什么是正則表達(dá)式
如果原來沒有使用過正則表達(dá)式，那么可能對(duì)這個(gè)術(shù)語和概念會(huì)不太熟悉。不過，它們并不是您想象的那么新奇。
請(qǐng)回想一下在硬盤上是如何查找文件的。您肯定會(huì)使用 ? 和 * 字符來幫助查找您正尋找的文件。? 字符匹配文件名中的單個(gè)字符，而 * 則匹配一個(gè)或多個(gè)字符。一個(gè)如 'data?.dat' 的模式可以找到下述文件：
data1.dat
data2.dat
datax.dat
dataN.dat
如果使用 * 字符代替 ? 字符，則將擴(kuò)大找到的文件數(shù)量。'data*.dat' 可以匹配下述所有文件名：
data.dat
data1.dat
data2.dat
data12.dat
datax.dat
dataXYZ.dat
盡管這種搜索文件的方法肯定很有用，但也十分有限。? 和 * 通配符的有限能力可以使你對(duì)正則表達(dá)式能做什么有一個(gè)概念，不過正則表達(dá)式的功能更強(qiáng)大，也更靈活。
早期起源
正則表達(dá)式的“祖先”可以一直上溯至對(duì)人類神經(jīng)系統(tǒng)如何工作的早期研究。Warren McCulloch 和 Walter Pitts 這兩位神經(jīng)生理學(xué)家研究出一種數(shù)學(xué)方式來描述這些神經(jīng)網(wǎng)絡(luò)。
1956 年, 一位叫 Stephen Kleene 的數(shù)學(xué)家在 McCulloch 和 Pitts 早期工作的基礎(chǔ)上，發(fā)表了一篇標(biāo)題為“神經(jīng)網(wǎng)事件的表示法”的論文，引入了正則表達(dá)式的概念。正則表達(dá)式就是用來描述他稱為“正則集的代數(shù)”的表達(dá)式，因此采用“正則表達(dá)式”這個(gè)術(shù)語。
隨后，發(fā)現(xiàn)可以將這一工作應(yīng)用于使用 Ken Thompson 的計(jì)算搜索算法的一些早期研究，Ken Thompson 是 Unix 的主要發(fā)明人。正則表達(dá)式的第一個(gè)實(shí)用應(yīng)用程序就是 Unix 中的 qed 編輯器。
如他們所說，剩下的就是眾所周知的歷史了。從那時(shí)起直至現(xiàn)在正則表達(dá)式都是基于文本的編輯器和搜索工具中的一個(gè)重要部分。
使用正則表達(dá)式
在典型的搜索和替換操作中，必須提供要查找的確切文字。這種技術(shù)對(duì)于靜態(tài)文本中的簡(jiǎn)單搜索和替換任務(wù)可能足夠了，但是由于它缺乏靈活性，因此在搜索動(dòng)態(tài)文本時(shí)就有困難了，甚至是不可能的。
使用正則表達(dá)式，就可以：
•測(cè)試字符串的某個(gè)模式。例如，可以對(duì)一個(gè)輸入字符串進(jìn)行測(cè)試，看在該字符串是否存在一個(gè)電話號(hào)碼模式或一個(gè)信用卡號(hào)碼模式。這稱為數(shù)據(jù)有效性驗(yàn)證。
•替換文本�？梢栽谖臋n中使用一個(gè)正則表達(dá)式來標(biāo)識(shí)特定文字，然后可以全部將其刪除，或者替換為別的文字。
•根據(jù)模式匹配從字符串中提取一個(gè)子字符串。可以用來在文本或輸入字段中查找特定文字。
例如，如果需要搜索整個(gè) web 站點(diǎn)來刪除某些過時(shí)的材料并替換某些HTML 格式化標(biāo)記，則可以使用正則表達(dá)式對(duì)每個(gè)文件進(jìn)行測(cè)試，看在該文件中是否存在所要查找的材料或 HTML 格式化標(biāo)記。用這個(gè)方法，就可以將受影響的文件范圍縮小到包含要?jiǎng)h除或更改的材料的那些文件。然后可以使用正則表達(dá)式來刪除過時(shí)的材料，最后，可以再次使用正則表達(dá)式來查找并替換那些需要替換的標(biāo)記。
另一個(gè)說明正則表達(dá)式非常有用的示例是一種其字符串處理能力還不為人所知的語言。VBScript 是 Visual Basic 的一個(gè)子集，具有豐富的字符串處理功能。與 C 類似的 Jscript 則沒有這一能力。正則表達(dá)式給 JScript 的字符串處理能力帶來了明顯改善。不過，可能還是在 VBScript 中使用正則表達(dá)式的效率更高，它允許在單個(gè)表達(dá)式中執(zhí)行多個(gè)字符串操作。
正則表達(dá)式語法
一個(gè)正則表達(dá)式就是由普通字符（例如字符 a 到 z）以及特殊字符（稱為元字符）組成的文字模式。該模式描述在查找文字主體時(shí)待匹配的一個(gè)或多個(gè)字符串。正則表達(dá)式作為一個(gè)模板，將某個(gè)字符模式與所搜索的字符串進(jìn)行匹配。
這里有一些可能會(huì)遇到的正則表達(dá)式示例：
| JScript | VBScript | 匹配 |
|---|---|---|
| /^\[ \t]*$/ | "^\[ \t]*$" | 匹配一個(gè)空白行。 |
| /\d{2}-\d{5}/ | "\d{2}-\d{5}" | 驗(yàn)證一個(gè)ID 號(hào)碼是否由一個(gè)2位數(shù)字，一個(gè)連字符以及一個(gè)5位數(shù)字組成。 |
| /＜(.*)＞.*＜\/\1＞/ | "＜(.*)＞.*＜\/\1＞" | 匹配一個(gè) HTML 標(biāo)記。 |
下表是元字符及其在正則表達(dá)式上下文中的行為的一個(gè)完整列表：
| 字符 | 描述 |
|---|---|
| \ | 將下一個(gè)字符標(biāo)記為一個(gè)特殊字符、或一個(gè)原義字符、或一個(gè) 向后引用、或一個(gè)八進(jìn)制轉(zhuǎn)義符。例如，'n' 匹配字符 "n"。'\n' 匹配一個(gè)換行符。序列 '\\' 匹配 "\" 而 "\(" 則匹配 "("。 |
| ^ | 匹配輸入字符串的開始位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性，^ 也匹配 '\n' 或 '\r' 之后的位置。 |
