正则表达式很强大且内容比较多。不少初学者学这个表示很困难。故写一篇入门的教程。
作者:阿航
正则表达式是一个天才创建的用于快速检索匹配字符串,通过简单的表达式匹配文本。
正则表达式也是一个字符串,包括元字符、限定符和正常意义的字符。正则表达式强大的地方就在元字符和限定符。
很多人讲这个都是先讲元字符。其实先讲限定符更加容易吸收。限定符是表示前面字符或元字符出现的次数。主要限定符如下:
限定符 | 含义 |
* | 表示前面字符或元字符出现0次或多次。例如:zo*m,可以匹配zm,zom,zoom |
+ | 表示前面字符或元字符出现1次或多次。例如:zo+m,可以匹配zom,zoom |
? | 表示前面字符或元字符出现0次或1次。例如:zo?m,可以匹配zm,zom |
{n} | 表示前面字符或元字符出现n次。例如:zo{3}m,可以匹配zooom |
{n,m} | 表示前面字符或元字符出现n到m次。例如:zo{1,3}m,可以匹配zom,zoom,zooom |
{n,} | 表示前面字符或元字符至少出现n次。例如:zo{2,}m,可以匹配zoom,zooom等等 |
当然,限定符用法不止这些。正则表达式还有个规则叫贪婪与吝啬。有些人也叫贪婪与懒惰。这个“贪婪与吝啬”是正则表达式难点和重点之一。
例如,字符串“n123n456n789n”。那么我们怎么匹配获取“n123n”和“n123n456n789n”呢。
使用正则表达式,首先要找规律。很明显我们要获取的内容开头和结尾都有一个字母n,中间是数字或字母。我们先学一个元字符。元字符是可以代表一定含义或规律的字符。可以匹配除了换行符之外的任意字符是小数点。
那么我们的表达式可以这么写:n.+n
两个字母n,中间夹着1个或多个任意字符。
但这样只能匹配得到一个结果:n123n456n789n。在我们没有对其任何限制的情况下,正则表达式会尽可能多匹配符合条件的结果。从头到尾整个都符合,所以都匹配了。这个称之为贪婪匹配。
那如何做到尽可能少的匹配。这个就需要加个?进行限制。
例如,表达式:n.+?n
这个表达式尽可能少匹配,也就是说碰到一次符合条件的就立马返回结果。结果可以匹配到“n123n”、“n789n”。
这种规则叫做吝啬匹配。只要在限定符后面再加个问号即可。
元字符是用于匹配字符串,可以代表一定含义或规律的字符串。主要的元字符如下:
元字符 | 含义 |
. | 小数点,代表除了换行符以外的任意字符 |
\ | 转义,若我想匹配一些被正则表达式占用的字符,例如小数点,可以用\. |
[abc] | 匹配中括号内的字符,例如[a-zA-Z],可以匹配到大小写字母 |
[^abc] | 不匹配中括号内的字符,例如[^a-z],表示不匹配小写字母 |
\w | 可以匹配字母、下划线和数字,相当于[a-zA-Z0-9_] |
\W | 大写的W是小写的w相反情况,也就是不匹配字母、下划线和数字。相当于[^a-zA-Z0-9_] |
\s | 匹配任意空白符,相当于[\f\n\r\t\v] |
\S | 匹配任意非空符,相当于[^\f\n\r\t\v]或[^\s] |
\d | 匹配数字,相当于[0-9] |
\D | 匹配非数字,相当于[^0-9] |
\b | 匹配单词的边界。这个匹配英文单词特别有用。例如\b[\w']+?\b就可以匹配任意单词了 |
\f | 匹配换页符 |
\n | 匹配换行符 |
\r | 匹配回车符 |
\t | 匹配tab制表符 |
\v | 匹配垂直制表符 |
^ | 不在中括号内的^,表示从字符串的开头开始匹配 |
$ | 表示匹配到字符串的结尾 |
x|y | 匹配x或y |
(表达式) | 元组,用小括号括起来的表达式当作一个元组,可以当作一个整体,也可以被\1\2\3这样类似索引获取。 |
元字符比较多,这里就建议大家先收藏,需要用的时候再查阅。多用几次就自然记住了。
这里还有个小技巧,若我想匹配全部任意字符,包括换行符。可以用一组相反的元字符,例如[\s\S],就可以匹配全部任意字符。
5、常见的正则表达式
说了这么多,晕了没?看一些实例:
1)匹配邮编,邮编是6位数字。正则表达式:\d{6}
2)匹配手机,手机号是11位数字。正则表达式:\d{11}
3)匹配电话,电话是区号-号码组成,区号有3到4位,号码有6到9位。正则表达式:\d{3,4}-\d{6,9}
4)匹配日期,日期格式如1992-5-30,明显数字加横线组成。正则表达式:\d{4}-\d{1,2}-\d{1,2}
5)匹配汉字,汉字需要通过编码转义,汉字都unicode编码中都在一个范围内。正则表达式:[\u4e00-\u9fa5]
6、vba中使用正则表达式
若只是上面这些内容,那么还是纸上谈兵,需要应用到实际中。看看如何在vba中使用正则表达式。
vba使用正则表达式需要用到一个RegExp对象。
