梦幻之旅

DEBUG - 天道酬勤

   :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理 ::
  671 随笔 :: 6 文章 :: 256 评论 :: 0 Trackbacks

就是由普通字符(例如字符a到z)以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。

本文详细地列出了能在正则表达式中使用,以匹配文本的各种字符。当你需要解释一个现有的正则表达式时,可以作为一个快捷的参考。更多详细内容,请参 考:Francois Liger,Craig McQ?n,Pal Wilton[刘乐亭译] C#字符串和正则表达式参考手册北京:清华大学出版社2003.2


.     匹配字符

字符类

匹配的字符

\d

从0-9的任一数字

\d\d匹配72,但不匹配aa或7a

\D

任一非数字字符

\D\D\D匹配abc,但不匹配123

\w

任一单词字符,包括A-Z,a-z,0-9和下划线

\w\w\w\w匹配Ab-2,但不匹配∑£$%*或Ab_@

\W

任一非单词字符

\W匹配@,但不匹配a

\s

任一空白字符,包括制表符,换行符,回车符,换页符和垂直制表符

匹配在HTML,XML和其他标准定义中的所有传统空白字符

\S

任一非空白字符

空白字符以外的任意字符,如A%&g3;等

.

任一字符

匹配除换行符以外的任意字符除非设置了MultiLine先项

[…]

括号中的任一字符

[abc]将匹配一个单字符,a,b或c.

[a-z]将匹配从a到z的任一字符

[^…]

不在括号中的任一字符

[^abc]将匹配一个a、b、c之外的单字符,可以a,b或A、B、C

[a-z]将匹配不属于a-z的任一字符,但可以匹配所有的大写字母

.     重复字符

重复字符

{n}

匹配前面的字符n次

x{2}匹配xx,但不匹配x或xxx

{n,}

匹配前面的字符至少n次

x{2}匹配2个或更多的x,如xxx,xxx..

{n,m}

匹配前面的字符至少n次,至多m次。如果n为0,此参数为可选参数

x{2,4}匹配xx,xxx,xxxx,但不匹配xxxxx

?

匹配前面的字符0次或1次,实质上也是可选的

x?匹配x或零个x

+

匹配前面的字符0次或多次

x+匹配x或xx或大于0的任意多个x

*

匹配前面的字符0次或更多次

x*匹配0,1或更多个x

.     定位字符

定位字符

^

随后的模式必须位于字符串的开始位置,如果是一个多行字符串,则必须位于行首。对于多行文本(包含回车符的一个字符串)来说,需要设置多行标志

$

前面的模式必须位于字符串的未端,如果是一个多行字符串,必须位于行尾

\A

前面的模式必须位于字符串的开始位置,忽略多行标志

\z

前面的模式必须位于字符串的未端,忽略多行标志

\Z

前面的模式必须位于字符串的未端,或者位于一个换行符前

\b

匹配一个单词边界,也就是一个单词字符和非单词字符中间的点。要记住一个单词字符是[a-zA-Z0-9]中的一个字符。位于一个单词的词首

\B

匹配一个非单词字符边界位置,不是一个单词的词首

注:定位字符可以应用于字符或组合,放在字符串的左端或右端

.     分组字符

分组字符

()

此字符可以组合括号内模式所匹配的字符,它是一个捕获组,也就是说模式匹配的字符作为最终设置了ExplicitCapture选项――默认状态下字符不是匹配的一部分

输入字符串为:ABC1DEF2XY

匹配3个从A到Z的字符和1个数字的正则表达式:([A-Z]{3}\d)

将产生两次匹配:Match 1=ABC1;Match 2=DEF2

每次匹配对应一个组:Match1的第一个组=ABC;Match2的第1个组=DEF

有了反向引用,就可以通过它在正则表达式中的编号以及C#和类Group,GroupCollection来访问组。如果设置了ExplicitCapture选项,就不能使用组所捕获的内容

(?:)

此字符可以组合括号内模式所匹配的字符,它是一个非捕获组,这意味着模式所的字符将不作为一个组来捕获,但它构成了最终匹配结果的一部分。它基本上与上面的组类型相同,但设定了选项ExplicitCapture

输入字符串为:1A BB SA1 C

匹配一个数字或一个A到Z的字母,接着是任意单词字符的正则表达式为:(?:\d|[A-Z]\w)

它将产生3次匹配:每1次匹配=1A;每2次匹配=BB;每3次匹配=SA

但是没有组被捕获

(?<name>)