| $ | 匹配輸入字符串的結(jié)束位置。如果設(shè)置了RegExp 對(duì)象的 Multiline 屬性，$ 也匹配 '\n' 或 '\r' 之前的位置。 |
| * | 匹配前面的子表達(dá)式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價(jià)于{0,}。 |
| + | 匹配前面的子表達(dá)式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價(jià)于 {1,}。 |
| ? | 匹配前面的子表達(dá)式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等價(jià)于 {0,1}。 |
| {n} | n 是一個(gè)非負(fù)整數(shù)。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個(gè) o。 |
| {n,} | n 是一個(gè)非負(fù)整數(shù)。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價(jià)于 'o+'。'o{0,}' 則等價(jià)于 'o*'。 |
| {n,m} | m 和 n 均為非負(fù)整數(shù)，其中n ＜= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個(gè) o。'o{0,1}' 等價(jià)于 'o?'。請(qǐng)注意在逗號(hào)和兩個(gè)數(shù)之間不能有空格。 |
| ? | 當(dāng)該字符緊跟在任何一個(gè)其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面時(shí)，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認(rèn)的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對(duì)于字符串 "oooo"，'o+?' 將匹配單個(gè) "o"，而 'o+' 將匹配所有 'o'。 |
| . | 匹配除 "\n" 之外的任何單個(gè)字符。要匹配包括 '\n' 在內(nèi)的任何字符，請(qǐng)使用象 '[.\n]' 的模式。 |
| (pattern) | 匹配 pattern 并獲取這一匹配。所獲取的匹配可以從產(chǎn)生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中則使用 $0…$9 屬性。要匹配圓括號(hào)字符，請(qǐng)使用 '\(' 或 '\)'。 |
| (?:pattern) | 匹配 pattern 但不獲取匹配結(jié)果，也就是說這是一個(gè)非獲取匹配，不進(jìn)行存儲(chǔ)供以后使用。這在使用 "或" 字符 (|) 來組合一個(gè)模式的各個(gè)部分是很有用。例如， 'industr(?:y|ies) 就是一個(gè)比 'industry|industries' 更簡(jiǎn)略的表達(dá)式。 |
| (?=pattern) | 正向預(yù)查，在任何匹配 pattern 的字符串開始處匹配查找字符串。這是一個(gè)非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。預(yù)查不消耗字符，也就是說，在一個(gè)匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始。 |
| (?!pattern) | 負(fù)向預(yù)查，在任何不匹配 pattern 的字符串開始處匹配查找字符串。這是一個(gè)非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。預(yù)查不消耗字符，也就是說，在一個(gè)匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始 |
| x|y | 匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"。 |
| [xyz] | 字符集合。匹配所包含的任意一個(gè)字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。 |
| [^xyz] | 負(fù)值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。 |
| [a-z] | 字符范圍。匹配指定范圍內(nèi)的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范圍內(nèi)的任意小寫字母字符。 |
| [^a-z] | 負(fù)值字符范圍。匹配任何不在指定范圍內(nèi)的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范圍內(nèi)的任意字符。 |
| \b | 匹配一個(gè)單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B | 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| \cx | 匹配由 x 指明的控制字符。例如， \cM 匹配一個(gè) Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個(gè)原義的 'c' 字符。 |
| \d | 匹配一個(gè)數(shù)字字符。等價(jià)于 [0-9]。 |
| \D | 匹配一個(gè)非數(shù)字字符。等價(jià)于 [^0-9]。 |
| \f | 匹配一個(gè)換頁(yè)符。等價(jià)于 \x0c 和 \cL。 |
