[原創文章，轉載請保留或註明出處：http://www.regexlab.com/zh/regref.htm]

引言

    正則表示式（regular expression）就是用一個“字串”來描述一個特徵，然後去驗證另一個“字串”是否符合這個特徵。比如 表示式“ab+” 描述的特徵是“一個 'a' 和 任意個 'b' ”，那麼 'ab', 'abb', 'abbbbbbbbbb' 都符合這個特徵。

    正則表示式可以用來：（1）驗證字串是否符合指定特徵，比如驗證是否是合法的郵件地址。（2）用來查詢字串，從一個長的文字中查詢符合指定特徵的字串，比查詢固定字串更加靈活方便。（3）用來替換，比普通的替換更強大。

   正則表示式學習起來其實是很簡單的，不多的幾個較為抽象的概念也很容易理解。之所以很多人感覺正則表示式比較複雜，一方面是因為大多數的文件沒有做到由淺入深地講解，概念上沒有注意先後順序，給讀者的理解帶來困難；另一方面，各種引擎自帶的文件一般都要介紹它特有的功能，然而這部分特有的功能並不是我們首先要理解的。

    文章中的每一個舉例，都可以點選進入到測試頁面進行測試。閒話少說，開始。

1. 正則表示式規則

1.1 普通字元

    字母、數字、漢字、下劃線、以及後邊章節中沒有特殊定義的標點符號，都是"普通字元"。表示式中的普通字元，在匹配一個字串的時候，匹配與之相同的一個字元。

     舉例1：表示式 "c"，在匹配字串 "abcde" 時，匹配結果是：成功；匹配到的內容是："c"；匹配到的位置是：開始於2，結束於3。（注：下標從0開始還是從1開始，因當前程式語言的不同而可能不同）

     舉例2：表示式 "bcd"，在匹配字串 "abcde" 時

1.2 簡單的轉義字元

    一些不便書寫的字元，採用在前面加 "\" 的方法。這些字元其實我們都已經熟知了。

    還有其他一些在後邊章節中有特殊用處的標點符號，在前面加 "\" 後，就代表該符號本身。比如：^, $ 都有特殊意義，如果要想匹配字串中 "^" 和 "$" 字元，則表示式就需要寫成 "\^" 和 "\$"。

    這些轉義字元的匹配方法與 "普通字元" 是類似的。也是匹配與之相同的一個字元。

     舉例1：表示式 "\$d"，在匹配字串 "abc$de" 時，匹配結果是：成功；匹配到的內容是："$d"；匹配到的位置是：開始於3，結束於5。

1.3 能夠與 '多種字元' 匹配的表示式

    正則表示式中的一些表示方法，可以匹配 '多種字元' 其中的任意一個字元。比如，表示式 "\d" 可以匹配任意一個數字。雖然可以匹配其中任意字元，但是隻能是一個，不是多個。這就好比玩撲克牌時候，大小王可以代替任意一張牌，但是隻能代替一張牌。

     舉例1：表示式 "\d\d"，在匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："12"；匹配到的位置是：開始於3，結束於5。

     舉例2：表示式 "a.\d"，在匹配 "aaa100" 時，匹配的結果是：成功；匹配到的內容是："aa1"；匹配到的位置是：開始於1，結束於4。

1.4 自定義能夠匹配 '多種字元' 的表示式

    使用方括號 [ ] 包含一系列字元，能夠匹配其中任意一個字元。用 [^ ] 包含一系列字元，則能夠匹配其中字元之外的任意一個字元。同樣的道理，雖然可以匹配其中任意一個，但是隻能是一個，不是多個。

     舉例1：表示式 "[bcd][bcd]" 匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："bc"；匹配到的位置是：開始於1，結束於3。

     舉例2：表示式 "[^abc]" 匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："1"；匹配到的位置是：開始於3，結束於4。

1.5 修飾匹配次數的特殊符號

    前面章節中講到的表示式，無論是隻能匹配一種字元的表示式，還是可以匹配多種字元其中任意一個的表示式，都只能匹配一次。如果使用表示式再加上修飾匹配次數的特殊符號，那麼不用重複書寫表示式就可以重複匹配。

    使用方法是："次數修飾"放在"被修飾的表示式"後邊。比如："[bcd][bcd]" 可以寫成 "[bcd]{2}"。

     舉例1：表示式 "\d+\.?\d*" 在匹配 "It costs $12.5" 時，匹配的結果是：成功；匹配到的內容是："12.5"；匹配到的位置是：開始於10，結束於14。

