正则表达式笔记

匹配任何字符：点号(.)

点号(.)在正则表达式中具有特殊意义，它可以代表任何字符。我们把像点号(.)这类在正则表达式中具有特殊意义的字符称为元字符(Metacharacter)，正因为有了它们才成就了正则表达式强大的模糊匹配能力。

恭喜你，你已经学会了第一个元字符，我们将它添加到我们的工具箱中，别着急，你很快就会学会更多的元字符，到那时你将到达一个全新的高度。

匹配行的起始(^)和结束($)

假设我们有这样一个文件，文件中的每一行包含一个公司名，我们想把这些公司名用双引号括起来，怎么办？我们能不能一次搞定呢？ 如果你有这样的想法，你终将成大器。事实上确实可以而且也非常简单，试一试下面这个表达式吧：

^|$

竖线代表或的意思，所以上面的表达式的意思是把行头或行尾替换为双引号。

值得注意的是^和$匹配的是一个位置，也就是行首和行尾，并不匹配具体的字符。正则表达式的元字符一般有两类，一类匹配具体字符，一类匹配位置。别着急，你很快就会学会其他更强大的匹配位置的元字符。

恭喜你，你又学会了三个元字符

字符组

我的英语很差，记性又不好，总是搞混 then 和 than，当我写完一篇英语文章，我想搜索一下这两个单词，看看有没有误用的情况，怎么办？虽然到目前为止你只学会了几个正则表达式元字符，但就解决这个问题来说已经足够了，在继续之前，停下来好好想想该用什么表达式来解决这个问题呢？

then|than

恭喜你，你已经用正则表达式解决了你的第一个问题，这是一个了不起的进步，学会正则表达式很容易，但想灵活应用是非常难的。你已经有了很好的开始。

th[ae]n

是不是有异曲同工之妙啊。其中的方括号在正则表达式中是一个元字符，它表示匹配若干字符之一，所以上面表达式的意思是匹配t，然后是h，然后是a或e，然后是n。怎么样？还好理解吧。

如果我想匹配一个数字，怎么办？好好想想，聪明的人已经想到了，如下：

[0123456789]

如果匹配一个数字需要这么复杂，这是不可接受的，事实上我们可以这么写：

[0-9]

是不是好多了。如果我想匹配一个小写字母，怎么办？ easy， 如下：

[a-z]

大写字母呢？ 还是easy，如下：

[A-Z]

如果我想匹配一个数字或小写字母或大写字母，怎么办？呵呵，有人看到或字可能要这么写：

[0-9]|[a-z]|[A-Z]

这是可以的，还可以怎么办？大胆一点：

[0-9a-zA-Z]

呵呵，是不是很简单啊。值得注意的是在字符组内部，只有出现在开头 ^ 和出现在非开头的 - 才是元字符，其他的任何字符都代表它们自己，如：点号(.)代表任意一个字符，但当它出现在字符组内部时，它只代表它自己。

所以如果你想在字符组内部匹配连字符，那我们必须确保它出现在开头，像下面这样：

[-0-9a-zA-Z]

刚才我们提到，在字符组内部还有一个元字符 ^，当它出现在字符组开头的时候，我们把这样的字符组称为排除型字符组，顾名思义，就是匹配任意未列出的字符，如匹配非数字：

[^0-9]

是不是很简单啊。恭喜你，你又学会了两个元字符。

单词分界符

假设你想在一个文件中搜索 hi，很不幸 hisoft (海辉软件)也被查出来了，可是我只想搜索单词hi，怎么办呢？试一试下面的表达式吧：

\<hi\>

\< 匹配单词的开始，\> 匹配单词的结束（单词分界符），其实还有一个元字符也表示单词分界符，下面的表达式和上面是一个意思：

\bhi\b

既然有匹配单词边界的需求，当然也会有匹配非单词边界的需求，如果你想查找包含 hi 的单词，试一试下面的表达式吧：

hi\B

怎么样，简单吧，注意以上元字符匹配的是一个边界，而不是具体的字符。恭喜你，你又学会了四个元字符。

环视

假设让你在一个文件中查找一下 u 后面不是 x 的单词，怎么办？ 一个很自然的想法是用下面的正则表达式来查找：u[^x]

不过遗憾的是，你很可能漏掉了部分单词，啊？ 是吗？ 我怎么没看出问题来呢？ 到底会漏掉什么样的单词呢？ 呵呵，如果 you 这个单词出现在一行的末尾，试一试，你还能用这个表达式搜索出来吗？ 记住排除型字符组的意思是匹配一个未列出的字符，而不是不要匹配列出的字符。

那么正确的做法是什么呢？ 试一试下面的表达式吧。

u(?!x)