| \n | 匹配一個(gè)換行符。等價(jià)于 \x0a 和 \cJ。 |
| \r | 匹配一個(gè)回車符。等價(jià)于 \x0d 和 \cM。 |
| \s | 匹配任何空白字符，包括空格、制表符、換頁(yè)符等等。等價(jià)于 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等價(jià)于 [^ \f\n\r\t\v]。 |
| \t | 匹配一個(gè)制表符。等價(jià)于 \x09 和 \cI。 |
| \v | 匹配一個(gè)垂直制表符。等價(jià)于 \x0b 和 \cK。 |
| \w | 匹配包括下劃線的任何單詞字符。等價(jià)于'[A-Za-z0-9_]'。 |
| \W | 匹配任何非單詞字符。等價(jià)于 '[^A-Za-z0-9_]'。 |
| \xn | 匹配 n，其中 n 為十六進(jìn)制轉(zhuǎn)義值。十六進(jìn)制轉(zhuǎn)義值必須為確定的兩個(gè)數(shù)字長(zhǎng)。例如，'\x41' 匹配 "A"。'\x041' 則等價(jià)于 '\x04' & "1"。正則表達(dá)式中可以使用 ASCII 編碼。. |
| \num | 匹配 num，其中 num 是一個(gè)正整數(shù)。對(duì)所獲取的匹配的引用。例如，'(.)\1' 匹配兩個(gè)連續(xù)的相同字符。 |
| \n | 標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義值或一個(gè)向后引用。如果 \n 之前至少 n 個(gè)獲取的子表達(dá)式，則 n 為向后引用。否則，如果 n 為八進(jìn)制數(shù)字 (0-7)，則 n 為一個(gè)八進(jìn)制轉(zhuǎn)義值。 |
| \nm | 標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義值或一個(gè)向后引用。如果 \nm 之前至少有 nm 個(gè)獲得子表達(dá)式，則 nm 為向后引用。如果 \nm 之前至少有 n 個(gè)獲取，則 n 為一個(gè)后跟文字 m 的向后引用。如果前面的條件都不滿足，若 n 和 m 均為八進(jìn)制數(shù)字 (0-7)，則 \nm 將匹配八進(jìn)制轉(zhuǎn)義值 nm。 |
| \nml | 如果 n 為八進(jìn)制數(shù)字 (0-3)，且 m 和 l 均為八進(jìn)制數(shù)字 (0-7)，則匹配八進(jìn)制轉(zhuǎn)義值 nml。 |
| \un | 匹配 n，其中 n 是一個(gè)用四個(gè)十六進(jìn)制數(shù)字表示的Unicode 字符。例如， \u00A9 匹配版權(quán)符號(hào) (©)。 |
建立正則表達(dá)式
構(gòu)造正則表達(dá)式的方法和創(chuàng)建數(shù)學(xué)表達(dá)式的方法一樣。也就是用多種元字符與操作符將小的表達(dá)式結(jié)合在一起來創(chuàng)建更大的表達(dá)式�？梢酝ㄟ^在一對(duì)分隔符之間放入表達(dá)式模式的各種組件來構(gòu)造一個(gè)正則表達(dá)式。對(duì) JScript 而言，分隔符為一對(duì)正斜杠 (/) 字符。例如：/expression/。對(duì) VBScript 而言，則采用一對(duì)引號(hào) ("") 來確定正則表達(dá)式的邊界。例如："expression"。
在上面所示的兩個(gè)示例中，正則表達(dá)式模式 (expression) 均存儲(chǔ)在RegExp 對(duì)象的Pattern 屬性中。正則表達(dá)式的組件可以是單個(gè)的字符、字符集合、字符范圍、字符間的選擇或者所有這些組件的任意組合。
優(yōu)先級(jí)順序
在構(gòu)造正則表達(dá)式之后，就可以象數(shù)學(xué)表達(dá)式一樣來求值，也就是說，可以從左至右并按照一個(gè)優(yōu)先級(jí)順序來求值。下表從最高優(yōu)先級(jí)到最低優(yōu)先級(jí)列出各種正則表達(dá)式操作符的優(yōu)先級(jí)順序：
| 操作符 | 描述 |
|---|---|
| \ | 轉(zhuǎn)義符 |
| (), (?:), (?=), [] | 圓括號(hào)和方括號(hào) |
| *, +, ?, {n}, {n,}, {n,m} | 限定符 |
| ^, $, \anymetacharacter | 位置和順序 |
| | | “或”操作 |
普通字符
普通字符由所有那些未顯式指定為元字符的打印和非打印字符組成。這包括所有的大寫和小寫字母字符，所有數(shù)字，所有標(biāo)點(diǎn)符號(hào)以及一些符號(hào)。最簡(jiǎn)單的正則表達(dá)式是一個(gè)單獨(dú)的普通字符，可以匹配所搜索字符串中的該字符本身。例如，單字符模式 'A' 可以匹配所搜索字符串中任何位置出現(xiàn)的字母 'A'。這里有一些單字符正則表達(dá)式模式的示例：
/a/
/7/
/M/
等價(jià)的 VBScript 單字符正則表達(dá)式為：
"a"
"7"
"M"
可以將多個(gè)單字符組合在一起得到一個(gè)較大的表達(dá)式。例如，下面的 JScript 正則表達(dá)式不是別的，就是通過組合單字符表達(dá)式 'a'、'7'以及 'M' 所創(chuàng)建出來的一個(gè)表達(dá)式。
/a7M/
等價(jià)的 VBScript 表達(dá)式為："a7M"
請(qǐng)注意這里沒有連接操作符。所需要做的就是將一個(gè)字符放在了另一個(gè)字符后面。
特殊字符
有不少元字符在試圖對(duì)其進(jìn)行匹配時(shí)需要進(jìn)行特殊的處理。要匹配這些特殊字符，必須首先將這些字符轉(zhuǎn)義，也就是在前面使用一個(gè)反斜杠 (\)。下表給出了這些特殊字符及其含義：
| 特殊字符 | 說明 |
|---|---|
