高效、最簡(jiǎn)單的方法。如果你不熟悉這個(gè)術(shù)語，那么“正則表達(dá)式”（Regular Expression）就是一個(gè)字符構(gòu)成的串，它定義了一個(gè)用來搜索匹配字符串的模式。

1.       正則表達(dá)式基礎(chǔ)知識(shí)

我們先從簡(jiǎn)單的開始。假設(shè)你要搜索一個(gè)包含字符“cat”的字符串，搜索用的正則表達(dá)式就是“cat”。如果搜索對(duì)大小寫不敏感，單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是說：

1.1.       句點(diǎn)符號(hào)

假設(shè)你在玩英文拼字游戲，想要找出三個(gè)字母的單詞，而且這些單詞必須以“t”字母開頭，以“n”字母結(jié)束。另外，假設(shè)有一本英文字典，你可以用正則表達(dá)式搜索它的全部?jī)?nèi)容。要構(gòu)造出這個(gè)正則表達(dá)式，你可以使用一個(gè)通配符—句點(diǎn)符號(hào)“.”。這樣，完整的表達(dá)式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，還匹配“t#n”、“tpn”甚至“t n”，還有其他許多無意義的組合。這是因?yàn)榫潼c(diǎn)符號(hào)匹配所有字符，包括空格、Tab字符甚至換行符：

1.2.       方括號(hào)符號(hào)

為了解決句點(diǎn)符號(hào)匹配范圍過于廣泛這一問題，你可以在方括號(hào)（“[]”）里面指定看來有意義的字符。此時(shí)，只有方括號(hào)里面指定的字符才參與匹配。也就是說，正則表達(dá)式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因?yàn)樵诜嚼ㄌ?hào)之內(nèi)你只能匹配單個(gè)字符：

1.3.       “或”符號(hào)

如果除了上面匹配的所有單詞之外，你還想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意義就是“或”運(yùn)算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正則表達(dá)式。這里不能使用方擴(kuò)號(hào)，因?yàn)榉嚼ㄌ?hào)只允許匹配單個(gè)字符；這里必須使用圓括號(hào)“()”。圓括號(hào)還可以用來分組，具體請(qǐng)參見后面介紹。

1.4.       表示匹配次數(shù)的符號(hào)

表一顯示了表示匹配次數(shù)的符號(hào)，這些符號(hào)用來確定緊靠該符號(hào)左邊的符號(hào)出現(xiàn)的次數(shù)：

表一：表示次數(shù)的符號(hào)
符號(hào)	次數(shù)
*	0次或者多次
+	1次或者多次
？	0次或者1次
{n}	恰好n次
{n,m}	從n次到m次

假設(shè)我們要在文本文件中搜索美國(guó)的社會(huì)安全號(hào)碼。這個(gè)號(hào)碼的格式是999-99-9999。用來匹配它的正則表達(dá)式如圖一所示。在正則表達(dá)式中，連字符（“-”）有著特殊的意義，它表示一個(gè)范圍，比如從0到9。因此，匹配社會(huì)安全號(hào)碼中的連字符號(hào)時(shí)，它的前面要加上一個(gè)轉(zhuǎn)義字符“\”。

假設(shè)進(jìn)行搜索的時(shí)候，你希望連字符號(hào)可以出現(xiàn)，也可以不出現(xiàn)—即，999-99-9999和999999999都屬于正確的格式。這時(shí)，你可以在連字符號(hào)后面加上“？”數(shù)量限定符號(hào)，如圖二所示：

圖二：匹配所有123-12-1234和123121234形式的社會(huì)安全號(hào)碼

下面我們?cè)賮砜戳硗庖粋€(gè)例子。美國(guó)汽車牌照的一種格式是四個(gè)數(shù)字加上二個(gè)字母。它的正則表達(dá)式前面是數(shù)字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。圖三顯示了完整的正則表達(dá)式。

圖三：匹配典型的美國(guó)汽車牌照號(hào)碼，如8836KV

1.5.       “否”符號(hào)

“^”符號(hào)稱為“否”符號(hào)。如果用在方括號(hào)內(nèi)，“^”表示不想要匹配的字符。例如，圖四的正則表達(dá)式匹配所有單詞，但以“X”字母開頭的單詞除外。

圖四：匹配所有單詞，但“X”開頭的除外

1.6.       圓括號(hào)和空白符號(hào)

假設(shè)要從格式為“June 26, 1951”的生日日期中提取出月份部分，用來匹配該日期的正則表達(dá)式可以如圖五所示：

圖五：匹配所有Moth DD,YYYY格式的日期

新出現(xiàn)的“\s”符號(hào)是空白符號(hào)，匹配所有的空白字符，包括Tab字符。如果字符串正確匹配，接下來如何提取出月份部分呢？只需在月份周圍加上一個(gè)圓括號(hào)創(chuàng)建一個(gè)組，然后用ORO API（本文后面詳細(xì)討論）提取出它的值。修改后的正則表達(dá)式如圖六所示：

圖六：匹配所有Month DD,YYYY格式的日期，定義月份值為第一個(gè)組

1.7.       其它符號(hào)

為簡(jiǎn)便起見，你可以使用一些為常見正則表達(dá)式創(chuàng)建的快捷符號(hào)。如表二所示：

表二：常用符號(hào)
符號(hào)	等價(jià)的正則表達(dá)式
\d	[0-9]
\D	[^0-9]
\w	[A-Z0-9]
\W	[^A-Z0-9]
\s	[\t\n\r\f]
\S	[^\t\n\r\f]

例如，在前面社會(huì)安全號(hào)碼的例子中，所有出現(xiàn)“[0-9]”的地方我們都可以使用“\d”。修改后的正則表達(dá)式如圖七所示：

圖七：匹配所有123-12-1234格式的社會(huì)安全號(hào)碼