     舉例2：表示式 "go{2,8}gle" 在匹配 "Ads by goooooogle" 時，匹配的結果是：成功；匹配到的內容是："goooooogle"；匹配到的位置是：開始於7，結束於17。

1.6 其他一些代表抽象意義的特殊符號

    一些符號在表示式中代表抽象的特殊意義：

    進一步的文字說明仍然比較抽象，因此，舉例幫助大家理解。

     舉例1：表示式 "^aaa" 在匹配 "xxx aaa xxx" 時，匹配結果是：失敗。因為 "^" 要求與字串開始的地方匹配，因此，只有當 "aaa" 位於字串的開頭的時候，"^aaa" 才能匹配， 比如："aaa xxx xxx"。

     舉例2：表示式 "aaa$" 在匹配 "xxx aaa xxx" 時，匹配結果是：失敗。因為 "$" 要求與字串結束的地方匹配，因此，只有當 "aaa" 位於字串的結尾的時候，"aaa$" 才能匹配， 比如："xxx xxx aaa"。

     舉例3：表示式 ".\b." 在匹配 "@@@abc" 時，匹配結果是：成功；匹配到的內容是："@a"；匹配到的位置是：開始於2，結束於4。
    進一步說明："\b" 與 "^" 和 "$" 類似，本身不匹配任何字元，但是它要求它在匹配結果中所處位置的左右兩邊，其中一邊是 "\w" 範圍，另一邊是 非"\w" 的範圍。

     舉例4：表示式 "\bend\b" 在匹配 "weekend,endfor,end" 時，匹配結果是：成功；匹配到的內容是："end"；匹配到的位置是：開始於15，結束於18。

    一些符號可以影響表示式內部的子表示式之間的關係：

     舉例5：表示式 "Tom|Jack" 在匹配字串 "I'm Tom, he is Jack" 時，匹配結果是：成功；匹配到的內容是："Tom"；匹配到的位置是：開始於4，結束於7。匹配下一個時，匹配結果是：成功；匹配到的內容是："Jack"；匹配到的位置時：開始於15，結束於19。

     舉例6：表示式 "(go\s*)+" 在匹配 "Let's go go go!" 時，匹配結果是：成功；匹配到內容是："go go go"；匹配到的位置是：開始於6，結束於14。

     舉例7：表示式 "￥(\d+\.?\d*)" 在匹配 "＄10.9,￥20.5" 時，匹配的結果是：成功；匹配到的內容是："￥20.5"；匹配到的位置是：開始於6，結束於10。單獨獲取括號範圍匹配到的內容是："20.5"。

2. 正則表示式中的一些高階規則

2.1 匹配次數中的貪婪與非貪婪

    在使用修飾匹配次數的特殊符號時，有幾種表示方法可以使同一個表示式能夠匹配不同的次數，比如："{m,n}", "{m,}", "?", "*", "+"，具體匹配的次數隨被匹配的字串而定。這種重複匹配不定次數的表示式在匹配過程中，總是儘可能多的匹配。比如，針對文字 "dxxxdxxxd"，舉例如下：

    由此可見，"\w+" 在匹配的時候，總是儘可能多的匹配符合它規則的字元。雖然第二個舉例中，它沒有匹配最後一個 "d"，但那也是為了讓整個表示式能夠匹配成功。同理，帶 "*" 和 "{m,n}" 的表示式都是儘可能地多匹配，帶 "?" 的表示式在可匹配可不匹配的時候，也是儘可能的 "要匹配"。這 種匹配原則就叫作 "貪婪" 模式 。

    非貪婪模式：

    在修飾匹配次數的特殊符號後再加上一個 "?" 號，則可以使匹配次數不定的表示式儘可能少的匹配，使可匹配可不匹配的表示式，儘可能的 "不匹配"。這種匹配原則叫作 "非貪婪" 模式，也叫作 "勉強" 模式。如果少匹配就會導致整個表示式匹配失敗的時候，與貪婪模式類似，非貪婪模式會最小限度的再匹配一些，以使整個表示式匹配成功。舉例如下，針對文字 "dxxxdxxxd" 舉例：

    更多的情況，舉例如下：

     舉例1：表示式 "<td>(.*)</td>" 與字串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配時，匹配的結果是：成功；匹配到的內容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整個字串， 表示式中的 "</td>" 將與字串中最後一個 "</td>" 匹配。 

     舉例2：相比之下，表示式 "<td>(.*?)</td>" 匹配舉例1中同樣的字串時，將只得到 "<td><p>aa</p></td>"， 再次匹配下一個時，可以得到第二個 "<td><p>bb</p></td>"。

2.2 反向引用 \1, \2...