| $ | 匹配輸入字符串的結(jié)尾位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性，則 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，請(qǐng)使用 \$。 |
| ( ) | 標(biāo)記一個(gè)子表達(dá)式的開始和結(jié)束位置。子表達(dá)式可以獲取供以后使用。要匹配這些字符，請(qǐng)使用 \( 和 \)。 |
| * | 匹配前面的子表達(dá)式零次或多次。要匹配 * 字符，請(qǐng)使用 \*。 |
| + | 匹配前面的子表達(dá)式一次或多次。要匹配 + 字符，請(qǐng)使用 \+。 |
| . | 匹配除換行符 \n之外的任何單字符。要匹配 .，請(qǐng)使用 \。 |
| [ | 標(biāo)記一個(gè)中括號(hào)表達(dá)式的開始。要匹配 [，請(qǐng)使用 \[。 |
| ? | 匹配前面的子表達(dá)式零次或一次，或指明一個(gè)非貪婪限定符。要匹配 ? 字符，請(qǐng)使用 \?。 |
| \ | 將下一個(gè)字符標(biāo)記為或特殊字符、或原義字符、或向后引用、或八進(jìn)制轉(zhuǎn)義符。例如， 'n' 匹配字符 'n'。'\n' 匹配換行符。序列 '\\' 匹配 "\"，而 '\(' 則匹配 "("。 |
| ^ | 匹配輸入字符串的開始位置，除非在方括號(hào)表達(dá)式中使用，此時(shí)它表示不接受該字符集合。要匹配 ^ 字符本身，請(qǐng)使用 \^。 |
| { | 標(biāo)記限定符表達(dá)式的開始。要匹配 {，請(qǐng)使用 \{。 |
| | | 指明兩項(xiàng)之間的一個(gè)選擇。要匹配 |，請(qǐng)使用 \|。 |
非打印字符
有不少很有用的非打印字符，偶爾必須使用。下表顯示了用來表示這些非打印字符的轉(zhuǎn)義序列：
| 字符 | 含義 |
|---|---|
| \cx | 匹配由x指明的控制字符。例如， \cM 匹配一個(gè) Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個(gè)原義的 'c' 字符。 |
| \f | 匹配一個(gè)換頁(yè)符。等價(jià)于 \x0c 和 \cL。 |
| \n | 匹配一個(gè)換行符。等價(jià)于 \x0a 和 \cJ。 |
| \r | 匹配一個(gè)回車符。等價(jià)于 \x0d 和 \cM。 |
| \s | 匹配任何空白字符，包括空格、制表符、換頁(yè)符等等。等價(jià)于 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等價(jià)于 [^ \f\n\r\t\v]。 |
| \t | 匹配一個(gè)制表符。等價(jià)于 \x09 和 \cI。 |
| \v | 匹配一個(gè)垂直制表符。等價(jià)于 \x0b 和 \cK。 |
字符匹配
句點(diǎn) (.) 匹配一個(gè)字符串中任何單個(gè)的打印或非打印字符，除了換行符 (\n) 之外。下面的 JScript 正則表達(dá)式可以匹配 'aac'、'abc'、'acc'、'adc'如此等等，同樣也可以匹配 'a1c'、'a2c'、a-c'以及 a#c'：
/a.c/等價(jià)的 VBScript 正則表達(dá)式為："a.c"
如果試圖匹配一個(gè)包含文件名的字符串，其中句點(diǎn) (.) 是輸入字符串的一部分，則可以在正則表達(dá)式中的句點(diǎn)前面加上一個(gè)反斜杠 (\) 字符來實(shí)現(xiàn)這一要求。舉例來說，下面的 JScript 正則表達(dá)式就能匹配 'filename.ext'：
/filename\.ext/對(duì) VBScript 而言，等價(jià)的表達(dá)式如下所示：
"filename\.ext"
這些表達(dá)式仍然是相當(dāng)有限的。它們只允許匹配任何單字符。很多情況下，對(duì)從列表中匹配特殊字符十分有用。例如，如果輸入文字中包含用數(shù)字表示為Chapter 1, Chapter 2諸如此類的章節(jié)標(biāo)題，你可能需要找到這些章節(jié)標(biāo)題。
括號(hào)表達(dá)式
可以在一個(gè)方括號(hào) ([ 和 ]) 中放入一個(gè)或多個(gè)單字符，來創(chuàng)建一個(gè)待匹配的列表。如果字符被放入括號(hào)中括起來，則該列表稱為括號(hào)表達(dá)式。括號(hào)內(nèi)和其他任何地方一樣，普通字符代表其本身，也就是說，它們匹配輸入文字中出現(xiàn)的一處自己。大多數(shù)特殊字符在位于括號(hào)表達(dá)式中時(shí)都將失去其含義。這里有一些例外：
- ']' 字符如果不是第一項(xiàng)，則將結(jié)束一個(gè)列表。要在列表中匹配 ']' 字符，請(qǐng)將其放在第一項(xiàng)，緊跟在開始的 '[' 后面。
- '\' 仍然作為轉(zhuǎn)義符。要匹配 '\' 字符，請(qǐng)使用 '\\'。
括號(hào)表達(dá)式中所包含的字符只匹配該括號(hào)表達(dá)式在正則表達(dá)式中所處位置的一個(gè)單字符。下面的 JScript 正則表達(dá)式可以匹配 'Chapter 1'、'Chapter 2'、'Chapter 3'、'Chapter 4' 以及 'Chapter 5'：/Chapter [12345]/在 VBScript 中要匹配同樣的章節(jié)標(biāo)題，請(qǐng)使用下面的表達(dá)式："Chapter [12345]"
請(qǐng)注意單詞 'Chapter' 及后面的空格與括號(hào)內(nèi)的字符的位置關(guān)系是固定的。
因此，括號(hào)表達(dá)式只用來指定滿足緊跟在單詞 'Chapter' 和一個(gè)空格之后的單字符位置的字符集合。這里是第九個(gè)字符位置。
