随笔 - 2146  文章 - 97 评论 - 11767 trackbacks - 253


长时间不用正则, 语法都忘了; 以下是基于之前的资料又结合 msdn 复习整理的记录:

TRegex.Create('abc');

abcde ABCDE abcde

默认区分大小写

TRegex.Create('abc', [roIgnoreCase]);

abcde ABCDE abcde

使用 roIgnoreCase 选项, 可不区分大小写

TRegex.Create('B');

ABC

匹配某个 Ansi 字符有多种方法, 下面都是匹配 'B':
TRegex.Create('\x42'); { 十六进制, 只能 1-2 位 }
TRegex.Create('\102'); { 八进制, 须 3 位 }
TRegex.Create(#66);    { 只用于 Delphi }
TRegex.Create(#$42);   { 只用于 Delphi }

{ 当前版本不支持 \u 和 \U; 类似不支持的还有: \L \I \N \c }


TRegex.Create('万');



匹配某个 UniCode 字符方法不多, 下面也是匹配 '万':
TRegex.Create(#19975); { 只用于 Delphi }
TRegex.Create(#$4E07); { 只用于 Delphi }

{ 当前版本不支持 \u 和 \U }


TRegex.Create(' ');

A B C

这是匹配一个空格, 还可以:
TRegex.Create('\x20'); { 十六进制, 只能 1-2 位 }
TRegex.Create('\040'); { 八进制, 须 3 位 }
TRegex.Create(#32);    { 只用于 Delphi }
TRegex.Create(#$20);   { 只用于 Delphi }


TRegex.Create('\*');

A*B

下列字符在正则表达式中有特殊意义, 使用时需要转义: . $ ^ { [ ( | ) * + ? \
需要转义的还有一些空白字符:
\r { 回车符 }
\n { 换行符 }
\f { 换页符 }
\t { 制表符 }
\v { 垂直制表符 }
\e { Esc 符 }
\a { 响铃 }
\b { 退格符; 只用在 [] 和替换模式中, 更多时候表示单词边界 }

给不需要转义的字符前置 \ 后, 会忽略 \


TRegex.Create('Monday|Wednesday|Friday');

Monday Tuesday Wednesday Thursday Friday Saturday Sunday

| 是或者

TRegex.Create('[BD]');

ABCDE

包含在 [] 中的...相当于 | (或者)

TRegex.Create('[^BD]');

ABCDE

不在 [] 中的...

TRegex.Create('[A-Z]');

RegularExpressions_1.0 适用于 Delphi 2009 及之后的版本

匹配大写字母

TRegex.Create('[a-z]');

RegularExpressions_1.0 适用于 Delphi 2009 及之后的版本

匹配小写字母

TRegex.Create('[0-9]');

RegularExpressions_1.0 适用于 Delphi 2009 及之后的版本

匹配阿拉伯数字

TRegex.Create('[A-Za-z]');

RegularExpressions_1.0 适用于 Delphi 2009 及之后的版本

匹配英文字母

TRegex.Create('[0-9.]');

RegularExpressions_1.0 适用于 Delphi 2009 及之后的版本

匹配阿拉伯数字和小数点; 小数点 . 不在 [] 中时可匹配任意字符

TRegex.Create('[A-C]X');

AX BX CX DX CS DS ES GS FS EAX EBX ECX EDX



TRegex.Create('['#$4E00'-'#$9FFF']');

Delphi

这个表达式是匹配汉字, 也可以这样写: TRegex.Create('[一-龥]');
前面提到, 当前版本暂不支持 \u, 如果支持的话可以这样写: TRegex.Create('[\u4E00-\u9FFF]');
其实像这种匹配应该使用字符集匹配, 可惜暂不支持, 后面会有提到.


TRegex.Create('Go{2}gle');

Ggle Gogle Google Gooogle Goooogle Gooooogle

{m} 表示重复 m 次

TRegex.Create('Go{2,4}gle');

Ggle Gogle Google Gooogle Goooogle Gooooogle

{m,n} 表示重复 m 到 n 次

TRegex.Create('Go{2,}gle');

Ggle Gogle Google Gooogle Goooogle Gooooogle

{m,} 表示重复 m 次以上

TRegex.Create('Go+gle');

Ggle Gogle Google Gooogle Goooogle Gooooogle

+ 表示 1 个或多个

TRegex.Create('Go*gle');

Ggle Gogle Google Gooogle Goooogle Gooooogle

* 表示 0 个或多个

TRegex.Create('Go?gle');

Ggle Gogle Google Gooogle Goooogle Gooooogle

? 表示 0 个或 1 个; 它还用于非贪婪匹配和子表达式

TRegex.Create('\d');

A1 B2 C3

\d 匹配阿拉伯数字; 相同于 [0..9]

TRegex.Create('\D');