    表示式在匹配時，表示式引擎會將小括號 "( )" 包含的表示式所匹配到的字串記錄下來。在獲取匹配結果的時候，小括號包含的表示式所匹配到的字串可以單獨獲取。這一點，在前面的舉例中，已經多次展示了。在實際應用場合中，當用某種邊界來查詢，而所要獲取的內容又不包含邊界時，必須使用小括號來指定所要的範圍。比如前面的 "<td>(.*?)</td>"。

    其實，"小括號包含的表示式所匹配到的字串" 不僅是在匹配結束後才可以使用，在匹配過程中也可以使用。表示式後邊的部分，可以引用前面 "括號內的子匹配已經匹配到的字串"。引用方法是 "\" 加上一個數字。"\1" 引用第1對括號內匹配到的字串，"\2" 引用第2對括號內匹配到的字串……以此類推，如果一對括號內包含另一對括號，則外層的括號先排序號。換句話說，哪一對的左括號 "(" 在前，那這一對就先排序號。

    舉例如下：

     舉例1：表示式 "('|")(.*?)(\1)" 在匹配 " 'Hello', "World" " 時，匹配結果是：成功；匹配到的內容是：" 'Hello' "。再次匹配下一個時，可以匹配到 " "World" "。

     舉例2：表示式 "(\w)\1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 時，匹配結果是：成功；匹配到的內容是 "ccccc"。再次匹配下一個時，將得到 999999999。這個表示式要求 "\w" 範圍的字元至少重複5次， 注意與 "\w{5,}" 之間的區別。

     舉例3：表示式 "<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 時，匹配結果是成功。如果 "<td>" 與 "</td>" 不配對，則會匹配失敗；如果改成其他配對，也可以匹配成功。

2.3 預搜尋，不匹配；反向預搜尋，不匹配

    前面的章節中，我講到了幾個代表抽象意義的特殊符號："^"，"$"，"\b"。它們都有一個共同點，那就是：它們本身不匹配任何字元，只是對 "字串的兩頭" 或者 "字元之間的縫隙" 附加了一個條件。理解到這個概念以後，本節將繼續介紹另外一種對 "兩頭" 或者 "縫隙" 附加條件的，更加靈活的表示方法。

    正向預搜尋："(?=xxxxx)"，"(?!xxxxx)"

    格式："(?=xxxxx)"，在被匹配的字串中，它對所處的 "縫隙" 或者 "兩頭" 附加的條件是：所在縫隙的右側，必須能夠匹配上 xxxxx 這部分的表示式。因為它只是在此作為這個縫隙上附加的條件，所以它並不影響後邊的表示式去真正匹配這個縫隙之後的字元。這就類似 "\b"，本身不匹配任何字元。"\b" 只是將所在縫隙之前、之後的字元取來進行了一下判斷，不會影響後邊的表示式來真正的匹配。

     舉例1：表示式 "Windows (?=NT|XP)" 在匹配 "Windows 98, Windows NT, Windows 2000" 時，將只匹配 "Windows NT" 中的 "Windows "，其他的 "Windows " 字樣則不被匹配。

     舉例2：表示式 "(\w)((?=\1\1\1)(\1))+" 在匹配字串 "aaa ffffff 999999999" 時，將可以匹配6個"f"的前4個，可以匹配9個"9"的前7個。這個表示式可以讀解成：重複4次以上的字母數字，則匹配其剩下最後2位之前的部分。當然，這個表示式可以不這樣寫，在此的目的是作為演示之用。

    格式："(?!xxxxx)"，所在縫隙的右側，必須不能匹配 xxxxx 這部分表示式。

     舉例3：表示式 "((?!\bstop\b).)+" 在匹配 "fdjka ljfdl stop fjdsla fdj" 時，將從頭一直匹配到 "stop" 之前的位置，如果字串中沒有 "stop"，則匹配整個字串。

     舉例4：表示式 "do(?!\w)" 在匹配字串 "done, do, dog" 時，只能匹配 "do"。在本條舉例中，"do" 後邊使用 "(?!\w)" 和使用 "\b" 效果是一樣的。

    反向預搜尋："(?<=xxxxx)"，"(?<!xxxxx)"