如果希望使用范圍而不是字符本身來表示待匹配的字符，則可以使用連字符將該范圍的開始和結(jié)束字符分開。每個(gè)字符的字符值將決定其在一個(gè)范圍內(nèi)的相對(duì)順序。下面的 JScript 正則表達(dá)式包含了一個(gè)等價(jià)于上面所示的括號(hào)列表的范圍表達(dá)式。
/Chapter [1-5]/VBScript 中相同功能的表達(dá)式如下所示："Chapter [1-5]"
如果以這種方式指定范圍，則開始和結(jié)束值都包括在該范圍內(nèi)。有一點(diǎn)特別需要注意的是，在 Unicode 排序中起始值一定要在結(jié)束值之前。
如果想在括號(hào)表達(dá)式中包括連字符，則必須使用下述方法之一：
- 使用反斜杠將其轉(zhuǎn)義： [\-]
- 將連字符放在括號(hào)列表的開始和結(jié)束位置。下面的表達(dá)式能匹配所有的小寫字母和連字符： [-a-z] [a-z-]
- 創(chuàng)建一個(gè)范圍，其中開始字符的值小于連字符，而結(jié)束字符的值等于或大于連字符。下面兩個(gè)正則表達(dá)式都滿足這一要求：[!--] [!-~]
同樣，通過在列表開始處放置一個(gè)插入符(^)，就可以查找所有不在列表或范圍中的字符。如果該插入符出現(xiàn)在列表的其他位置，則匹配其本身，沒有任何特殊含義。下面的 JScript 正則表達(dá)式匹配章節(jié)號(hào)大于 5 的章節(jié)標(biāo)題：
/Chapter [^12345]/對(duì) VBScript 則使用："Chapter [^12345]"
在上面所示的示例中，表達(dá)式將匹配第九個(gè)位置處除1, 2, 3, 4, or 5 之外的任何數(shù)字字符。因此， 'Chapter 7' 為一個(gè)匹配，同樣 'Chapter 9' 也是如此。
上面的表達(dá)式可以使用連字符 (-) 表示。對(duì) JScript 為：/Chapter [^1-5]/或者，對(duì) VBScript 為："Chapter [^1-5]"
括號(hào)表達(dá)式的典型用法是指定對(duì)任何大寫或小寫字母字符或任何數(shù)字的匹配。
下面的 JScript 表達(dá)式給出了這一匹配：/[A-Za-z0-9]/等價(jià)的 VBScript 表達(dá)式為："[A-Za-z0-9]"
限定符
有時(shí)候不知道要匹配多少字符。為了能適應(yīng)這種不確定性，正則表達(dá)式支持限定符的概念。這些限定符可以指定正則表達(dá)式的一個(gè)給定組件必須要出現(xiàn)多少次才能滿足匹配。
下表給出了各種限定符及其含義的說明：
| 字符 | 描述 |
|---|---|
| * | 匹配前面的子表達(dá)式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價(jià)于{0,}。 |
| + | 匹配前面的子表達(dá)式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價(jià)于 {1,}。 |
| ? | 匹配前面的子表達(dá)式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等價(jià)于 {0,1}。 |
| {n} | n 是一個(gè)非負(fù)整數(shù)。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個(gè) o。 |
| {n,} | n 是一個(gè)非負(fù)整數(shù)。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價(jià)于 'o+'。'o{0,}' 則等價(jià)于 'o*'。 |
| {n,m} | m 和 n 均為非負(fù)整數(shù)，其中n ＜= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個(gè) o。'o{0,1}' 等價(jià)于 'o?'。請(qǐng)注意在逗號(hào)和兩個(gè)數(shù)之間不能有空格。 |
對(duì)一個(gè)很大的輸入文檔而言，章節(jié)數(shù)很輕易就超過九章，因此需要有一種方法來處理兩位數(shù)或者三位數(shù)的章節(jié)號(hào)。限定符就提供了這個(gè)功能。下面的JScript 正則表達(dá)式可以匹配具有任何位數(shù)的章節(jié)標(biāo)題：
/Chapter [1-9][0-9]*/下面的 VBScript 正則表達(dá)式執(zhí)行同樣的匹配："Chapter [1-9][0-9]*"
請(qǐng)注意限定符出現(xiàn)在范圍表達(dá)式之后。因此，它將應(yīng)用于所包含的整個(gè)范圍表達(dá)式，在本例中，只指定了從 0 到 9 的數(shù)字。
這里沒有使用 '+' 限定符，因?yàn)榈诙换蚝罄m(xù)位置上并不一定需要一個(gè)數(shù)字。同樣也沒有使用 '?' 字符，因?yàn)檫@將把章節(jié)數(shù)限制為只有兩位數(shù)字。在 'Chapter' 和空格字符之后至少要匹配一個(gè)數(shù)字。
如果已知章節(jié)數(shù)限制只有99 章，則可以使用下面的 JScript 表達(dá)式來指定至少有一位數(shù)字，但不超過兩個(gè)數(shù)字。
/Chapter [0-9]{1,2}/對(duì) VBScript 可以使用下述正則表達(dá)式："Chapter [0-9]{1,2}"
上述表達(dá)式的缺點(diǎn)是如果有一個(gè)章節(jié)號(hào)大于 99，它仍只會(huì)匹配前兩位數(shù)字。另一個(gè)缺點(diǎn)是某些人可以創(chuàng)建一個(gè) Chapter 0，而且仍能匹配。一個(gè)更好的用來匹配兩位數(shù)的 JScript 表達(dá)式如下：
/Chapter [1-9][0-9]?/或者/Chapter [1-9][0-9]{0,1}/
