正則表達式
正則表達式（Regular Expression，縮寫為regexp，regex或regxp)，又稱正規表達式、正規表示式或常規表達式或正規化表示法或正規表示法，是指一個用來描述或者匹配一系列符合某個句法規則的字元串的單個字元串。在很多文本編輯器或其他工具裡，正則表達式通常被用來檢索和/或替換那些符合某個模式的文本內容。許多程式語言都支持利用正則表達式進行字元串操作。例如，在Perl中就內建了一個功能強大的在正則表達式引擎。正則表達式這個概念最初是由Unix中的工具軟體（例如sed和grep）普及開的。
基本概念
一個正則表達式通常被稱為一個模式 (pattern)，為用來描述或者匹配一系列符合某個句法規則的字元串。例如：Handel、Händel 和 Haendel 這三個字元串，都可以由 "H(a|ä|ae)ndel" 這個模式來描述。大部分正則表達式的形式都有如下的結構：
- 替換
- |
- 豎直分隔符代表替換。例如"gray|grey"可以匹配grey或gray。
- 數量限定
- 某個字元後的數量限定符用來限定前面這個字元允許出現的個數。最常見的數量限定符包括+, ?,和*（不加數量限定則代表出現一次且僅出現一次）：
- +
- 加號代表前面的字元必須至少出現一次。(1次，或多次)。例如，"goo+gle"可以匹配google，gooogle，goooogle等;
- ?
- 問號代表前面的字元最多只可以出現一次。(0次，或1次)。例如，"colou?r"可以匹配colour或者color;
- *
- 星號代表前面的字元可以不出現，也可以出現一次或者多次。(0次，或1次，或多次)。例如，"0*42"可以匹配42，042，0042，00042等。
- 捕獲
- 圓括號可以用來定義操作符的範圍和優先度。例如，"gr(a|e)y"等價於"gray|grey"，"(grand)?father"匹配father和grandfather。
上述這些構造子都可以自由組合，因此，"H(ae?|ä)ndel"和"H(a|ae|ä)ndel"是相同的。
精確的語法可能因不同的工具或程序而異。
歷史
最初的正則表達式出現於理論電腦科學的自動控制理論和形式語言理論中。在這些領域中有對計算（自動控制）的模型和對形式語言描述與分類的研究。1940年代，Warren McCulloch與Walter Pitts將神經系統中的神經元描述成小而簡單的自動控制元。稍後，數學家Stephen Kleene利用稱之為正則集合的數學符號來描述此模型。Ken Thompson將此符號系統引入編輯器QED，然後是Unix上的編輯器ed，並最終引入grep。自此，正則表達式被廣泛地使用於各種Unix或者類似Unix的工具，例如Perl。
Perl正則表達式源自於Henry Spencer寫的regex，它已經演化成了pcre（Perl相容正則表達式Perl Compatible Regular Expressions），一個由Philip Hazel開發的，為很多現代工具所使用的庫。
各電腦語言之間的正則表達式的整合目前開展的很差。未來的Perl6的子項目Apocalypse的設計中已考慮到了這點。
表達式全集
正則表達式有多種不同的風格。下表是在PCRE中元字元及其在正則表達式上下文中的行為的一個完整列表：
| 字元 | 描述 |
|---|---|
| \ | 將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後引用、或一個八進位轉義符。例如，「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。 |
| ^ | 匹配輸入字元串的開始位置。如果設置了RegExp對象的Multiline屬性，^也匹配「\n」或「\r」之後的位置。 |
| $ | 匹配輸入字元串的結束位置。如果設置了RegExp對象的Multiline屬性，$也匹配「\n」或「\r」之前的位置。 |
| * | 匹配前面的子表達式零次或多次。例如，zo*能匹配「z」以及「zoo」。*等價於{0,}。 |
| + | 匹配前面的子表達式一次或多次。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價於{1,}。 |
| ? | 匹配前面的子表達式零次或一次。例如，「do(es)?」可以匹配「do」或「does」中的「do」。?等價於{0,1}。 |
| {n} | n是一個非負整數。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o。 |
| {n,} | n是一個非負整數。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,}」等價於「o+」。「o{0,}」則等價於「o*」。 |
| {n,m} | m和n均為非負整數，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o。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。 |
| ? | 當該字元緊跟在任何一個其他限制符(*,+,?,{n},{n,},{n,m})後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜索的字元串，而預設的貪婪模式則儘可能多的匹配所搜索的字元串。例如，對於字元串「oooo」，「o+?」將匹配單個「o」，而「o+」將匹配所有「o」。 |