    這兩種格式的概念和正向預搜尋是類似的，反向預搜尋要求的條件是：所在縫隙的 "左側"，兩種格式分別要求必須能夠匹配和必須不能夠匹配指定表示式，而不是去判斷右側。與 "正向預搜尋" 一樣的是：它們都是對所在縫隙的一種附加條件，本身都不匹配任何字元。

    舉例5：表示式 "(?<=\d{4})\d+(?=\d{4})" 在匹配 "1234567890123456" 時，將匹配除了前4個數字和後4個數字之外的中間8個數字。由於 JScript.RegExp 不支援反向預搜尋，因此，本條舉例不能夠進行演示。很多其他的引擎可以支援反向預搜尋，比如：Java 1.4 以上的 java.util.regex 包，.NET 中System.Text.RegularExpressions 名稱空間，以及本站推薦的最簡單易用的 DEELX 正則引擎。

3. 其他通用規則

    還有一些在各個正則表示式引擎之間比較通用的規則，在前面的講解過程中沒有提到。

3.1 表示式中，可以使用 "\xXX" 和 "\uXXXX" 表示一個字元（"X" 表示一個十六進位制數）

3.2 在表示式 "\s"，"\d"，"\w"，"\b" 表示特殊意義的同時，對應的大寫字母表示相反的意義

3.3 在表示式中有特殊意義，需要新增 "\" 才能匹配該字元本身的字元彙總

3.4 括號 "( )" 內的子表示式，如果希望匹配結果不進行記錄供以後使用，可以使用 "(?:xxxxx)" 格式

     舉例1：表示式 "(?:(\w)\1)+" 匹配 "a bbccdd efg" 時，結果是 "bbccdd"。括號 "(?:)" 範圍的匹配結果不進行記錄，因此 "(\w)" 使用 "\1" 來引用。

3.5 常用的表示式屬性設定簡介：Ignorecase，Singleline，Multiline，Global

4. 其他提示

4.1 如果想要了解高階的正則引擎還支援那些複雜的正則語法，可參見本站 DEELX 正則引擎的說明文件。

4.2 如果要要求表示式所匹配的內容是整個字串，而不是從字串中找一部分，那麼可以在表示式的首尾使用 "^" 和 "$"，比如："^\d+$" 要求整個字串只有數字。

4.3 如果要求匹配的內容是一個完整的單詞，而不會是單詞的一部分，那麼在表示式首尾使用 "\b"，比如： 使用 "\b(if|while|else|void|int……)\b" 來匹配程式中的關鍵字。

4.4 表示式不要匹配空字串。否則會一直得到匹配成功，而結果什麼都沒有匹配到。比如：準備寫一個匹配 "123"、"123."、"123.5"、".5" 這幾種形式的表示式時，整數、小數點、小數數字都可以省略，但是不要將表示式寫成："\d*\.?\d*"，因為如果什麼都沒有，這個表示式也可以匹配成功。 更好的寫法是："\d+\.?\d*|\.\d+"。

4.5 能匹配空字串的子匹配不要迴圈無限次。如果括號內的子表示式中的每一部分都可以匹配 0 次，而這個括號整體又可以匹配無限次，那麼情況可能比上一條所說的更嚴重，匹配過程中可能死迴圈。雖然現在有些正則表示式引擎已經通過辦法避免了這種情況出現死迴圈了，比如 .NET 的正則表示式，但是我們仍然應該儘量避免出現這種情況。如果我們在寫表示式時遇到了死迴圈，也可以從這一點入手，查詢一下是否是本條所說的原因。

4.6 合理選擇貪婪模式與非貪婪模式，參見話題討論。

4.7 或 "|" 的左右兩邊，對某個字元最好只有一邊可以匹配，這樣，不會因為 "|" 兩邊的表示式因為交換位置而有所不同。

5. 進階與實戰

5.1 重要提示：本站 正則工具 Regex Match Tracer 2.1 （免費）已可以免費無限制使用：

    [ 免費下載 Match Tracer] - 396kb

5.2 下載正則表示式文件 chm 版本

    [ 點選下載 chm 版本] - DEELX 正則語法，包含其他高階語法的 chm 版本。

5.3 更多深入話題及使用案例

    [ 關於遞迴匹配的討論] - 討論如何使用不支援遞迴的正則引擎匹配巢狀結構

    [ 本頁尾本] - 本頁的“關閉高亮”功能，採用 javascript 的正則表示式實現的。

        比如表示式： (a+b|[cd])$