「嘉年华观会」正则表达式（二）

原创

如雨随行

发布于 2024-09-25 21:44:39

2290

三、进阶用法

1、子表达式

子表达式的作用是把一个表达式中相关的部分组合在一起。用()来定义。常见用途为： a) 对重复次数元字符的作用对象做出精确的设定和控制，例如：(\d{1,3}.){3}\d{1,3}来粗略匹配ip地址 b) 对|操作符的OR条件做出准确的定义。另外子表达式可以嵌套使用、频繁使用子表达式会降低效率

2、回溯引用

回溯引用允许正则表达式引用前面的匹配结果应用场景： a) 有一段文本，你想把这段文本中所有连续重复出现的单词找出来。文本： This is a block of of text, serveral words here are are repeated, and and they should not be. 正则表达式： +(\w+) +\1 结果：匹配出of of, are are, and and 解释： +匹配一个或多个空格，\w+匹配一个单词，\w+是放在()中的，是个子表达式，这里子表达式的作用是将这一部分单独划分出来供后面引用，\1是一个回溯引用，匹配\w+具体匹配的内容，当(\w+)匹配到of时，\1就是of。 b) 匹配下面html中的标题内容（h1-6标签）

		  <body>
		    <h1>welcome to my homepage</h1>
		    <h2>ColdFusion</h3>
		  </body>

     如果使用正则表达式 <h1-6>.*?</h1-6>，那么第二行也会被匹配进去，这很明显不是我们想要的，因为第二行的h2和h3标签不匹配。      我们应该使用<h(1-6)>.*?</h\1>，这样\<h2>ColdFusion\</h3>不会匹配
    c) 替换     我们要把一堆电话号码313-555-1234替换成(313)555-1234     文本     313-555-1234     248-555-9999     正则表达式     (\d{3})-(\d{3})-(\d{4})     替换     ($1)$2-$3     结果     (313)555-1234     (248)555-9999
    d) 大小写转换

<p align=center font-size=20px><strong>用来进行大小转换的元字符</strong></p>

元字符	说明
\l	把下一个字符转换小写
\u	把下一个字符转换大写
\L	把\L到\E之间的字符转成小写
\U	把\U到\E之间的字符转成大写
\E	结束\L或\U转换

例子：把一级标签(\<h1>...\</h1>)的标题文字转换为大写

		<body>
		  <h1>Welcome to my Homepage</h1>
		  content is divided
		  <h2>ColdFusion</h2>
		</body>

正字表达式

(<h1>)(.*?)(</h1>)

替换

	$1\U$2\E$3

结果

	<body>
	  <h1>WELCOME TO MY HOMEPAGE</h1>
	  content is divided
	  <h2>ColdFusion</h2>
	</body>

3、前后查找

<font size=4px> 前后查找的作用就是标识位置，而不在匹配结果中出现（不消费）</font>

限定符	解释
(?=)	正向前查找
(?!)	负向前查找
(?<=)	正向后查找（有些不支持）
(?<!)	负向后查找（有些不支持）

例子：找出title标签中的内容

	<head>
	  <title>Ben Forta's Homepage</title>
	</head>

正则：

	(?<=<title>).*?(?=</title>)

结果：匹配Ben Forta's Homepage，title标签会自动去掉

4、嵌入条件

相当于在正则中加入if else，很强大但不常用

a) 回溯引用条件例子：(123)456-9999和123-456-9999都是可接受的电话号码，前面区号要么被()括起来，要么用-隔开；文本： 123-456-7890 (123)456-7890 (123)-456-7890 (123-456-7890 正则：

  		(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}

结果：匹配1、2行
解释：(()?匹配一个可选的(,我们把它用()括了起来，得到了一个表达式。随后\d{3}匹配三个数字（即123）。 (?(1))|-)是一个回溯引用，它将根据条件是否得到满足取匹配)或者-（如果(1)存在，)必须被匹配；否则-必须被匹配）

*<font color='red'><b>提示：嵌入了条件的模式看上去往往非常复杂，这意味着调试工作可能也会变得困难。我们可以先对整个模式的各个部分分别进行调试，再把它们拼装到一起。</b></font>

b) 前后查找条件（在实际工作中，往往可以用更简单的办法来达到同样的目的）例子：匹配邮政编码，一种是12345形式，一种是123456-6789 文本： 11111 22222- 33333-4444 正则：

		\d{5}(?(?=-)-\d{4})

结果：匹配1、3行解释：\d{5}匹配前面的5位数字。接下来(?(?=-)-\d{4})是向前查找条件。?=-匹配（但不消费）一个连字符-,如果条件满足（连字符-存在），-\d{4}将匹配那个连字符和紧跟在后的4位数字。这样22222-就被排除在外了，因为它满足条件，但后面的却没有匹配。更简单的方式：\d{5}(-\d{4})?
<b>总结：?后跟判别式，随后紧跟满足条件下的匹配子串，如果有不满足的子串，则紧跟在|后面。记得用()括起来</b>

四、附录

1、表示非换行型空格（non-breaking space）

2、常见的正则表达式

a) IP地址

文本：

localhost is 127.0.0.1

正则：

(((\d{1,2})|(1\d{2})|(2[0-4]\d)|25[0-5]))\.){3}
((\d{1,2})|(1\d{2})|(2[0-4]\d)|25[0-5]))

解释：

\d{1,2}匹配0-99，1\d{2}匹配100-199，20-4\d匹配200-249，250-5匹配250-255

b) URL地址

文本：

 http://www.baidu.com/blog
 https://www.baidu.com
 http://localhost:8500/
 http://localhost/index.html?a=1&b=32

正则：

	http[s]?//[-\w.]+(:\d+)?(/([\w/_.]*)?)?

结果：

第1、2、3以及第4行到?为止

c) 邮箱地址

	(\w+\.)*\w+@(\w\.)+[A-Za-z]+

d) html注释

	<!-{2,}.*?-{2,}>

e) 匹配中文

	 [\u4e00-\u9fa5]

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

腾讯技术创作特训营S9

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

腾讯技术创作特训营S9

登录后参与评论

0 条评论

热度