Help:正则表达式
“ | 正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。 | ” |
——维基百科 |
本文介绍的大部分正则语法,在不同的正则表达式引擎中都可以使用,但也有一些会有所差异。仅会进行基础性讲解,毕竟深层次的也不会来萌百找。
如要在萌百使用,见段落在萌百。
可利用萌百的默认编辑器在沙盒中测试,或者在正则表达式测试网站(RegExr/Rubular)中测试(推荐)。
基本语法
学习正则表达式的最好方法是理解例子后再自己对例子进行修改、实验。
一个最简单的匹配例子:ab
,在大部分正则工具中,都有忽略大小写的选项,所以它会匹配ab
、aB
、Ab
、AB
,而在没有忽略大小写的匹配中,它仅仅只能匹配ab
。
不过通过正则表达式中的元字符,它就可以匹配更多...
元字符
元字符能匹配除其本身之外的更多东西,举个例子:
.
:匹配换行符(\n
)外所有字符,如h.b
能匹配
hab
hfb
h
b
这就是一个典型的元字符,其中提到了不能匹配的\n
,也是一个元字符。
\n
:匹配换行,如uwh\npo
能匹配
uwh
po
uwhpo
你也可以尝试以下这些常用的元字符来深入了解正则:
\w
:匹配字母不分大小写、数字或下划线[1],如\wu\wb\w
能匹配
au_b4
_uhb5
啊u b不
au bb
也就是说它不能匹配汉字或空格。
\d
:匹配纯数字,如yuo\dliu
能匹配
yuo7liu
yuo2liu
yuowliu
yuo你liu
\s
:匹配空白字符(包括\n \f\r\t\v
,其中一些后面会谈到),如\s\s
能匹配
y
\uXXXX
:匹配Unicode字符,其中XXXX
为四位16进制数字,可见网站(英文)Regex Tutorial - Unicode Characters and Properties,建议在学完本单元后慢慢了解。此处放一些例子,\u4e00
仅匹配汉字“一”
一
二
单词边界
以下介绍两个特殊的元字符:
^
:匹配字符串的开始;$
:匹配字符串的结束,根据概念很难理解,那举些例子:
642
能匹配
4254642
42546424254
6424254
642
145
但^642$
只能匹配
4254642
42546424254
6424254
642
145
还有些类似的
\b
、\y
:匹配单词开始或结束处[2],类似于^
和$
之一。如\b\w5\w
会匹配
a5das
4461854274
44424a5a
b5a
以下这些同样是元字符,但它有了更多的用法...
字符转义
如果你想查找元字符本身的话,比如你查找.
,就出现了问题:你没办法找到它们,因为它们会被解释未元字符的意义。这时你就得使用
\
来取消这些字符的特殊意义。如\\
匹配
\d
重复
你是不是感觉\w\w\w\w
太累赘了,那就使用以下元字符吧:
*
:重复零次或更多次;+
:重复一次或更多次;?
:重复零次或一次,不懂?边讲边练练。
如啊5*啊
,匹不匹配5
或多个都一样:
啊5啊
啊5555555555555啊
啊啊
啊6啊
同一个例子,换成啊5+啊
就不一样了:
啊5啊
啊5555555555555啊
啊啊
啊6啊
还是同一个例子,换成啊5?啊
又双叒叕不一样了:
啊5啊
啊5555555555555啊
啊啊
啊6啊
看明白例子了吗?其实很简单的。明白了后还有另一类重复方式:
{n}
:重复n次,可以看做一个数的集合;{n,}
:重复n次或更多次,类似区间$[n,+∞)$(当然学校没学到就往下看);{n,m}
:重复n到m次,类似区间$[n,m]$。
如啊5{1}啊
只能匹配到1个5
的
啊5啊
啊5555555555555啊
啊啊
啊6啊
而啊5{1,}啊
能匹配到大于等于1个5
的
啊5啊
啊5555555555555啊
啊啊
啊6啊
同理,啊5{0,}啊
能匹配到大于等于0个5
的
啊5啊
啊5555555555555啊
啊啊
啊6啊
而啊5{0,1}啊
能匹配到大于等于0个、小于等于1个5
的
啊5啊
啊5555555555555啊
啊啊
啊6啊
字符类
如果你想匹配没有预定义元字符的字符集合...
[xyz]
:字符集合,匹配所包含的任意一个字符,如,你想找字母“a”、数字“6”、汉字“猫”和符号“?”,就可以用[a6猫?]
:
啊a468448d
so6
噬元兽是猫娘
是吗?