A1 B2 C3

\D 匹配非数字字符, 包括空字符; 相同于 [^0..9] 或者 [^\d]

TRegex.Create('\s');

A1 B2 C3

\s 匹配空白; 相同于 [ \f\n\r\t\v]

TRegex.Create('\S');

A1 B2 C3

\S 匹配非空字符; 相同于 [^ \f\n\r\t\v]

TRegex.Create('\w');

A_1 B-2 C=3

\w 匹配单词字符; 相同于 [A-Za-z_0-9]

TRegex.Create('\W');

A_1 B-2 C=3

\W 匹配非单词字符; 相同于 [^A-Za-z_0-9]

TRegex.Create('.');

AAA
BBB
CCC


. 匹配除换行符以外的任意字符; 如果指定了 roSingleline 选项, 也能匹配换行符, 像这样: 
TRegex.Create('.', [roSingleline]);
也有例外: 如果 . 在 [] 中, 它只代表它自己.


TRegex.Create('\bDelphi\b');

Embarcadero_Delphi, DelphiBBS, MyDelphiBBS, www.Delphi.com

\b 表示单词边界; 另外 \b 在 [] 和替换模式中表示退格符

TRegex.Create('\bDelphi');

Embarcadero_Delphi, DelphiBBS, MyDelphiBBS, www.Delphi.com

\b 示例: 右边是边界

TRegex.Create('Delphi\b');

Embarcadero_Delphi, DelphiBBS, MyDelphiBBS, www.Delphi.com

\b 示例: 左边是边界

TRegex.Create('\BDelphi\B');

Embarcadero_Delphi, DelphiBBS, MyDelphiBBS, www.Delphi.com

\B 和 \b 相反, 匹配非单词边界

TRegex.Create('\b\w+\b');

one two three four

这是匹配所有英文单词的例子

TRegex.Create('\p{P}');

Ok? Ok!-是吗是的

\p 组合 {} 可以匹配更多的 UniCode 字符, \p{P} 是匹配标点符号;
它还可以细化, 譬如 \p{Pi} 匹配前引号 \p{Pf} 匹配后引号; 下面是详细列表:

C { 控制字符; 细分为: Cc(控制)、Cf(格式)、Cs(代理项)、Co(私用)、Cn(说是未使用, 但相当于"其他") }
L { 字母; 细分为: Lu(大写)、Ll(小写)、Lt(词首大写)、Lm(修饰符)、Lo(其他) }
M { 附加符号; 细分为: Mn(非间距)、Mc(间距组合)、Me(封闭) }
N { 数字; 细分为: Nd(十进制)、Nl(字母)、No(其他) }
P { 标点; 细分为: Pc(连接符)、Pd(短划线)、Ps(开始)、Pe(结束)、Pi(前引号)、Pf(后引号)、Po(其他) }
S { 符号; 细分为: Sm(数学)、Sc(货币)、Sk(修饰符)、So(其他) }
Z { 分隔符; 细分为: Zs(空白)、Zl(行)、Zp(段落) }

Net 可支持字符集, 譬如匹配简体中文: \p{IsCJKUnifiedIdeographs}; 可惜当前版本暂不支持.

TRegex.Create('\P{P}');

Ok? Ok!-

\P{} 是给 \p{} 取反; 这和 \D \S \W 是一样的.

TRegex.Create('\p{Nl}');

ABC

\p 实例: 匹配罗马数字

TRegex.Create('\p{Pi}');

ABC” abc’

\p 实例: 匹配前引号

TRegex.Create('\p{Pi}');

“ABC ‘abc

\p 实例: 匹配后引号

TRegex.Create('\p{Ps}');

(x)[x]{x}x〉x》x」x』x】x〕x〗

\p 实例: 匹配开始标点

TRegex.Create('\p{Pe}');

(x)[x]{x}〈x《x「x『x【x〔x〖x

\p 实例: 匹配结束标点

TRegex.Create('\p{Sc}');

$1 ¢2 £3 ¥4 5 6 7 8 9

\p 实例: 匹配货币符号

TRegex.Create('^Delphi');

Delphi Delphi Delphi
Delphi Delphi Delphi


^ 匹配行首; 在非多行模式下同 \A

TRegex.Create('^Delphi', [roMultiline]);

Delphi Delphi Delphi
Delphi Delphi Delphi


^ 在多行模式下

TRegex.Create('Delphi$');

Delphi Delphi Delphi
Delphi Delphi Delphi


$ 匹配行尾; 在非多行模式下同 \Z

TRegex.Create('Delphi$', [roMultiline]);

Delphi Delphi Delphi
Delphi Delphi Delphi


$ 在多行模式下

TRegex.Create('\ADelphi');

Delphi Delphi Delphi
Delphi Delphi Delphi


\A 匹配行首; 在多行模式下也是如此.

