4.3　正则表达式

4.3.1　正则表达式简介

在编写处理字符串的程序或网页时，经常会查找符合某些复杂规则的字符串。正则表达式就是用于描述这些规则的工具。换言之，正则表达式就是记录文本规则的代码。对接触过DOS的用户来说，如果想匹配当前文件夹下的所有文本文件，则可以输入“dir *.txt”命令，按<Enter>键后所有“.txt”文件将会被列出来。这里的“*.txt”即可理解为一个简单的正则表达式。

4.3.2　行定位符

行定位符用来描述字符串的边界。“^”表示行的开始；“$”表示行的结尾。例如：

该表达式表示要匹配字符串tm的开始位置是行头，如tm equal Tomorrow Moon就可以匹配，而Tomorrow Moon equal tm则不匹配。如果使用：

则后者可以匹配而前者不能匹配。如果要匹配的字符串可以出现在字符串的任意部分，那么可以直接写成：

这样两个字符串就都可以匹配了。

4.3.3　元字符

现在你已经知道几个很有用的元字符了，如“^”“$”。正则表达式里还有很多元字符，下面来看看元字符的示例：

匹配以字母“mr”开头的单词，首先从某个单词开始处(\b)匹配字母“mr”，接着是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。该表达式可以匹配“mrsoft”“mrbook”“mr123456”等。常用的元字符如表4.2所示。

4.3.4　限定符

在前面章节的例子中，使用(\w*)匹配任意数量的字母或数字。如果想匹配特定数量的数字，那么该如何表示呢？正则表达式提供了限定符（指定数量的字符）来实现该功能。如匹配8位QQ号可用如下表示式：

常用的限定符如表4.3所示。

4.3.5　字符类

用正则表达式查找数字和字母是很简单的，因为已经有了对应这些字符集合的元字符（如\d，\w），如果要匹配没有预定义元字符的字符集合（比如元音字母a、e、i、o、u），应该怎么办？很简单，只需要在方括号里列出它们就可以了，比如[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号（. 或 ? 或 !）。也可以轻松地指定一个字符范围，比如[0-9]的含意与\d就是完全一致的，即一位数字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文）。

4.3.6　排除字符

前面的例子是匹配符合命名规则的变量。现在反过来，匹配不符合命名规则的变量，正则表达式提供了“^”元字符，这个元字符在4.3.1节中出现过，表示行的开始，而在这里将会把这个元字符放到方括号中，表示排除。例如：

该表达式匹配的就是不以字母开头的变量名。

4.3.7　选择字符

试想一下，如何匹配身份证号码？首先需要了解一下身份证号码的规则。身份证号码的长度为15位或18位。如果为15位时，则全为数字；如果为18位时，则前17位为数字，最后一位是校验位，可能为数字或字符X。

在前面的描述中，包含着条件选择的逻辑，这就需要使用选择字符（|）来实现。该字符可以理解为“或”，匹配身份证的表达式可以写成如下方式：

该表达式的意思是匹配15位数字或者18位数字，或者17位数字和最后一位。最后一位可以是数字或是X也或是x。

4.3.8　转义字符

正则表达式中的转义字符（\）和PHP中的大同小异，都是将特殊字符（如“.”“?”“\”等）变为普通字符。列举一个IP地址的实例，用正则表达式匹配诸如127.0.0.1这种格式的IP地址。如果直接使用点字符，则格式为：

这显然不对，因为“.”可以匹配一个任意字符。这时，不仅是127.0.0.1这种格式的IP，连127101011这样的字符串也会被匹配出来。所以在使用“.”时，需要使用转义字符（\）。修改后上面的正则表达式的格式为：

4.3.9　分组

通过4.3.8节中的例子，相信读者已经对小括号的作用有了一定的了解。小括号的第一个作用就是可以改变限定符的作用范围，如“|”“*”“^”等。来看下面的一个表达式：

这个表达式的意思是匹配单词thirth或fourth，如果不使用小括号，那么就变成了匹配单词thir和fourth了。

小括号的第二个作用是分组，也就是子表达式，如(\.[0-9]{1,3}){3}，就是对分组(\.[0-9]{1,3})进行重复操作。