嫌写太多?可以这样简写一点:
[a-z]
:字符范围,匹配指定范围内的任意字符,如果想找“f”到“p”的英文字母,就可以用[f-p]
:
ab14cb4gq
454awahaas
f
**k
当然,你可以同时使用,如[. a-c1-4]
7588746568
eyhtr.ghyuy
iyreh poijlio
人设就诶听b额皮肤
同时,\uXXXX
也是能指定范围,如[\u4e00-\uf9a5]+
可以匹配所有中文字符
其实,\w
相当于[A-Za-z0-9_]
,\d
相当于[0-9]
,\s
相当于[ \f\n\r\t\v]
。
用上面的例子,[A-Za-z0-9_]u[A-Za-z0-9_]b[A-Za-z0-9_]
也能匹配
au_b4
_uhb5
啊u b不
au bb
上面举例的这些其实都是方括号表达式,方括号表达式定义了一个字符序列,所以它的操作可以非常复杂
- 并集,方括号表达式可以像集合那样操作,所以,你想要匹配两个方括号表达式的并集,可以这样做:
[0-3[6-9]]
,可以匹配[3]
7
2
5
有时候,我们想找的不属于某个能简单定义的字符类的字符怎么办呢?
反义
[^x]
:匹配除了x以外的字符,如[^a-zA-Z]+
能匹配
adsasafsa4245%(#*&42adfsaf
uyhkuyhk按发@)$*放shrgs
\D
:匹配一个非数字字符,等价于[^\d]
或[^0-9]
,如\D+
能匹配
720720adfs)(#%*af428738393
75085720按@$()*发放4542354
\W
:匹配非字母不分大小写、数字或下划线[1][^\w]
,如\W+\w+\W+
能匹配
72__OHSF)fhf(#%*4afaf73ADA93
75afva720按@$(452)*发放4542354
\S
:匹配非空白符的字符,等价于[^\s]
,而[\S\s]+
就能匹配全文
4eaohfoUIDAGUI648
sfukhkuse)$@*(&@4)sofeho adda
)()*&¥@)()@¥*58
- 差集,如果匹配差集,实质上就是减操作,如
[a-z&&[^m-r]]
可以匹配
c
z
o
如果想查找多次,那我们有什么简便方法吗?
分枝条件
x|y
:有x条件和y条件,满足其中任意一种条件都能匹配,对整个正则表达式生效,如abc|123
可以匹配
gkytgkc79876
seydut276877687
有了这个,我们可以将多次查询综合成一次查询,如新曲|知名度|歌姫|涙
可以匹配
謎(知名度的な意味で)のP集団によって
奇跡の新曲が生み出されようとしている。
われらの歌姫が名作絵本のコンセプトをもとに歌い上げる、
感動巨編一大スペクタクル
止まらぬ涙・そして謎の物体
スイミーとは…オランダ出身の絵本作家レオ・レオニ (Leo Lionni) 作の名作絵本。
他の仲間と違い一匹だけ真っ黒な小魚・スイミーが、仲間たちと協力し合って
自分の何十倍もの大きさの魚に立ち向かう、勇気と友情の物語。
有人说,想用<div>.+</div>
匹配<div><div></div></div>
中内层div
,却把全文匹配了,为什么?因为
贪婪之罪和怠惰之罪
*?
:重复任意次,但尽可能少重复;+?
:重复1次或更多次,但尽可能少重复;??
:重复0次或1次,但尽可能少重复;{n,m}?
:重复n到m次,但尽可能少重复;{n,}?
:重复n次以上,但尽可能少重复。
通过一段话和b[ab]*b
来区分不同的效果
bbbabaabaabaaabaaaab
没有?
,它会一次匹配完b[ab]*b
:
bbbabaabaabaaabaaaab
有了?
,它四次才匹配完b[ab]*?b
:
bb
babaa
baabaaa
baaaab
这时候有人说了,哎呀你这个|
在有相同内容时总是要重复写...