對(duì) VBScript 而言，下述表達(dá)式與上面等價(jià)：
"Chapter [1-9][0-9]?"或者"Chapter [1-9][0-9]{0,1}"
'*'、'+' 和 '?' 限定符都稱之為貪婪的，也就是說，他們盡可能多地匹配文字。有時(shí)這根本就不是所希望發(fā)生的情況。有時(shí)則正好希望最小匹配。
例如，你可能要搜索一個(gè) HTML 文檔來查找一處包含在 H1 標(biāo)記中的章節(jié)標(biāo)題。在文檔中該文字可能具有如下形式：
＜H1＞Chapter 1 – Introduction to Regular Expressions＜/H1＞
下面的表達(dá)式匹配從開始的小于號(hào) (＜) 到 H1 標(biāo)記結(jié)束處的大于號(hào)之間的所有內(nèi)容。
/＜.*＞/VBScript 的正則表達(dá)式為"＜.*＞"
如果所要匹配的就是開始的 H1 標(biāo)記，則下述非貪婪地表達(dá)式就只匹配。
/＜.*?＞/或者"＜.*?＞"
通過在 '*'、 '+' 或 '?' 限定符后放置 '?'，該表達(dá)式就從貪婪匹配轉(zhuǎn)為了非貪婪或最小匹配。
定位符
到現(xiàn)在為止，所看到的示例都只考慮查找任何地方出現(xiàn)的章節(jié)標(biāo)題。出現(xiàn)的任何一個(gè)字符串 'Chapter' 后跟一個(gè)空格和一個(gè)數(shù)字可能是一個(gè)真正的章節(jié)標(biāo)題，也可能是對(duì)其他章節(jié)的交叉引用。由于真正的章節(jié)標(biāo)題總是出現(xiàn)在一行的開始，因此需要設(shè)計(jì)一個(gè)方法只查找標(biāo)題而不查找交叉引用。
定位符提供了這個(gè)功能。定位符可以將一個(gè)正則表達(dá)式固定在一行的開始或結(jié)束。也可以創(chuàng)建只在單詞內(nèi)或只在單詞的開始或結(jié)尾處出現(xiàn)的正則表達(dá)式。下表包含了正則表達(dá)式及其含義的列表：
| 字符 | 描述 |
|---|---|
| ^ | 匹配輸入字符串的開始位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性，^ 也匹配 '\n' 或 '\r' 之后的位置。 |
| $ | 匹配輸入字符串的結(jié)束位置。如果設(shè)置了RegExp 對(duì)象的 Multiline 屬性，$ 也匹配 '\n' 或 '\r' 之前的位置。 |
| \b | 匹配一個(gè)單詞邊界，也就是指單詞和空格間的位置。 |
| \B | 匹配非單詞邊界。 |
不能對(duì)定位符使用限定符。因?yàn)樵谝粋�(gè)換行符或者單詞邊界的前面或后面不會(huì)有連續(xù)多個(gè)位置，因此諸如 '^*' 的表達(dá)式是不允許的。
要匹配一行文字開始位置的文字，請(qǐng)?jiān)谡齽t表達(dá)式的開始處使用 '^' 字符。不要把 '^' 的這個(gè)語法與其在括號(hào)表達(dá)式中的語法弄混。它們的語法根本不同。
要匹配一行文字結(jié)束位置的文字，請(qǐng)?jiān)谡齽t表達(dá)式的結(jié)束處使用 '$' 字符。
要在查找章節(jié)標(biāo)題時(shí)使用定位符，下面的 JScript 正則表達(dá)式將匹配位于一行的開始處最多有兩個(gè)數(shù)字的章節(jié)標(biāo)題：
/^Chapter [1-9][0-9]{0,1}/VBScript 中相同功能的正則表達(dá)式如"^Chapter [1-9][0-9]{0,1}"
一個(gè)真正的章節(jié)標(biāo)題不僅出現(xiàn)在一行的開始，而且這一行中也僅有這一個(gè)內(nèi)容，因此，它必然也位于一行的結(jié)束。下面的表達(dá)式確保所指定的匹配只匹配章節(jié)而不會(huì)匹配交叉引用。它是通過創(chuàng)建一個(gè)只匹配一行文字的開始和結(jié)束位置的正則表達(dá)式來實(shí)現(xiàn)的。
/^Chapter [1-9][0-9]{0,1}$/對(duì) VBScript 則使用"^Chapter [1-9][0-9]{0,1}___FCKpd___4quot;
匹配單詞邊界有少許不同，但卻給正則表達(dá)式增加了一個(gè)非常重要的功能。單詞邊界就是單詞和空格之間的位置。非單詞邊界就是其他任何位置。下面的 JScript 表達(dá)式將匹配單詞 'Chapter' 的前三個(gè)字符，因?yàn)樗鼈兂霈F(xiàn)在單詞邊界后/\bCha/對(duì) VBScript 為"\bCha"
這里 '\b' 操作符的位置很關(guān)鍵。如果它位于要匹配的字符串的開始，則將查找位于單詞開頭處的匹配；如果它位于改字符串的末尾，則查找位于單詞結(jié)束處的匹配。例如，下面的表達(dá)式將匹配單詞 'Chapter' 中的 'ter'，因?yàn)樗霈F(xiàn)在單詞邊界之前/ter\b/以及"ter\b"
下面的表達(dá)式將匹配 'apt'，因?yàn)樗挥?'Chapter' 中間，但不會(huì)匹配 'aptitude' 中的'apt'：/\Bapt/以及"\Bapt"
這是因?yàn)樵趩卧~ 'Chapter' 中 'apt' 出現(xiàn)在非單詞邊界位置，而在單詞 'aptitude' 中位于單詞邊界位置。非單詞邊界操作符的位置不重要，因?yàn)槠ヅ渑c一個(gè)單詞的開頭或結(jié)尾無關(guān)。
選擇與編組
選擇允許使用 '|' 字符來在兩個(gè)或多個(gè)候選項(xiàng)中進(jìn)行選擇。通過擴(kuò)展章節(jié)標(biāo)題的正則表達(dá)式，可以將其擴(kuò)充為不僅僅適用于章節(jié)標(biāo)題的表達(dá)式。不過，這可沒有想象的那么直接。在使用選擇時(shí)，將匹配'|' 字符每邊最可能的表達(dá)式。你可能認(rèn)為下面的 JScript 和 VBScript 表達(dá)式將匹配位于一行的開始和結(jié)束位置且后跟一個(gè)或兩個(gè)數(shù)字的 'Chapter' 或 'Section'：