| . | 匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元，請使用像「[.\n]」的模式。 |
| (pattern) | 匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字元，請使用「\(」或「\)」。 |
| (?:pattern) | 匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用「或」字元(|)來組合一個模式的各個部分是很有用。例如，「industr(?:y|ies)就是一個比」industry|industries'更簡略的表達式。 |
| (?=pattern) | 正向預查，在任何匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如，「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」，但不能匹配「Windows3.1」中的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始。 |
| (?!pattern) | 負向預查，在任何不匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」，但不能匹配「Windows2000」中的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始 |
| 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字元。例如，「[abc]」可以匹配「plain」中的「a」。 |
| [^xyz] | 負值字符集合。匹配未包含的任意字元。例如，「[^abc]」可以匹配「plain」中的「p」。 |
| [a-z] | 字元範圍。匹配指定範圍內的任意字元。例如，「[a-z]」可以匹配「a」到「z」範圍內的任意小寫字母字元。 |
| [^a-z] | 負值字元範圍。匹配任何不在指定範圍內的任意字元。例如，「[^a-z]」可以匹配任何不在「a」到「z」範圍內的任意字元。 |
| \b | 匹配一個單詞邊界，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指明的控制字元。例如，\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的「c」字元。 |
| \d | 匹配一個數字字元。等價於[0-9]。 |
| \D | 匹配一個非數字字元。等價於[^0-9]。 |
| \f | 匹配一個換頁符。等價於\x0c和\cL。 |
| \n | 匹配一個換行符。等價於\x0a和\cJ。 |
| \r | 匹配一個回車符。等價於\x0d和\cM。 |
| \s | 匹配任何空白字元，包括空格、製表符、換頁符等等。等價於[\f\n\r\t\v]。 |
| \S | 匹配任何非空白字元。等價於[^\f\n\r\t\v]。 |
| \t | 匹配一個製表符。等價於\x09和\cI。 |
| \v | 匹配一個垂直製表符。等價於\x0b和\cK。 |
| \w | 匹配包括下劃線的任何單詞字元。等價於「[A-Za-z0-9_]」。 |
| \W | 匹配任何非單詞字元。等價於「[^A-Za-z0-9_]」。 |
| \xn | 匹配n，其中n為十六進位轉義值。十六進位轉義值必須為確定的兩個數字長。例如，「\x41」匹配「A」。「\x041」則等價於「\x04」&「1」。正則表達式中可以使用ASCII編碼。. |
| \num | 匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「(.)\1」匹配兩個連續的相同字元。 |
| \n | 標識一個八進位轉義值或一個向後引用。如果\n之前至少n個獲取的子表達式，則n為向後引用。否則，如果n為八進位數字(0-7)，則n為一個八進位轉義值。 |
| \nm | 標識一個八進位轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表達式，則nm為向後引用。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後引用。如果前面的條件都不滿足，若n和m均為八進位數字(0-7)，則\nm將匹配八進位轉義值nm。 |
| \nml | 如果n為八進位數字(0-3)，且m和l均為八進位數字(0-7)，則匹配八進位轉義值nml。 |
| \un | 匹配n，其中n是一個用四個十六進位數字表示的Unicode字元。例如，\u00A9匹配版權符號（©）。 |
[編輯] 範例
- 以下以PHP的語法所寫的範例
- 驗證字串是否只含數字與英文, 字串長度並在4~16個字元之間
$str = 'a1234';
if (ereg_match("^[a-zA-Z0-9]{4,16}$", $str)) {
echo "驗證成功";
} else {
echo "驗證失敗";
}
?>
- 簡易的台灣區的驗證身份字號驗證
$str = 'a1234';
if (ereg_match("^[A-Z]{1}[1-2]{1}[0-9]{8}$", $str)) {
echo "驗證成功";
} else {
echo "驗證失敗";
}
?>