分组语法
(abc)
:将小括号内的内容视为一个整体,并捕获文本到自动命名组“x”里;(?:abc)
:非捕获组,内容不会被捕获,也不会占用捕获组的序号,仅用于条件判断。a(?:x|y)c
:分枝条件仅对小括号内生效。
没学这个之前,写累赘的写成絶対絶対絶対絶対絶対|僕は絶対|そして絶対
,现在,写成((?:絶対){4}|僕は|そして)絶対
也能达到同样效果
僕は絶対
絶対絶対絶対絶対絶対
何者にもなれず
繰り返してく街の中で窒息する
そして絶対
絶対絶対絶対絶対
Unicode、POSIX
![]() |
本段落之全部或部分原来自中文维基百科的正则表达式,依 CC BY-SA 3.0 授权引入;原贡献者可以在这里看到。 |
Unicode处理 | |||
---|---|---|---|
Unicode Property: 字符属于标点、空格、字母等等,每个Unicode字符只能属于唯一Unicode Property。 |
字符\p{L} |
\p{Ll} 或\p{Lowercase_Letter} |
小写字符(必须有大写的形式) |
\p{Lu} 或\p{Uppercase_Letter} |
大写字符(必须有小写的形式) | ||
\p{Lt} 或\p{Titlecase_Letter} |
全词首字母大写的字符 | ||
\p{L&} 或\p{Cased_Letter} |
存在大小写形式的字符 | ||
\p{Lm} 或\p{Modifier_Letter} |
音标修饰字符 | ||
\p{Lo} 或\p{Other_Letter} |
不具有大小写的字符或字形 | ||
附加符号\p{M} |
\p{Mn} 或\p{Non_Spacing_Mark} |
与其他字符结合,不额外占用空间的字符 | |
\p{Mc} 或\p{Spacing_Combining_Mark} |
与其他字符结合,额外占用空间的字符 | ||
\p{Me} 或\p{Enclosing_Mark} |
包含其他字符的字符 | ||
分隔符\p{Z} |
\p{Zs} 或\p{Space_Separator} |
不可见的空格,但占据空间 | |
\p{Zl} 或\p{Line_Separator} |
分隔线字符U+2028 | ||
\p{Zp} 或\p{Paragraph_Separator} |
分段字符U+2029 | ||
符号\p{S} |
\p{Sm} 或\p{Math_Symbol} |
数学符号 | |
\p{Sc} 或\p{Currency_Symbol} |
通货符号 | ||
\p{Sk} 或\p{Modifier_Symbol} |
组合为其他字符的符号 | ||
\p{So} 或\p{Other_Symbol} |
其他符号 | ||
数值字符\p{N} |
\p{Nd} 或\p{Decimal_Digit_Number} |
所有文本中的数字0至9字符,不含形意符号 | |
\p{Nl} 或\p{Letter_Number} |
看起来像字母的符号,包含罗马数字 | ||
\p{No} 或\p{Other_Number} |
上角标或下角标数字,或者其他不属于0至9的数字,不含形意符号 | ||
标点符号\p{P} |
\p{Pd} 或\p{Dash_Punctuation} |
任何种类的连字号或连接号 | |
\p{Ps} 或\p{Open_Punctuation} |
任何种类开括号 | ||
\p{Pe} 或\p{Close_Punctuation} |
任何种类闭括号 | ||
\p{Pi} 或\p{Initial_Punctuation} |
任何种类开引号 | ||
\p{Pf} 或\p{Final_Punctuation} |
任何种类闭引号 | ||
\p{Pc} 或\p{Connector_Punctuation} |
连接词的标点符号 | ||
\p{Po} 或\p{Other_Punctuation} |
其他标点符号 | ||
其它符号\p{C} (包括不可见控制字符与未用码位) |
\p{Cc} 或\p{Control} |
ASCII或Latin-1控制字符0x00-0x1F 与0x7F-0x9F
| |
\p{Cf} 或\p{Format} |
不可见的格式化指示字符 | ||
\p{Co} 或\p{Private_Use} |
私用码位 | ||
\p{Cs} 或\p{Surrogate} |
UTF-16编码的代理对的一半 | ||
\p{Cn} 或\p{Unassigned} |
未被使用的码位 | ||
Unicode Block:按照编码区间划分Unicode字符,每个Unicode Block中的字符编码属于一个编码区间 | Unicode Script:按照字符所属的书写系统来划分Unicode字符 | ||
POSIX字符组 | |||
POSIX字符组 | 说明 | ASCII环境 | Unicode环境 |
[:alnum:] |
字母字符和数字字符 | [a-zA-Z0-9] |
[\p{L&}\p{Nd}]
|
[:alpha:] |
字母 | [a-zA-Z] |
\p{L&}
|
[:ascii:] |
ASCII字符 | [\x00-\x7F] |
\p{InBasicLatin}
|
[:blank:] |
空格字符和制表符 | [ \t] |
[\p{Zs}\t]
|
[:cntrl:] |
控制字符 | [\x00-\x1F\x7F] |
\p{Cc}
|
[:digit:] |
数字字符 | [0-9] |
\p{Nd}
|
[:graph:] |
空白字符之外的字符 | [\x21-\x7E] |
[^\p{Z}\p{C}]
|
[:lower:] |
小写字母字符 | [a-z] |
\p{Ll}
|
[:print:] |
类似[:graph:] ,但包括空白字符 |
[\x20-\x7E] |
\P{C}
|
[:punct:] |
标点符号 | [][!"#$%&'()*+,./:;<=>?@\^_`{|}~-] |
[\p{P}\p{S}]
|
[:space:] |
空白字符 | [ \t\r\n\v\f] |
[\p{Z}\t\r\n\v\f]
|
[:upper:] |
大写字母字符 | [A-Z] |
\p{Lu}
|
[:word:] |
字母字符 | [A-Za-z0-9_] |
[\p{L}\p{N}\p{Pc}]
|
[:xdigit:] |
十六进制字符 | [A-Fa-f0-9] |
[A-Fa-f0-9]
|
其它
- 摘自正则表达式引擎/风味对比(更新时间:2019-11-27),有改动。
字符 | |||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
\ 转义单个元字符 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
\Q...\E 转义多个元字符 |
是 | 否 | Java 6 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\x00 ~ \xFF (ASCII 字符) |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\n (换行), \r (回车), \t (制表) |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 是 | 是 |
\f (换页), \v (竖直制表) |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\a (响铃) |
是 | 是 | 是 | 是 | 是 | 否 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\e (转义) |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\b (退格), \B (反斜杠, \ ) |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\cA ~ \cZ (控制字符) |
是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\ca ~ \cz (控制字符) |
