PCRE中元字符及其在正则表达式

李湘华

2010-07-07

正则表达式有多種不同的风格。下表是在PCRE中元字符及其在正则表达式上下文中的行为的一个完整列表：

将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，「`n`」匹配字符「`n`」。「`\n`」匹配一个换行符。序列「`\\`」匹配「`\`」而「`\(`」则匹配「`(`」。
匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配「`\n`」或「`\r`」之后的位置。
匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配「`\n`」或「`\r`」之前的位置。
匹配前面的子表达式零次或多次。例如，zo能匹配「`z`」以及「`zoo`」。等价于{0,}。
匹配前面的子表达式一次或多次。例如，「`zo+`」能匹配「`zo`」以及「`zoo`」，但不能匹配「`z`」。+等价于{1,}。
匹配前面的子表达式零次或一次。例如，「`do(es)?`」可以匹配「`do`」或「`does`」中的「`do`」。?等价于{0,1}。
n是一个非负整数。匹配确定的n次。例如，「`o{2}`」不能匹配「`Bob`」中的「`o`」，但是能匹配「`food`」中的两个o。
n是一个非负整数。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,}`」等价于「`o+`」。「`o{0,}`」则等价于「`o*`」。
m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，「`o{1,3}`」将匹配「`fooooood`」中的前三个o。「`o{0,1}`」等价于「`o?`」。请注意在逗号和两个数之间不能有空格。
当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串「`oooo`」，「`o+?`」将匹配单个「`o`」，而「`o+`」将匹配所有「`o`」。
匹配除「`\n`」之外的任何单个字符。要匹配包括「`\n`」在内的任何字符，请使用像「`[.\n]`」的模式。
匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括號字符，请使用「`$`」或「`$`」。
匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符「`(\|)`」来组合一个模式的各个部分是很有用。例如「`industr(?:y\|ies)`」就是一个比「`industry\|industries`」更简略的表达式。
正向预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，「`Windows(?=95\|98\|NT\|2000)`」能匹配「`Windows2000`」中的「`Windows`」，但不能匹配「`Windows3.1`」中的「`Windows`」。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如「`Windows(?!95\|98\|NT\|2000)`」能匹配「`Windows3.1`」中的「`Windows`」，但不能匹配「`Windows2000`」中的「`Windows`」。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
匹配x或y。例如，「`z\|food`」能匹配「`z`」或「`food`」。「`(z\|f)ood`」则匹配「`zood`」或「`food`」。
字符集合。匹配所包含的任意一个字符。例如，「`[abc]`」可以匹配「`plain`」中的「`a`」。
负值字符集合。匹配未包含的任意字符。例如，「`[^abc]`」可以匹配「`plain`」中的「`p`」。
字符范围。匹配指定范围内的任意字符。例如，「`[a-z]`」可以匹配「`a`」到「`z`」范围内的任意小写字母字符。
负值字符范围。匹配任何不在指定范围内的任意字符。例如，「`[^a-z]`」可以匹配任何不在「`a`」到「`z`」范围内的任意字符。
匹配一个单词边界，也就是指单词和空格间的位置。例如，「`er\b`」可以匹配「`never`」中的「`er`」，但不能匹配「`verb`」中的「`er`」。
匹配非单词边界。「`er\b`」能匹配「`verb`」中的「`er`」，但不能匹配「`never`」中的「`er`」。
匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的「`c`」字符。
匹配一个数字字符。等价于[0-9]。
匹配一个非数字字符。等价于[^0-9]。
匹配一个换页符。等价于\x0c和\cL。
匹配一个换行符。等价于\x0a和\cJ。
匹配一个回车符。等价于\x0d和\cM。
匹配任何空白字符，包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。
匹配任何非空白字符。等价于[^\f\n\r\t\v]。
匹配一个制表符。等价于\x09和\cI。
匹配一个垂直制表符。等价于\x0b和\cK。
匹配包括下划线的任何单词字符。等价于「`[A-Za-z0-9_]`」。
匹配任何非单词字符。等价于「`[^A-Za-z0-9_]`」。
匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，「`\x41`」匹配「`a`」。「`\x041`」则等价于「`\x04&1`」。正則表达式中可以使用ASCII编码。.
匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，「`(.)\1`」匹配两个连续的相同字符。
标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。