这个表达式是什么意思呢？它的意思是匹配字母 u， 且 u 的右边不是 x。那我想查找 u 后面是 x 的单词该怎么办呢？试一试下面的表达式吧：

u(?=x)

那我想查找 u 前面是 x 的单词该怎么办呢？试一试下面的表达式吧：

(?<=x)u

那我想查找 u 前面不是 x 的单词该怎么办呢？试一试下面的表达式吧：

(?<!x)u

呵呵，是不是有点糊涂啊。再看一遍。我们把这四个元字符称为环视(lookaround)，它们和我们之前学过的单词分界符，行的起始和结束符一样，它们只匹配位置，而不匹配具体的字符，了解这一点很重要。恭喜你，你又学会了四个非常强悍的正则表达式元字符。

字符转译序列

我们已经学习了好多正则表达式元字符，它们在正则表达式中有特殊的意义，而丧失了它们本来的意义。有时候我们只想匹配它本身，该怎么办呢？ 如：我想匹配点号，可是在正则表达式中，点号代表任意单个字符，这时候我们只需要在点号的前面加反斜杠就 OK 了，如下：

\.

我们把这种形式称为转义。我们可以在任何元字符的前面加上反斜杠来匹配它自己。

假设现在有个文件，其中有好多空行，你想把连续多个空行替换成一个空行， 该怎么办？ 在 Replace With 中输入\r\n，然后狂点Replace All就搞定了。其中的\r 代表回车， \n代表换行， 怎么样，简单吧。

除此之外，我们可以把逗号替换成tab符，一种办法是在文件中输入一个tab符，然后把这个tab符复制粘贴到Replace With中，第二种办法就是使用字符转义\t。

恭喜你，你又学会了3个元字符（从严格意义上讲，\r \n \t 并不是正则表达式元字符，而是字符转义，为了便于大家理解，你可以把它们当做元字符看待）。

字符组转译序列

还记得我们在字符组这一节中是如何匹配数字的吗？ 对了， 是[0-9]， 事实上如果你这样去匹配一个数字，别人可能要笑话你 out 了， 更常用的是\d，而且 \d 比前者更强大， 因为如果工具支持 Unicode，它还可以匹配中文全角数字，在 EmEditor 中试一试吧。

有匹配数字的需求，当然肯定会有匹配非数字的需求，试一试 \D 吧。当然你也可以用 [^0-9] 或 [^\d]。

如果你想匹配一个组成单词的字符，该怎么办呢？ 试一试 [a-zA-Z0-9] 吧，当然更常用的是 \w，而且 \w 比前者更强大，因为如果工具支持 Unicode， 它还可以匹配汉字，在 EmEditor 中亲自操练一下吧。

当然，如果让你匹配一个非组成单词的字符，该怎么办呢？不知道？ 好好想想。看看上面的非数字，你猜对了，是 \W，当然也可以这样[^\w]。

大家知道什么叫空白字符吗? 像空格、tab等这类字符我们称之为空白字符，因为我们无法看到它们。我们可以用 [\t\v\r\n\f] 来匹配空白字符，当然更常用的是 \s，那如何匹配非空白字符呢？ 试一试 \S 吧，当然你也可以用[^\s]。

恭喜你，你又学会了6个元字符。

量词

我们已经学会了使用 \d 来匹配数字，如果我要匹配三个数字， 我可以写成 \d\d\d， 那如果我要匹配三十个数字，是不是要写三十个 \d 呢？ 呵呵， 当然不用。试一试下面的表达式吧。

\d{30}

有时候，我们并不能确定有多少个数字，甚至有时候我们连有没有数字也无法确定，该怎么匹配呢？看看下面这个表格吧，我们把这些元字符称为量词(quantifiers)

我们知道 July 和 Jul 都可以表示七月，我们想在文件中查找这个单词，该怎么办呢？easy， 很显然我们之前做过一个类似的例子，用下面的正则表达式。

July|Jul

事实上，我们还可以这样

July?

看懂了吗？ 注意问号修饰的是字母y 。表示 y 可以不出现，也可以只出现一次。更简单点说，y 是可有可无的。怎么样？简单吧。之前我们学习了如何匹配空行，还记得吗？ 对了，用下面的表达式：

^$

事实上，这个表达式并不精确，因为空行中可以包括空白字符，当然，也可以没有，所以，正确的应该是:

^\s*$

恭喜你，你又学会了6个元字符。

括号及向后引用

假设你有一个文件，其中包括两列，第一列是姓名，第二列是身份证号，中间用逗号分隔。现在让你把这两列调换一下顺序，也就是第一列是身份证号，第二列是姓名，该怎么办呢？

莫山山,121231231231273
叶红鱼,234234234234234

\2,\1

调出Replace对话框，在Find中输入(.*),(.*)，在 Replace With 中输入\2,\1，然后优雅的点击Replace All就搞定了。

就这么简单？ 是的，就这么简单。在正则表达式中括号有个神奇的功能，它能够记住它包含的子表达式匹配的文本，\1表示第一个括号中的内容， \2表示第二个括号中的内容。我们把这种神奇的功能称为后向引用（backreference）。不过遗憾的 EmEditor 最多能引用九个括号，也就是说支持从 \1 - \9。

事实上，在很多时候我们使用括号并不是想要它的后向引用功能，而是将若干字符组成一个单元。还记得在量词一节中，我们是如何匹配七月的吗？对了， 用下面的表达式：

July?