是 | 是 | 否 | 是 | 是 | 是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
字符类/字符集 [abc]
| |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
[abc] 字符类 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
[^abc] 反义字符类 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
[a-z] 字符类范围 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
[\d-z] 中的 - 视为字面量 |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
[a-\d] 中的 - 视为字面量 |
是 | 否 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\ 转义单个字符类元字符 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 是 | 是 |
\Q...\E 转义多个字符类元字符 |
是 | 否 | Java 6 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\d 代表数字 |
是 | 是 | ASCII | 是 | ASCII | ASCII | 需配置 | ASCII | 是 | 否 | 否 | 否 | 否 | 是 | 是 |
\w 代表单词字符 |
是 | 是 | ASCII | 是 | ASCII | ASCII | 需配置 | ASCII | 是 | 否 | 否 | 是 | 是 | 是 | 是 |
\s 代表空白字符 |
是 | 是 | ASCII | 是 | ASCII | 是 | 需配置 | ASCII | 是 | 否 | 否 | 是 | 是 | ASCII | ASCII |
\D 、\W 和 \S 代表反义字符类 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 是 | 是 | 是 |
[\b] 匹配反斜杠 (\ ) |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
点 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
. 匹配换行符 (\n ) 外所有字符 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
锚点 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
^ 字符串/行开始 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 是 |
$ 字符串/行结束 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 是 |
\A 字符串开始 |
是 | 是 | 是 | 是 | 是 | 否 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\Z 字符串结束,最后一个 \n 前 |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\z 字符串结束 |
是 | 是 | 是 | 是 | 是 | 否 | \Z |
是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\` 字符串开始 |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 | 否 | 否 |
\' 字符串结束 |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 | 否 | 否 |
单词边界 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
\b 单词的开始或结束处 |
是 | 是 | 是 | 是 | ASCII | ASCII | 需配置 | ASCII | 否 | 否 | 否 | 是 | 是 | 否 | 否 |
\B 不是单词的开始处或结束处 |
是 | 是 | 是 | 是 | ASCII | ASCII | 需配置 | ASCII | 否 | 否 | 否 | 是 | 是 | 否 | 否 |
\y 单词的开始或结束处 |
是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\Y 不是单词的开始处或结束处 |
是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\m 单词的开始处 |
是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\M 单词的结束处 |
是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\< 单词的开始处 |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 | 否 | 否 |
\> 单词的结束处 |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 | 否 | 否 |
分支条件 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
| 分支条件 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | \| |
是 | 是 | 是 |
量词 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
? 0 ~ 1 次 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | \? |
是 | 是 | 是 |
* 0 次或更多次 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
+ 1 次或更多次 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | \+ |
是 | 是 | 是 |
{n} n 次 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | \{n\} |
是 | \{n\} |
是 | 是 | 是 |
{n,m} n ~ m 次 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | \{n,m\} |
是 | \{n,m\} |
是 | 是 | 是 |
{n,} n 次或更多次 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | \{n,\} |
是 | \{n,\} |
是 | 是 | 是 |
量词后加 ? 转为懒惰模式 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 是 |
分组与后向引用 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
(regex) 编号捕获组 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | \( \) |
是 | \( \) |
是 | 是 | 是 |
(?:regex) 非捕获组 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\1 ~ \9 后向引用 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | 是 | 否 | 是 |
\10 ~ \99 后向引用 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | N/A | 否 | 否 | N/A | 是 |