TRegex.Create('Delphi\Z');

Delphi Delphi Delphi
Delphi Delphi Delphi


\Z(或\z) 匹配行尾; 在多行模式下也是如此.

TRegex.Create('<.*>');

<html><head></head><body>ABC</body></html>

太贪婪了, 一下子都匹配了; 这就是所谓的贪婪匹配, 是默认的; 让匹配不贪婪只需要一个 ?

TRegex.Create('<.*?>');

<html><head></head><body>ABC</body></html>

这是非贪婪匹配, ? 也叫惰性限制符;
* ? + {m} {m,n} {m,} 的本性都是贪婪的, 都可以后缀一个 ? 成为非贪婪.

TRegex.Create('Delphi(?=20)');

Delphi7; Delphi2009; Delphi2010

(?=右边是); 这就是所谓的临界匹配, 下续...

TRegex.Create('Delphi(?!20)');

Delphi7; Delphi2009; Delphi2010

(?!右边不是)

TRegex.Create('(?<=B)123');

A123, B123, C123

(?<=左边是)

TRegex.Create('(?<!B)123');

A123, B123, C123

(?<!左边不是); 如果 () 中不是临界匹配就是 "子表达式"

TRegex.Create('([A-Z])\w+');

one One two Two three FOUR
这是匹配首字母大写的英文单词, 用到了子表达式; 其中的子表达式也同时匹配到了:
one One two Two three FOUR

如果不需要子表达式的匹配结果, 可以在子表达式前加上 "?:", 如:
TRegex.Create('(?:[A-Z])\w+\');
还可以通过 roExplicitCapture 选项来代替 ?: 的作用.


TRegex.Create('([A-Z])\w+', [roExplicitCapture]);

one One two Two three FOUR

但 roExplicitCapture 并不禁止用 ?<> 命名的子表达式获得匹配结果, 如:
TRegex.Create('(?<Name>[A-Z])\w+', [roExplicitCapture]);
有更多时候也需要子表达式的匹配结果, 并且继续用于表达式中, 还有多种使用方法.


TRegex.Create('([\w])\w+\1');

abba addr TNT _ABC_

子表达式可以有多个, 可以在后面的表达式中用 \1 \2 \3 ...引用(这就是所谓的反向引用);
引用时要避免和八进制混淆, 但避免的最好方法是使用其他方法引用.

TRegex.Create('(?<One>[\w])\w+\k<One>');

abba addr TNT _ABC_

这同上一例, 只是给子表达式取名为 One, 然后再用 \k<> 引用. 可以用单引号 ' 代替子表达式两边的 <>, 不过这在 Delphi 中不方便, 如:
TRegex.Create('(?''One''[\w])\w+\k''One''');
Net 还支持 <序号>, 此版本当前不支持. 另外子表达式还支持嵌套, 序号次序从外向里.

TRegex.Create('(A)\d{3}|\d{4}');

A1, A12, A123, A1234, B1, B12, B123, B1234

可利用子表达式执行类似 IfThen 的判断, 这就是所谓的替换构造; 本例是:
假如首字母是 A 则匹配: 首字母外加三个数字; 反之则匹配: 首字母外加四个数字

TRegex.Create('cd(?#这是注释)e');

abcdefg

这是第一种注释方法

TRegex.Create('cde#这是注释', [roIgnorePatternWhitespace]);

abcdefg

这是第二种注释方法, 只有打开 roIgnorePatternWhitespace 选项才能使用

TRegex.Create('Del phi', [roIgnorePatternWhitespace]);

万一的 Delphi 博客

这是忽略表示中空白的测试, 它也同时忽略了查询目标的空白;
但有时会多匹配一个行首, 不知是不是 bug.

TRegex.Create('(?i)Delphi|one|(?-i)two');

DELPHI ONE TWO

这是使用内联选项的测试; (?i)是忽略大小写, (?-i)是取消刚才的忽略.
譬如: (?ix-ms) 是启用 i 和 x 选项, 同时取消 m 和 s 选项.
关于更多选项和内联选项参加后面的列表.

正则表达式选项列表:

roIgnoreCase(i)               //不区分大小写
roMultiline(m)                //多行模式; 它只是修改了 ^(行首) 和 $(行尾)的意义
roExplicitCapture(n)          //不让子表达式获取匹配结果, 类似 ?: 但它不禁止用 ?<> 命名的子表达式
roSingleline(s)               //单行模式; 它只是修改了 . 的意义, 使用后 . 也可以匹配换行符
roIgnorePatternWhitespace(x)  //两个意思: 1、排除非转义空白; 2、启用 # 后面的注释
roStudy                       //同时编译表达式; 编译需要时间, 但编译后执行就快了

{ 其中的 i m n s x 是在表达式中直接调用这些选项的内联标记, roStudy 没有对应的标记 }


posted on 2010-01-06 01:01  万一  阅读(...)  评论(...编辑  收藏