此选项组合括号内模式所匹配的字符,并用尖括号中指定的值为组命名。在正则表达式中,可以使用名称进行反向引用,而不必使用编号。即使不设置ExplicitCapture选项,它也是一个捕获组。这意味着反向引用可以利用组内匹配的字符,或者通过Group类访问

输入字符串为:Characters in Sienfeld incl? Jerry Seinfeld,Elaine Benes,Cosno Kramer and George Costanza能够匹配它们的姓名,并在一个组llastName中捕获姓的正则表达式为:\b[A-Z][a-z]+ (?<lastName>[A-Z][a-z]+)\b

它产生了4次匹配:First Match=Jerry Seinfeld; Second Match=Elaine Benes; Third Match=Cosmo Kramer; Fourth Match=George Costanza

每一次匹配都对应了一个lastName组:

第1次匹配:lastName group=Seinfeld

第2次匹配:lastName group=Benes

第3次匹配:lastName group=Kramer

第4次匹配:lastName group=Costanza

不管是否设置了选项ExplictCapture,组都将被捕获

(?=)

正声明。声明的右侧必须是括号中指定的模式。此模式不构成最终匹配的一部分

正则表达式\S+(?=.NET)要匹配的输入字符串为:The lang ges were Java,C#.NET,VB.NET,C,Jscript.NET,Pascal

将产生如下匹配:〕

C#

VB

JScript.

(?!)

负声明。它规定模式不能紧临着声明的右侧。此模式不构成最终匹配的一部分

\d{3}(?![A-Z])要匹配的输入字符串为:123A 456 789111C

将产生如下匹配:

456

789

(?<=)

反向正声明。声明的左侧必须为括号内的指定模式。此模式不构成最终匹配的一部分

正则表达式(?<=New)([A-Z][a-z]+)要匹配的输入字符串为:The following states,New Mexico,West Virginia,Washington, New England

它将产生如下匹配:

Mexico

England

(?<!)

反向正声明。声明的左侧必须不能是括号内的指定模式。此模式不构成最终匹配的一部分

正则表达式(?<!1)\d{2}([A-Z])要匹配的输入字符串如下:123A456F789C111A

它将实现如下匹配:

56F

89C

(?>)

非回溯组。防止Regex引擎回溯并且防止实现一次匹配

假设要匹配所有以“ing”结尾的单词。输入字符串如下:He was very trusing

正则表达式为:.*ing

它将实现一次匹配――单词trusting。“.”匹配任意字符,当然也匹配“ing”。所以,Regex引擎回溯一位并在第2个“t”停止,然后匹配指定的模式“ing”。但是,如果禁用回溯操作:(?>.*)ing

它将实现0次匹配。“.”能匹配所有的字符,包括“ing”――不能匹配,从而匹配失败

.     决策字符

(?(regex)yes_regex|no_regex)

如果表达式regex匹配,那么将试图匹配表达式yes。否则匹配表达式no。正则表达式no是可先参数。注意,作出决策的模式宽度为0.这意味着表达式yes或no将从与regex表达式相同的位置开始匹配

正则表达式(?(\d)dA|A-Z)B)要匹配的输入字符串为:1A CB3A5C 3B

它实现的匹配是:

1A

CB

3A

(?(group name or number)yes_regex|no_regex)

如果组中的正则表达式实现了匹配,那么试图匹配yes正则表达式。否则,试图匹配正则表达式no。no是可先的参数

正则表达式

(\d7)?-(?(1)\d\d[A-Z]|[A-Z][A-Z]要匹配的输入字符串为:

77-77A 69-AA 57-B

它实现的匹配为:

77-77A

-AA

注:上面表中列出的字符强迫处理器执行一次if-else决策

.     替换字符

$group

用group指定的组号替换

${name}

替换被一个(?<name>)组匹配的最后子串

$$

替换一个字符$

$&

替换整个的匹配

$^

替换输入字符串匹配之前的所有文本

$’

替换输入字符串匹配之后的所有文本

$+

替换最后捕获的组

$_

替换整个的输入字符串

注:以上为常用替换字符,不全

.     转义序列

\\

匹配字符“\”

\.

匹配字符“.”

\*

匹配字符“*”

\+

匹配字符“+”

\?

匹配字符“?”