前向引用 \1 ~ \9 |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 否 | 否 | N/A | 否 | 否 | N/A | 否 |
嵌套引用 \1 ~ \9 |
是 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | 否 | 否 | N/A | 否 | 否 | N/A | 否 |
后向引用不存在的组报错 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | 否 | 是 | 是 | N/A | 是 | 是 | N/A | 是 |
后向引用匹配失败的组失败 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | 是 | 是 | 是 | N/A | 是 | 是 | N/A | 是 |
修饰器 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
(?i) 忽略大小写 |
是 | 是 | 是 | 是 | 是 | 仅限 /i |
是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | flag |
(?s) 点 (. ) 可匹配\n |
是 | 是 | 是 | 是 | 是 | 否 | 是 | (?m) |
否 | 否 | 否 | 否 | 否 | 否 | flag |
(?m) 行开始/结束可匹配 ^ / $ |
是 | 是 | 是 | 是 | 是 | 仅限 /m |
是 | always on | 否 | 否 | 否 | 否 | 否 | 否 | flag |
(?x) 忽略空白模式 |
是 | 是 | 是 | 是 | 是 | 否 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | flag |
(?n) 显式匹配 |
是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?-ismxn) 关闭模式修饰器 |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?ismxn:group) 模式修饰器仅应用于本组 |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
原子组与占位量词(possessive quantifiers) | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
(?>regex) 原子组 |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
?+ 、*+ 、++ 、{m,n}+ 占位量词 |
是 | 否 | 是 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
断言 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
(?=regex) 正预测先行断言 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
(?!regex) 负预测先行断言 |
是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
(?<=text) 正回顾后发断言 |
整个表达式 | 整个表达式 | 有限长度 | 固定长度 | 可变固定长度 | 否 | 固定长度 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?<!text) 负回顾后发断言 |
整个表达式 | 整个表达式 | 有限长度 | 固定长度 | 可变固定长度 | 否 | 固定长度 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
从上个匹配继续 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
\G 匹配尝试的开始 |
是 | 是 | 是 | 是 | 是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
条件 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
(?(?=regex)then|else) 使用任意断言 |
是 | 是 | 否 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?(regex)then|else) |
否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?(1)then|else) |
是 | 是 | 否 | 是 | 是 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?(group)then|else) |
是 | 是 | 否 | 否 | 是 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
注释 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
(?#comment) |
是 | 是 | 否 | 是 | 是 | 否 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
忽略空白 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
支持忽略空白语法 | 是 | 是 | 是 | 是 | 是 | 否 | 是 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 是 |
字符类作为整体 | 是 | 是 | 否 | 是 | 是 | N/A | 是 | 是 | 是 | N/A | N/A | N/A | N/A | N/A | 是 |
# 开启注释 |
是 | 是 | 是 | 是 | 是 | N/A | 是 | 是 | 是 | N/A | N/A | N/A | N/A | N/A | 否 |
Unicode 字符 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
\X Unicode 字素 |
是 | 否 | 否 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\u0000 ~ \uFFFF (Unicode 字符) |
是 | 是 | 是 | 否 | 否 | 是 | u"string" |
否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 |
\x{0} ~ \x{FFFF} (Unicode 字符) |
是 | 否 | 否 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
Unicode 属性、脚本与区块 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
\pL ~ \pC (Unicode 属性) |
是 | 否 | 是 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{L} ~ \p{C} (Unicode 属性) |
是 | 是 | 是 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 |
\p{Lu} ~ \p{Cn} (Unicode 属性) |
是 | 是 | 是 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 |
\p{L&} 、\p{Letter&} 等同于 [\p{Lu}\p{Ll}\p{Lt}] Unicode 属性 |
是 | 否 | 否 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{IsL} ~ \p{IsC} (Unicode 属性) |
