Vixual

正规表示式 (Regular Expression, 简写 regex、regexp 或 RE) 是用于字串比对的小型语言，又称正则表达式、正规表示法、规则运算式、常规表示法 (Wiki)。

很多程式语言和软件都会附加“正规表示式”这项功能。在字串的处理上，针对大量、重复、有固定逻辑的文字，正规表示式是非常强而有力的工具! 即便不是程式设计师，在可以在运用到正规表示式的场合 (例如: 文字编辑器)，能帮你节省许多文字处理的时间。但是不同的软件所附加的正规表示式可能略有差异，这部份就要稍加留意。

不过在初学者的眼中，正规表示式却又像是天书一样的难以理解。以下文章针对正规表示式的相关语法做解说，你可到线上测试工具，以实际的例子去做测试。

语法整理 (Pattern)

字符符号

• .: 任意文字、数字及符号，但不包括换行
• \d: 任意数字 (同 [0-9])
• \w: 任意文字、数字或底线 (同 [0-9a-zA-Z_])
• \s: 任意空白字符，包含空白、定位、换行字符 (同 [ \t\n])
• \D: 任意非数字
• \W: 任意非文字、数字或底线
• \S: 任意非空白字符 (同 [^ \t\n])
• \n: 换行字符
• \t: 定位字符
• \OCT: 八进制字符，ex: \101 = "A"
• \xHEX: 十六进制字符，ex: \x41 = "A"
• \uUnicode: Unicode 字符，ex: \u4F60 = "你"。
  另外，Unicode 中文范围: [\u4E00-\u9FA5]，中日韩文字范围: [\u4E00-\u9FFF]
• \: 不转译控制符号

一般状态下，字符符号都不包括换行字符 (\n)，因此遇到“换行”就会停止比对。在某些环境下可以启用多行模式 (Multiline)，则换行字符 (\n) 会被视为一般文字。

字符列举

列举的原则:

1. 放在中括号 [ ... ] 里的字符皆为单独比对的字符
2. 在中括号内加 ^ 表示“反向列举”
3. 可以用 - 来代表连续的字符范围

范例:

• [0123456789]: 任意数字 (同 \d)
• [0-9]: 任意数字，同 (同 \d)
• [a-z]: 任意小写英文字母
• [a-zA-Z]: 任意大小写的英文字母
• [0-9a-zA-Z]: 任意数字、英文字母
• [^x]: 反向列举，任意非 x 的字符
• [^0-9]: 反向列举，任意非数字 (同 \D)

字串行举

• |: 或

次数符号、限定符号

• *: 重复 0 次以上 (同 {0,}) *贪婪原则
• +: 重复 1 次以上 (同 {1,}) *贪婪原则
• ?: 重复 0 或 1 次 (同 {0,1}) *贪婪原则
• {n}: 重复 n 次
• {n,}: 重复 n 次以上 *贪婪原则
• {0,n}: 重复 0 ~ n 次 *贪婪原则
• {n,m}: 重复 n ~ m 次 *贪婪原则

说明:

1. 所有的“次数符号”都会极大化 (Infinite) 要比对的范围，称为“贪婪原则”。
   ex: .*\d+ 因为贪婪原则，前面的 .* 就已经涵盖后面的 \d+ 所要比对的数字了，因此 \d+ 在这里是多余的!
2. 如果要取消“贪婪原则”，只要在次数符号的后面加上 ? 即可让它节制一点、不要那么的贪婪，让放在后面的比对规则也可以有作用。因此，上面的范例就变成: .*?\d+。
3. 在实务上，我们不太会将 * 与 ? 这两个次数符号放在正规表示式的最后，因为它们两者都允许“重复 0 次”，因为比对之后可能会多出“空白”的结果。

边界符号

• ^: 要在行的开头 (Start of line)
• $: 要在行的结尾 (End of line)
• \b: 必须是单词 (文字、数字、底线) 的开头或结尾
• \B: 不能是单词 (文字、数字、底线) 的开头或结尾

进阶

群组

1. 可以使用小括号 ( ... ) 将既有的规则组合成一个“群组”
2. 建立规则群组之后，可再以此群组为基础，套用其它的规则
3. 可以用 \1 ... \9 来代表前面符合的群组
4. 当要储存或取代比对的内容时，可以用 $1 .. $9 (或 \1 ... \9) 来代表各群组

判断式

右合、正看 (Lookahead):

1. Pattern1(?:Pattern2): 符合 Pattern1 并且右方符合 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 并且右方符合 Pattern2 才算符合 Pattern1
   白话文: 我要找 Pattern1，其右方必须为 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
   白话文: 我要找 Pattern1，但右方不能为 Pattern2
   ex: Windows(?!95|98|2000) 可符合 Widnows 或 WindowsNT 的 Windows，但不符合 Windows95 的 Windows

左合、回头看 (Lookbehind):

1. (?<=Pattern1)Pattern2: 符合 Pattern2 并且左方符合 Pattern1 才算符合 Pattern2
   白话文: 我要找 Pattern2，其左方必须为 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
   白话文: 我要找 Pattern2，但左方不能为 Pattern1
   ex: (?<!Chapter|Section)(?<!\d)[\d]+ 可符合 Topic15 的 15，但不符合 Chapter15 的 15

说明:

1. 以上判断式的小括号 (? ... ) 并不会成为“群组”
2. 并非所有的环境都能完整支援判断式的用法

线上测试

1. Regular Expressions 101
2. RegEx Testing
3. 正规表示式线上测试-站长工具
4. Regulex: JavaScript Regular Expression Visualizer - 将正规表示式图形化
5. Regexper - 将正规表示式图形化
6. 编程胶囊 - 教学与题目练习
7. RegexOne - 题目练习

参考网页

1. 正规表示式 - 维基百科，自由的百科全书
2. 15分钟掌握Regular Expressions（基础＋应用题） - YouTube
3. [转载]PHP 正规表示式基本语法