/^Chapter|Section [1-9][0-9]{0,1}$/
"^Chapter|Section [1-9][0-9]{0,1}$"
不幸的是，真正的情況是上面所示的正則表達(dá)式要么匹配位于一行開始處的單詞 'Chapter'，要么匹配一行結(jié)束處的后跟任何數(shù)字的 'Section'。如果輸入字符串為 'Chapter 22'，上面的表達(dá)式將只匹配單詞 'Chapter'。如果輸入字符串為 'Section 22'，則該表達(dá)式將匹配 'Section 22'。但這種結(jié)果不是我們此處的目的，因此必須有一種辦法來使正則表達(dá)式對(duì)于所要做的更易于響應(yīng)，而且確實(shí)也有這種方法。
可以使用圓括號(hào)來限制選擇的范圍，也就是說明確該選擇只適用于這兩個(gè)單詞 'Chapter' 和 'Section'。不過，圓括號(hào)同樣也是難處理的，因?yàn)樗鼈円灿脕韯?chuàng)建子表達(dá)式，有些內(nèi)容將在后面關(guān)于子表達(dá)式的部分介紹。通過采用上面所示的正則表達(dá)式并在適當(dāng)位置添加圓括號(hào)，就可以使該正則表達(dá)式既可以匹配 'Chapter 1'，也可以匹配 'Section 3'。
下面的正則表達(dá)式使用圓括號(hào)將 'Chapter' 和 'Section' 組成一組，所以該表達(dá)式才能正確工作。對(duì) JScript 為：
/^(Chapter|Section) [1-9][0-9]{0,1}$/對(duì) VBScript 為"^(Chapter|Section) [1-9][0-9]{0,1}$"
這些表達(dá)式工作正確，只是產(chǎn)生了一個(gè)有趣的副產(chǎn)品。在 'Chapter|Section' 兩邊放置圓括號(hào)建立了適當(dāng)?shù)木幗M，但也導(dǎo)致兩個(gè)待匹配單詞之一都被捕獲供今后使用。由于在上面所示的表達(dá)式中只有一組圓括號(hào)，因此只能有一個(gè)捕獲的 submatch。可以使用 VBScript 的Submatches 集合或者JScript 中RegExp 對(duì)象的 $1-$9 屬性來引用這個(gè)子匹配。
有時(shí)捕獲一個(gè)子匹配是所希望的，有時(shí)則是不希望的。在說明所示的示例中，真正想做的就是使用圓括號(hào)對(duì)單詞 'Chapter' 或 'Section' 之間的選擇編組。并不希望在后面再引用該匹配。實(shí)際上，除非真的是需要捕獲子匹配，否則請(qǐng)不要使用。由于不需要花時(shí)間和內(nèi)存來存儲(chǔ)那些子匹配，這種正則表達(dá)式的效率將更高。
可以在正則表達(dá)式模式圓括號(hào)內(nèi)部的前面使用 '?:'來防止存儲(chǔ)該匹配供今后使用。對(duì)上面所示正則表達(dá)式的下述修改提供了免除子匹配存儲(chǔ)的相同功能。對(duì) JScript：
/^(?:Chapter|Section) [1-9][0-9]{0,1}$/對(duì) VBScript為"^(?:Chapter|Section) [1-9][0-9]{0,1}$"
除了 '?:' 元字符，還有兩個(gè)非捕獲元字符用于稱之為預(yù)查的匹配。一個(gè)為正向預(yù)查，用 ?= 表示， 在任何開始匹配圓括號(hào)內(nèi)的正則表達(dá)式模式的位置來匹配搜索字符串。一個(gè)為負(fù)向預(yù)查，用 '?!' 表示，在任何開始不匹配該正則表達(dá)式模式的位置來匹配搜索字符串。
例如，假定有一個(gè)包含引用有 Windows 3.1、Windows 95、Windows 98 以及 Windows NT 的文檔。進(jìn)一步假設(shè)需要更新該文檔，方法是查找所有對(duì) Windows 95、Windows 98 以及 Windows NT 的引用，并將這些引用更改為 Windows 2000�？梢允褂孟旅娴� JScript 正則表達(dá)式，這是一個(gè)正向預(yù)查，來匹配 Windows 95、Windows 98 以及 Windows NT：
/Windows(?=95 |98 |NT )/
在 VBScript 要進(jìn)行同樣的匹配可以使用下述表達(dá)式：
"Windows(?=95 |98 |NT )"
找到一個(gè)匹配后，緊接匹配到的文字（而不包括預(yù)查中使用的字符）就開始對(duì)下一次匹配的搜索。例如，如果上面所示的表達(dá)式匹配到 'Windows 98'，則將從 'Windows' 而不是 '98' 之后繼續(xù)查找。
向后引用
正則表達(dá)式一個(gè)最重要的特性就是將匹配成功的模式的某部分進(jìn)行存儲(chǔ)供以后使用這一能力。請(qǐng)回想一下，對(duì)一個(gè)正則表達(dá)式模式或部分模式兩邊添加圓括號(hào)將導(dǎo)致這部分表達(dá)式存儲(chǔ)到一個(gè)臨時(shí)緩沖區(qū)中�？梢允褂梅遣东@元字符 '?:', '?=', or '?!' 來忽略對(duì)這部分正則表達(dá)式的保存。
所捕獲的每個(gè)子匹配都按照在正則表達(dá)式模式中從左至右所遇到的內(nèi)容存儲(chǔ)。存儲(chǔ)子匹配的緩沖區(qū)編號(hào)從 1 開始，連續(xù)編號(hào)直至最大 99 個(gè)子表達(dá)式。每個(gè)緩沖區(qū)都可以使用 '\n' 訪問，其中 n 為一個(gè)標(biāo)識(shí)特定緩沖區(qū)的一位或兩位十進(jìn)制數(shù)。
向后引用一個(gè)最簡(jiǎn)單，最有用的應(yīng)用是提供了確定文字中連續(xù)出現(xiàn)兩個(gè)相同單詞的位置的能力。請(qǐng)看下面的句子：
Is is the cost of of gasoline going up up?