是 | 否 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{IsLu} ~ \p{IsCn} (Unicode 属性) |
是 | 否 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{Letter} ~ \p{Other} (Unicode 属性) |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{Lowercase_Letter} ~ \p{Not_Assigned} (Unicode 属性) |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{IsLetter} ~ \p{IsOther} (Unicode 属性) |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{IsLowercase_Letter} ~ \p{IsNot_Assigned} (Unicode 属性) |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{Arabic} ~ \p{Yi} (Unicode 脚本) |
是 | 否 | 否 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{IsArabic} ~ \p{IsYi} (Unicode 脚本) |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{BasicLatin} ~ \p{Specials} (Unicode 区块) |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{InBasicLatin} ~ \p{InSpecials} (Unicode 区块) |
是 | 否 | 是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{IsBasicLatin} ~ \p{IsSpecials} (Unicode 区块) |
是 | 是 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 |
上方 {} 中的内容忽略大小写 |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
上方语法中长名称允许空格,边字符,下划线 (如 BasicLatin 可写为 Basic-Latin 、Basic_Latin 或 Basic Latin ) |
是 | 否 | Java 5 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\P 上方所有 \p 的反义 |
是 | 是 | 是 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 |
\p{^...} 上方所有 \p{...} 的反义 |
是 | 否 | 否 | 是 | 需配置 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
命名捕获与后向引用 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
(?<name>regex) .Net 风格的命名捕获分组 |
是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?'name'regex) .Net 风格的命名捕获分组 |
是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\k<name> .Net 风格的命名后向引用 |
是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\k'name' .Net 风格的命名后向引用 |
是 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?P<name>regex) Python 风格的命名捕获分组 |
是 | 否 | 否 | 否 | 是 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
(?P=name) Python 风格的命名后向引用 |
是 | 否 | 否 | 否 | 是 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
多个捕获组同名 | 是 | 是 | N/A | N/A | 否 | N/A | 否 | N/A | N/A | N/A | N/A | N/A | N/A | N/A | N/A |
XML 字符类 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
\i 、\I 、\c 、\C XML 名称字符类 |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 |
[abc-[abc]] 字符类差集 |
是 | 2 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 |
POSIX 方括号表达式 | |||||||||||||||
特性 | JGsoft | .NET | Java | Perl | PCRE | JS | Python | Ruby | Tcl ARE | POSIX BRE | POSIX ERE | GNU BRE | GNU ERE | XML | XPath |
[:alpha:] POSIX 字符类 |
是 | 否 | 否 | 是 | ASCII | 否 | 否 | 是 | 是 | 是 | 是 | 是 | 是 | 否 | 否 |
\p{Alpha} POSIX 字符类 |
是 | 否 | ASCII | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
\p{IsAlpha} POSIX 字符类 |
是 | 否 | 否 | 是 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 |
[.span-ll.] POSIX 排序序列 |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 | 是 | 是 | 是 | 否 | 否 |
[=x=] POSIX 等值字符 |
否 | 否 | 否 | 否 | 否 | 否 | 否 | 否 | 是 | 是 | 是 | 是 | 是 | 否 | 否 |
- ↑ 1.0 1.1 有些引擎中
\w
是可以匹配汉字的,这里以不匹配汉字作为参考。 - ↑ 2.0 2.1 2.2 2.3 2.4 除
^
、$
和\b
外的其它单词边界在不同引擎中适用性范围窄,一般不使用。 - ↑ 其实在大部分引擎中可以这样写:
[0-36-9]
。 - ↑ 取自微软-正则表达式 2 (re2.h) 语法。
- ↑ 命名字符类。对于C++11的regex_traits::lookup_classname,缺省返回字符类的名字:"alnum", "apha", "blank", "cntrl", "digit", "graph", "lower", "print", "punct", "space", "upper", "xdigit", "d", "s", "w",取自维基百科。
在萌百
使用正则表达式编辑
在萌百,你可以在编辑器中使用正则语法进行替换,只需要打开默认编辑器中的“高级”,点击最右侧的图标,并在弹出的窗口中勾选“使用正则表达式”。
同时各种编辑器,如Wiki+、IPE等也均支持使用正则表达式进行查找的替换。
在模板/页面中使用正则表达式
萌百有一系列模板可以进行正则表达式的匹配和替换,其中{{regex}}调用了PHP的正则表达式,功能最为强大,而其他模板(如{{Str test}}、{{Str match}}、{{Str replace}}等)则使用的是Lua正则表达式,无法实现部分功能,而且还要占用Lua运行限时。关于这些模板的使用可以直接查看对应模板的文档,在此不再赘述。
|