该对象可以通过引用Microsoft VBScript Regular Expressions 5.5。再声明定义:
Dim reg As New RegExp
还可以直接用CreateObject方法创建:
Dim reg As Objectset reg = CreateObject("VBScript.Regexp")
创建RegExp对象之后,看看它的相关属性和方法。
属性:
1)Global,是否全局匹配,若为False,匹配到一个结果之后,就不再匹配。默认False,建议设为True;
2)IgnoreCase,是否忽略大小写,默认False,建议设为False,这个会影响到正常表达式匹配;
3)Multiline,是否跨行匹配,默认False,建议设为False,这个会影响到正常表达式匹配;
4)Pattern,获取或设置正则表达式。
方法:
1)Execute,执行匹配
2)Replace,根据正确表达式全部替换
3)Test,测试正则表达式能否匹配到内容
举一些典型的例子:
1)判断是否存在数字
Public Function CheckNumber(str As String) As Boolean Dim reg As Object Set reg = CreateObject("VBScript.Regexp") Dim is_exist As Boolean With reg .Global = True .Pattern = "\d" is_exist = .Test(str) End With CheckNumber = is_exist End Function
用Test方法,判断能否匹配到数字。
2)获取所有编号
Public Sub GetCode() Dim reg As Object Set reg = CreateObject("VBScript.Regexp") Dim str As String str = "编号:ABC123155 日期:2016-01-11" & _ "编号:ABD134215 日期:2016-02-21" & _ "编号:CBC134216 日期:2016-01-15" reg.Global = True reg.Pattern = "[A-Z]{3}\d+" '获取匹配结果' Dim matches As Object, match As Object Set matches = reg.Execute(str) '遍历所有匹配到的结果' For Each match In matches '测试输出到立即窗口' Debug.Print match Next End Sub
因为这个编号是3个大写字母和多个数字组成。可以利用代码中的表达式匹配到3个结果:ABC123155、ABD134215和CBC134216。
3)去掉字符串中的数字
Public Function ClearNumber(str As String) As String Dim reg As Object Set reg = CreateObject("VBScript.Regexp") reg.Global = True reg.Pattern = "\d" '把所有数字替换成空' ClearNumber = reg.Replace(str, "") End Function
执行ClearNumber函数,即可去掉数字。例如ClearNumber("你342好234啊"),可得到"你好啊"。
4)获取子字符串
例如想获取某些字符串中的部分数据,可以匹配完成之后,再用字符串函数处理。但其实不用,用元组可以一次性搞定。
Public Sub GetHref() Dim reg As Object Set reg = CreateObject("VBScript.Regexp") Dim str As String str = "<a href='xxx1'>xxx1</a><a href='xxx2'>xxx2</a>" reg.Global = True '获取a标签中href的属性值' reg.Pattern = "href='(.+?)'" '获取匹配结果' Dim matches As Object, match As Object Set matches = reg.Execute(str) '遍历所有匹配到的结果' For Each match In matches '测试输出子表达式到立即窗口' Debug.Print match.SubMatches(0) Next End Sub
这里,可以通过match的SubMatches集合获取元组里面的内容。轻松得到xxx1和xxx2。
7、其他说明
vba的正则表达式不是很完整,没有递归的功能。递归是可以匹配公式或html代码等。有兴趣可以了解一下。