根據(jù)所寫內(nèi)容，上面的句子明顯存在單詞多次重復(fù)的問題。如果能有一種方法無需查找每個(gè)單詞的重復(fù)現(xiàn)象就能修改該句子就好了。下面的 JScript 正則表達(dá)式使用一個(gè)子表達(dá)式就可以實(shí)現(xiàn)這一功能。
/\b([a-z]+) \1\b/gi
等價(jià)的 VBScript 表達(dá)式為：
"\b([a-z]+) \1\b"
在這個(gè)示例中，子表達(dá)式就是圓括號(hào)之間的每一項(xiàng)。所捕獲的表達(dá)式包括一個(gè)或多個(gè)字母字符，即由'[a-z]+' 所指定的。該正則表達(dá)式的第二部分是對(duì)前面所捕獲的子匹配的引用，也就是由附加表達(dá)式所匹配的第二次出現(xiàn)的單詞。'\1'用來指定第一個(gè)子匹配。單詞邊界元字符確保只檢測(cè)單獨(dú)的單詞。如果不這樣，則諸如 "is issued" 或 "this is" 這樣的短語都會(huì)被該表達(dá)式不正確地識(shí)別。
在 JScript 表達(dá)式中，正則表達(dá)式后面的全局標(biāo)志 ('g') 表示該表達(dá)式將用來在輸入字符串中查找盡可能多的匹配。大小寫敏感性由表達(dá)式結(jié)束處的大小寫敏感性標(biāo)記 ('i') 指定。多行標(biāo)記指定可能出現(xiàn)在換行符的兩端的潛在匹配。對(duì) VBScript 而言，在表達(dá)式中不能設(shè)置各種標(biāo)記，但必須使用 RegExp 對(duì)象的屬性來顯式設(shè)置。
使用上面所示的正則表達(dá)式，下面的 JScript 代碼可以使用子匹配信息，在一個(gè)文字字符串中將連續(xù)出現(xiàn)兩次的相同單詞替換為一個(gè)相同的單詞：
var ss = "Is is the cost of of gasoline going up up?.\n"; var re = /\b([a-z]+) \1\b/gim; //創(chuàng)建正則表達(dá)式樣式。 var rv = ss.replace(re,"$1"); //用一個(gè)單詞替代兩個(gè)單詞。
最接近的等價(jià) VBScript 代碼如下：
Dim ss, re, rv ss = "Is is the cost of of gasoline going up up?." & vbNewLine Set re = New RegExp re.Pattern = "\b([a-z]+) \1\b" re.Global = True re.IgnoreCase = True re.MultiLine = True rv = re.Replace(ss,"$1")
請(qǐng)注意在 VBScript 代碼中，全局、大小寫敏感性以及多行標(biāo)記都是使用 RegExp 對(duì)象的適當(dāng)屬性來設(shè)置的。
在replace 方法中使用 $1 來引用所保存的第一個(gè)子匹配。如果有多個(gè)子匹配，則可以用 $2, $3 等繼續(xù)引用。
向后引用的另一個(gè)用途是將一個(gè)通用資源指示符 (URI) 分解為組件部分。假定希望將下述的URI 分解為協(xié)議 (ftp, http, etc)，域名地址以及頁(yè)面/路徑：
http://msdn.microsoft.com:80/scripting/default.htm
下面的正則表達(dá)式可以提供這個(gè)功能。對(duì) JScript，為：
/(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/
對(duì) VBScript 為：
"(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)"
第一個(gè)附加子表達(dá)式是用來捕獲該 web 地址的協(xié)議部分。該子表達(dá)式匹配位于一個(gè)冒號(hào)和兩個(gè)正斜杠之前的任何單詞。第二個(gè)附加子表達(dá)式捕獲該地址的域名地址。該子表達(dá)式匹配不包括 '^'、 '/' 或 ':' 字符的任何字符序列。第三個(gè)附加子表達(dá)式捕獲網(wǎng)站端口號(hào)碼，如果指定了該端口號(hào)。該子表達(dá)式匹配后跟一個(gè)冒號(hào)的零或多個(gè)數(shù)字。最后，第四個(gè)附加子表達(dá)式捕獲由該 web 地址指定的路徑以及\或者頁(yè)面信息。該子表達(dá)式匹配一個(gè)和多個(gè)除'#' 或空格之外的字符。
將該正則表達(dá)式應(yīng)用于上面所示的 URI 后，子匹配包含下述內(nèi)容：
- RegExp.$1 包含 "http"
- RegExp.$2 包含 "msdn.microsoft.com"
- RegExp.$3 包含 ":80"
- RegExp.$4 包含 "/scripting/default.htm"