问号的作用对象是 y，表示 y 可有可无。如果现在让你匹配一月 (january 或 jan) 该怎么办呢？答案是使用括号，如下：

jan(uary)?

尽管在这里我们并不希望括号能够记住它包含的内容，但是它还是记住了。这样会使我们的正则表达式效率低下，为此正则表达式提供了另一种形式的括号，我们可以将上面的表达式改写成下面这样：

jan(?:uary)?

这样正则表达式的运行效率会更高。

恭喜你，你有学会了二个元字符。

非贪婪匹配

我们接着上节的例子，你有一个文件，其中包括两列，第一列是姓名，第二列是身份证号，中间用逗号分隔。不同的是，姓名和身份证号都用双引号引起来。像下面这样：

"尚波","1234567890"

假设你想查找姓名这一列，用下面的表达式：

^”.*”

然而结果并非像我们期望的那样匹配 "尚波"，而是匹配了整行 "尚波","1234567890"，这不是我们想要的。我们把星号(*)这种匹配方式称为贪婪（greedy）匹配。我们到底该怎么办呢？ 试一试下面的表达式吧。

^”.*?”

呵呵，怎么样？简单吧，仅仅在星号之后加上问号我们就改变成了非贪婪匹配。其他量词同星号一样。

贪婪匹配：*, +, ?, {n}, {n,}, {n,m} 非贪婪匹配：*?, +?, ??, {n}?, {n,}?, {n,m}?

事实上，我们还有其他办法解决这个问题，试一试下面的表达式吧。

^”[^”]*”

使用技巧

去除首尾空白字符

在对文件进行操作的时候，我们经常需要去除文件中每一行的首尾空白字符，使用正则表达式，这是一个非常轻松的活

^\s+|\s+$

去掉文件名中的路径

如何把一个文件名中的路径去掉呢？ 如： /var/tmp/test.txt

^.*/

匹配时刻

假设我们想查找英文时刻，像下面这样：

8:05 am 10:01 am 12:50 pm 3:09 pm

我们该如何匹配这些时刻呢？有些人觉得非常简单，用下面的正则表达式：

\d?\d:\d\d [ap]m

这个正则表达式确实可以匹配上面的时刻，但它也可以匹配如 66:77 am 这样的无意义的时刻。事实上，我们在使用正则表达式的时候经常要在准确性和简单性之间求得平衡，如果我们只是想简单的在文件中查找一下这样的时刻，我们完全可以用上面的表达式，但是有些时候，我们必须更为精确的匹配时刻，那到底该怎么匹配呢？

我们先分析小时部分。小时可以是一位数，我们可以这样匹配 [1-9]，或是两位数，我们可以这样匹配 1[012]，所以完整的就是 [1-9]|1[012]。

分钟部分相对要简单的多，我们可以这样匹配 [0-5][0-9]

所以，完整的就是用下面的表达式：

([1-9]|1[012]):[0-5][0-9] [ap]m

为数值添加逗号

假设现在你有一些像下面这样的数字，你想为它们从右到左每四位添加一个逗号，从而使它们可读性更好，该怎么办呢？

1234567890

也许你觉得，下面的办法可以解决问题：

在 EmEditor 中Ctrl+H 调出Replace 对话框，在 Find 中输入(\d\d\d\d)，在 Replace With 中输入\1,。不过遗憾的是结果变成了这个样子：

1234,5678,90

因为正则表达式是从左到右处理的。

这个问题的难度真的是很大，我们这样来分析，我们需要在数字中这样的位置插入逗号，它的左边必须有数字，而它右边的数字必须是4的倍数。那么怎么才能找到这样的位置呢？ 还记得匹配位置的元字符有哪些吗？呵呵，事实上，用环视元字符解决这个问题是非常简单的，试一试下面的表达式吧。

在 EmEditor 中Ctrl+H 调出Replace 对话框，在 Find 中输入(?<=\d)(?=(\d\d\d\d)+$)，在 Replace With 中输入,。

哇，这个表达式真的是太神奇了，你看懂了吗？