\|

匹配字符“|”

\(

匹配字符“(”

\)

匹配字符“)”

\{

匹配字符“{”

\}

匹配字符“}”

\^

匹配字符“^”

\$

匹配字符“$”

\n

匹配换行符

\r

匹配回车符

\t

匹配制表符

\v

匹配垂直制表符

\f

匹配换面符

\nnn

匹配一个8进数字,nnn指定的ASCII字符。如\103匹配大写的C

\xnn

匹配一个16进数字,nn指定的ASCII字符。如\x43匹配大写的C

\unnnn

匹配由4位16进数字(由nnnn表示)指定的Unicode字符

\cV

匹配一个控制字符,如\cV匹配Ctrl-V

.     选项标志

选项标志

I

IgnoreCase

M

Multiline

N

ExplicitCapture

S

SingleLine

X

IgnorePatternWhitespace

注:选项本身的信作含义如下表所示:

IgnoreCase

使模式匹配不区分大小写。默认的选项是匹配区分大小写

RightToLeft

从右到左搜索输入字符串。默认是从左到右以符合英语等的阅读习惯,但不符合阿拉伯语或希伯来语的阅读习惯

None

不设置标志。这是默认选项

Multiline

指定^和$可以匹配行首和行尾,以及字符串的开始和结尾。这意味着可以匹配每个用换行符分隔的行。但是,字符“.”仍然不匹配换行符

SingleLine

规定特殊字符“.”匹配任意的字符,包括换行符。默认情况下,特殊字符“.”不匹配换行符。通常与MultiLine选项一起使用

ECMAScript.

ECMA(European Coputer Man?turer’s Association,欧洲计算机生产商协会)已经定义了正则表达式应该如何实现,而且已经在ECMAScript规范中实现,这是一个基于标准的 JavaScript。这个选项只能与IgnoreCase和MultiLine标志一起使用。与其它任何标志一起使用,ECMAScript都将产生异 常

IgnorePatternWhitespace

此选项从使用的正则表达式模式中删除所有非转义空白字符。它使表达式能跨越多行文本,但必须确保对模式中所有的空白进行转义。如果设置了此选项,还可以使用“#”字符来注释下则表达式

Complied

它把正则表达式编译为更接近机器代码的代码。这样速度快,但不允许对它进行任何修改

oracle的正则表达式(regular expression)简单介绍

目前,正则表达式已经在很多软件中得到广泛的应用,包括*nix(Linux, Unix等),HP等操作系统,PHP,C#,Java等开发环境。

Oracle 10g正则表达式提高了SQL灵活性。有效的解决了数据有效性, 重复词的辨认, 无关的空白检测,或者分解多个正则组成
的字符串等问题。


Oracle 10g支持正则表达式的四个新函数分别是:REGEXP_LIKE、REGEXP_INSTR、REGEXP_S STR、和REGEXP_REPLACE。
它们使用POSIX 正则表达式代替了老的百分号(%)和通配符(_)字符。


REGEXP_REPLACE(source_string,pattern,replace_string,position,occurtence,match_parameter)函数(10g新函数)
描 述:字符串替换函数。相当于增强的replace函数。Source_string指定源字符表达式;pattern指定规则表达 式;replace_string指定用于替换的字符串;position指定起始搜索位置;occurtence指定替换出现的第n个字符 串;match_parameter指定默认匹配操作的文本串。
其中replace_string,position,occurtence,match_parameter参数都是可选的。


REGEXP_S STR(source_string, pattern[,position [, occurrence[, match_parameter]]])函数(10g新函数)
描 述:返回匹配模式的子字符串。相当于增强的s str函数。Source_string指定源字符表达式;pattern指定规则表达 式;position指定起始搜索位置;occurtence指定替换出现的第n个字符串;match_parameter指定默认匹配操作的文本串。
其中position,occurtence,match_parameter参数都是可选的

match_option的取值如下:
'c’   说明在进行匹配时区分大小写(缺省值);
'i'   说明在进行匹配时不区分大小写;
'n'   允许使用可以匹配任意字符的操作符;
'm'   将x作为一个包含多行的字符串。

REGEXP_LIKE(source_string, pattern[, match_parameter])函数(10g新函数)
描述:返回满足匹配模式的字符串。相当于增强的like函数。Source_string指定源字符表达式;pattern指定规则表达式;match_parameter指定默认匹配操作的文本串。
其中position,occurtence,match_parameter参数都是可选的


REGEXP_INSTR(source_string, pattern[, start_position[, occurrence[, return_option[, match_parameter]]]])函数(10g新函数)
描 述: 该函数查找 pattern ,并返回该模式的第一个位置。您可以随意指定您想要开始搜索的 start_position。 occurrence 参数默认为 1,除非您指定您要查找接下来出现的一个模式。return_option 的默认值为 0,它返回该模式的起始位置;值为 1 则返回符合匹配条件的下一个字符的起始位置

