正则表达式基础知识

正在表达式基础
一个正则表达式就是由普通字符（例如字符a到z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。如：JScriptVBScript匹配/^\[\t]*$/^\[\t]*$匹配一个空白行。/\d{2}-\d{5}/\d{2}-\d{5}验证一个ID号码是否由一个2位数字，一个连字符以及一个5位数字组成。/(.*).*\/\1/(.*).*\/\1匹配一个HTML标记。
下表是元字符及其在正则表达式上下文中的行为的一个完整列表：
字符描述\将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，'n'匹配字符n。'\n'匹配一个换行符。序列'\\'匹配\而\(则匹配(。^匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配'\n'或'\r'之后的位置。$匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配'\n'或'\r'之前的位置。*匹配前面的子表达式零次或多次。例如，zo*能匹配z以及zoo。*等价于{0,}。+匹配前面的子表达式一次或多次。例如，'zo+'能匹配zo以及zoo，但不能匹配z。+等价于{1,}。?匹配前面的子表达式零次或一次。例如，do(es)?可以匹配do或does中的do。?等价于{0,1}。{n}n是一个非负整数。匹配确定的n次。例如，'o{2}'不能匹配Bob中的'o'，但是能匹配food中的两个o。{n,}n是一个非负整数。至少匹配n次。例如，'o{2,}'不能匹配Bob中的'o'，但能匹配foooood中的所有o。'o{1,}'等价于'o+'。'o{0,}'则等价于'o*'。{n,m}m和n均为非负整数，其中n=m。最少匹配n次且最多匹配m次。例如，o{1,3}将匹配fooooood中的前三个o。'o{0,1}'等价于'o?'。请注意在逗号和两个数之间不能有空格。?当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串oooo，'o+?'将匹配单个o，而'o+'将匹配所有'o'。.匹配除\n之外的任何单个字符。要匹配包括'\n'在内的任何字符，请使用象'[.\n]'的模式。(pattern)匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用'\('或'\)'。(?:pattern)匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符(|)来组合一个模式的各个部分是很有用。例如，'industr(?:y|ies)就是一个比'industry|industries'更简略的表达式。(?=pattern)正向预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows(?=95|98|NT|2000)'能匹配Windows2000中的Windows，但不能匹配Windows3.1中的Windows。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。(?!pattern)负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows(?!95|98|NT|2000)'能匹配Windows3.1中的Windows，但不能匹配Windows2000中的Windows。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始x|y匹配x或y。例如，'z|food'能匹配z或food。'(z|f)ood'则匹配zood或food。[xyz]字符集合。匹配所包含的任意一个字符。例如，'[abc]'可以匹配plain中的'a'。[^xyz]负值字符集合。匹配未包含的任意字符。例如，'[^abc]'可以匹配plain中的'p'。[a-z]字符范围。匹配指定范围内的任意字符。例如，'[a-z]'可以匹配'a'到'z'范围内的任意小写字母字符。[^a-z]负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]'可以匹配任何不在'a'到'z'范围内的任意字符。\b匹配一个单词边界，也就是指单词和空格间的位置。例如，'er\b'可以匹配never中的'er'，但不能匹配verb中的'er'。\B匹配非单词边界。'er\B'能匹配verb中的'er'，但不能匹配never中的'er'。\cx匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的'c'字符。\d匹配一个数字字符。等价于[0-9]。\D匹配一个非数字字符。等价于[^0-9]。\f匹配一个换页符。等价于\x0c和\cL。\n匹配一个换行符。等价于\x0a和\cJ。\r匹配一个回车符。等价于\x0d和\cM。\s匹配任何空白字符，包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。\S匹配任何非空白字符。等价于[^\f\n\r\t\v]。\t匹配一个制表符。等价于\x09和\cI。\v匹配一个垂直制表符。等价于\x0b和\cK。\w匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。\W匹配任何非单词字符。等价于'[^A-Za-z0-9_]'。\xn匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41'匹配A。'\x041'则等价于'\x04'1。正则表达式中可以使用ASCII编码。.\num匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，'(.)\1'匹配两个连续的相同字符。\n标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字(0-7)，则n为一个八进制转义值。\nm标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字(0-7)，则\nm将匹配八进制转义值nm。\nml如果n为八进制数字(0-3)，且m和l均为八进制数字(0-7)，则匹配八进制转义值nml。\un匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号()。

下面看几个例子：
^The：表示所有以The开始的字符串（There，Thecat等）；
ofdespair$：表示所以以ofdespair结尾的字符串；
^abc$：表示开始和结尾都是abc的字符串呵呵，只有abc自己了；
notice：表示任何包含notice的字符串。

'*'，'+'和'?'这三个符号，表示一个或一序列字符重复出现的次数。它们分别表示没有或
更多，一次或更多还有没有或一次。下面是几个例子：
ab*：表示一个字符串有一个a后面跟着零个或若干个b。（a,ab,abbb,……）；
ab+：表示一个字符串有一个a后面跟着至少一个b或者更多；
ab?：表示一个字符串有一个a后面跟着零个或者一个b；
a?b+$：表示在字符串的末尾有零个或一个a跟着一个或几个b。
也可以使用范围，用大括号括起，用以表示重复次数的范围。
ab{2}：表示一个字符串有一个a跟着2个b（abb）；
ab{2,}：表示一个字符串有一个a跟着至少2个b；
ab{3,5}：表示一个字符串有一个a跟着3到5个b。
请注意，你必须指定范围的下限（如：{0,2}而不是{,2}）。还有，你可能注意到了，'*'，'+'和
'?'相当于{0,}，{1,}和{0,1}。
还有一个''，表示或操作：
hihello：表示一个字符串里有hi或者hello；
(bcd)ef：表示bef或cdef；
(ab)*c：表示一串ab混合的字符串后面跟一个c；
'.'可以替代任何字符：
a.[0-9]：表示一个字符串有一个a后面跟着一个任意字符和一个数字；
^.{3}$：表示有任意三个字符的字符串（长度为3个字符）；
方括号表示某些字符允许在一个字符串中的某一特定位置出现：
[ab]：表示一个字符串有一个a或b（相当于ab）；
[a-d]：表示一个字符串包含小写的'a'到'd'中的一个（相当于abcd或者[abcd]）；
^[a-zA-Z]：表示一个以字母开头的字符串；
[0-9]%：表示一个百分号前有一位的数字；
,[a-zA-Z0-9]$：表示一个字符串以一个逗号后面跟着一个字母或数字结束。
你也可以在方括号里用'^'表示不希望出现的字符，'^'应在方括号里的第一位。（如：%[^a-zA-Z]%表
示两个百分号中不应该出现字母）。
为了逐字表达，必须在^.$()*+?{\这些字符前加上转移字符'\'。