Vixual

正規表示式 (Regular Expression, 簡寫 regex、regexp 或 RE) 是用於字串比對的小型語言，又稱正則表達式、正規表示法、規則運算式、常規表示法 (Wiki)。

很多程式語言和軟體都會附加「正規表示式」這項功能。在字串的處理上，針對大量、重複、有固定邏輯的文字，正規表示式是非常強而有力的工具! 即便不是程式設計師，在可以在運用到正規表示式的場合 (例如: 文字編輯器)，能幫你節省許多文字處理的時間。但是不同的軟體所附加的正規表示式可能略有差異，這部份就要稍加留意。

不過在初學者的眼中，正規表示式卻又像是天書一樣的難以理解。以下文章針對正規表示式的相關語法做解說，你可到線上測試工具，以實際的例子去做測試。

語法整理 (Pattern)

字元符號

• .: 任意文字、數字及符號，但不包括換行
• \d: 任意數字 (同 [0-9])
• \w: 任意文字、數字或底線 (同 [0-9a-zA-Z_])
• \s: 任意空白字元，包含空白、定位、換行字元 (同 [ \t\n])
• \D: 任意非數字
• \W: 任意非文字、數字或底線
• \S: 任意非空白字元 (同 [^ \t\n])
• \n: 換行字元
• \t: 定位字元
• \OCT: 八進制字元，ex: \101 = "A"
• \xHEX: 十六進制字元，ex: \x41 = "A"
• \uUnicode: Unicode 字元，ex: \u4F60 = "你"。
  另外，Unicode 中文範圍: [\u4E00-\u9FA5]，中日韓文字範圍: [\u4E00-\u9FFF]
• \: 不轉譯控制符號

一般狀態下，字元符號都不包括換行字元 (\n)，因此遇到「換行」就會停止比對。在某些環境下可以啟用多行模式 (Multiline)，則換行字元 (\n) 會被視為一般文字。

字元列舉

列舉的原則:

1. 放在中括號 [ ... ] 裡的字元皆為單獨比對的字元
2. 在中括號內加 ^ 表示「反向列舉」
3. 可以用 - 來代表連續的字元範圍

範例:

• [0123456789]: 任意數字 (同 \d)
• [0-9]: 任意數字，同 (同 \d)
• [a-z]: 任意小寫英文字母
• [a-zA-Z]: 任意大小寫的英文字母
• [0-9a-zA-Z]: 任意數字、英文字母
• [^x]: 反向列舉，任意非 x 的字元
• [^0-9]: 反向列舉，任意非數字 (同 \D)

字串列舉

• |: 或

次數符號、限定符號

• *: 重複 0 次以上 (同 {0,}) *貪婪原則
• +: 重複 1 次以上 (同 {1,}) *貪婪原則
• ?: 重複 0 或 1 次 (同 {0,1}) *貪婪原則
• {n}: 重覆 n 次
• {n,}: 重覆 n 次以上 *貪婪原則
• {0,n}: 重覆 0 ~ n 次 *貪婪原則
• {n,m}: 重覆 n ~ m 次 *貪婪原則

說明:

1. 所有的「次數符號」都會極大化 (Infinite) 要比對的範圍，稱為「貪婪原則」。
   ex: .*\d+ 因為貪婪原則，前面的 .* 就已經涵蓋後面的 \d+ 所要比對的數字了，因此 \d+ 在這裡是多餘的!
2. 如果要取消「貪婪原則」，只要在次數符號的後面加上 ? 即可讓它節制一點、不要那麼的貪婪，讓放在後面的比對規則也可以有作用。因此，上面的範例就變成: .*?\d+。
3. 在實務上，我們不太會將 * 與 ? 這兩個次數符號放在正規表示式的最後，因為它們兩者都允許「重覆 0 次」，因為比對之後可能會多出「空白」的結果。

邊界符號

• ^: 要在行的開頭 (Start of line)
• $: 要在行的結尾 (End of line)
• \b: 必須是單詞 (文字、數字、底線) 的開頭或結尾
• \B: 不能是單詞 (文字、數字、底線) 的開頭或結尾

進階

群組

1. 可以使用小括號 ( ... ) 將既有的規則組合成一個「群組」
2. 建立規則群組之後，可再以此群組為基礎，套用其它的規則
3. 可以用 \1 ... \9 來代表前面符合的群組
4. 當要儲存或取代比對的內容時，可以用 $1 .. $9 (或 \1 ... \9) 來代表各群組

判斷式

右合、正看 (Lookahead):

1. Pattern1(?:Pattern2): 符合 Pattern1 並且右方符合 Pattern2 才算符合全部的 Pattern
   ex: Windows(?:95|98|2000) 可符合 Windows95，但不符合 WindowsNT
2. Pattern1(?=Pattern2): 符合 Pattern1 並且右方符合 Pattern2 才算符合 Pattern1
   白話文: 我要找 Pattern1，其右方必須為 Pattern2
   ex: Windows(?=95|98|2000) 可符合 Windows95 的 Windows，但不符合 WindowsNT 的 Windows
3. Pattern1(?!Pattern2): 符合 Pattern1 但右方不符合 Pattern2 才算符合 Pattern1
   白話文: 我要找 Pattern1，但右方不能為 Pattern2
   ex: Windows(?!95|98|2000) 可符合 Widnows 或 WindowsNT 的 Windows，但不符合 Windows95 的 Windows

左合、回頭看 (Lookbehind):

1. (?<=Pattern1)Pattern2: 符合 Pattern2 並且左方符合 Pattern1 才算符合 Pattern2
   白話文: 我要找 Pattern2，其左方必須為 Pattern1
   ex: (?<=Chapter|Section)[\d]+ 可符合 Chapter15 的 15，但不符合 Topic15 的 15
2. (?<!Pattern1)Pattern2: 符合 Pattern2 但左方不符合 Pattern1 才算符合 Pattern2
   白話文: 我要找 Pattern2，但左方不能為 Pattern1
   ex: (?<!Chapter|Section)(?<!\d)[\d]+ 可符合 Topic15 的 15，但不符合 Chapter15 的 15

說明:

1. 以上判斷式的小括號 (? ... ) 並不會成為「群組」
2. 並非所有的環境都能完整支援判斷式的用法

線上測試

1. Regular Expressions 101
2. RegEx Testing
3. 正規表示式線上測試-站長工具
4. Regulex: JavaScript Regular Expression Visualizer - 將正規表示式圖形化
5. Regexper - 將正規表示式圖形化
6. 編程膠囊 - 教學與題目練習
7. RegexOne - 題目練習

參考網頁

1. 正規表示式 - 維基百科，自由的百科全書
2. 15分鐘掌握Regular Expressions（基礎＋應用題） - YouTube
3. [轉載]PHP 正規表示式基本語法