特殊字符:
'^' 匹配输入字符串的开始位置,在方括号表达式中使用,此时它表示不接受该字符集合。
'$' 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性,则 $ 也匹配 'n' 或 'r'。
'.' 匹配除换行符 n之外的任何单字符。
'?' 匹配前面的子表达式零次或一次。
'*' 匹配前面的子表达式零次或多次。
'+' 匹配前面的子表达式一次或多次。
'( )' 标记一个子表达式的开始和结束位置。
'[]' 标记一个中括号表达式。
'{m,n}' 一个精确地出现次数范围,m= <出现次数 <=n,'{m}'表示出现m次,'{m,}'表示至少出现m次。
' |' 指明两项之间的一个选择。例子'^([a-z]+ |[0-9]+)$'表示所有小写字母或数字组合成的字符串。
num 匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。


正则表达式的一个很有用的特点是可以保存子表达式以后使用, 被称为Backreferencing. 允许复杂的替换能力。
如调整一个模式到新的位置或者指示被代替的字符或者单词的位置. 被匹配的子表达式存储在临时缓冲区中, 缓冲区从左到右编号, 通过数字符号访问。 下面的例子列出了把名字 aa bb cc 变成
cc, bb, aa.
Select REGEXP_REPLACE('aa bb cc','(.*) (.*) (.*)', '3, 2, 1') FROM d l;
REGEXP_REPLACE('ELLENHILDISMIT
cc, bb, aa

字符簇:
[[:alpha:]] 任何字母。
[[:digit:]] 任何数字。
[[:alnum:]] 任何字母和数字。
[[:space:]] 任何白字符。
[[:upper:]] 任何大写字母。
[[:lower:]] 任何小写字母。
[[:punct:]] 任何标点符号。
[[:xdigit:]] 任何16进制的数字,相当于[0-9a-fA-F]。

各种操作符的运算优先级
转义符
(), (?:), (?=), [] 圆括号和方括号
*, +, ?, {n}, {n,}, {n,m} 限定符
^, $, anymetacharacter 位置和顺序
| “或”操作

--测试数据
create table test(mc varchar2(60));

insert into test vals('112233445566778899');
insert into test vals('22113344 5566778899');
insert into testvals('33112244 5566778899');
insert into test vals('44112233 5566 778899');
insert into test vals('5511 2233 4466778899');
insert into test vals('661122334455778899');
insert into test vals('771122334455668899');
insert into test vals('881122334455667799');
insert into test vals('991122334455667788');
insert into test vals('aabbccddee');
insert into test vals('bbaaaccddee');
insert into test vals('ccabbddee');
insert into test vals('ddaabbccee');
insert into test vals('eeaabbccdd');
insert into test vals('ab123');
insert into test vals('123xy');
insert into test vals('007ab');
insert into test vals('abcxy');
insert into test vals('The final test is is is how to find duplicate words.');

commit;

一、REGEXP_LIKE

select * from test where regexp_like(mc,'^a{1,3}');
select * from test where regexp_like(mc,'a{1,3}');
select * from test where regexp_like(mc,'^a.*e$');
select * from test where regexp_like(mc,'^[[:lower:]] |[[:digit:]]');
select * from test where regexp_like(mc,'^[[:lower:]]');
Select mc FROM test Where REGEXP_LIKE(mc,'[^[:digit:]]');
Select mc FROM test Where REGEXP_LIKE(mc,'^[^[:digit:]]');

二、REGEXP_INSTR

Select REGEXP_INSTR(mc,'[[:digit:]]$') from test;
Select REGEXP_INSTR(mc,'[[:digit:]]+$') from test;
Select REGEXP_INSTR('The price is $400.','$[[:digit:]]+') FROM D L;
Select REGEXP_INSTR('onetwothree','[^[[:lower:]]]') FROM D L;
Select REGEXP_INSTR(',,,,,','[^,]*') FROM D L;
Select REGEXP_INSTR(',,,,,','[^,]') FROM D L;

三、REGEXP_S STR

SELECT REGEXP_S STR(mc,'[a-z]+') FROM test;
SELECT REGEXP_S STR(mc,'[0-9]+') FROM test;
SELECT REGEXP_S STR('aababcde','^a.*b') FROM D L;

四、REGEXP_REPLACE

Select REGEXP_REPLACE('Joe Smith','( ){2,}', ',') AS RX_REPLACE FROM d l;
Select REGEXP_REPLACE('aa bb cc','(.*) (.*) (.*)', '3, 2, 1') FROM d l;

posted on 2011-08-22 10:38 HUIKK 阅读(386) 评论(0)  编辑  收藏 所属分类: DataBase

只有注册用户登录后才能发表评论。


网站导航: