本教程介绍如何在AutoHotkey中【教程】正则表达式简明教程。包含完整的AHK代码示例、实现原理和详细说明,适合从入门到进阶的AutoHotkey开发者参考。
本教程介绍如何在AutoHotkey中【教程】正则表达式简明教程。包含完整的AHK代码示例、实现原理和详细说明,适合从入门到进阶的AutoHotkey开发者参考。
导言:这套简明教程主要是让您明白正则表达式是什么、能做什么、以及如何在 AutoHotkey 中使用它。注意:这里介绍的正则表达式基于 AutoHotkey 所使用的 PCRE 引擎,在其他语言中特性和语法可能有差异。
预备知识:RegExMatch、RegExReplace
一、简明规则介绍
也许您以前曾听说过正则表达式,或曾看过别人写的式子,感觉它像天书一样复杂。不过,只要您跟我一步步操作,您会发现其实没有想象中的那么难。很可能您使用过 Dos/Windows 下用于文件查找的通配符即 * 和 ?。如果想查找某个目录下的所有的 AutoHotkey 文档的话,您会搜索 *.ahk。在这里,* 会被解释成任意的字符串。而正则表达式也是用来进行文本匹配的工具,不过它比通配符更强大,可以进行更精确的匹配,当然,相应会复杂一些。学习正则表达式比较好的方法是从例子开始,理解例子后对例子进行修改、实验,所以我这里介绍几个简单的例子,并加以详细说明,现在就开始吧!
二、普通匹配
我想找出 Haystack 中 is 首次出现的位置:
这几乎是最简单的匹配模式了,很简单吧?
需要了解的是 RegExMatch() 函数从字符串的左边开始寻找匹配的首个字符串然后返回这个字符的位置,源字符串中首个字符的位置为 1。
提一下,中文字符是普通字符,可以直接使用在匹配模式中进行匹配。
三、正则基本语法
正则表达式包括普通字符(例如字符 a 到 z)、元字符(例如\n)、特殊字符(称为”元字符”)、限定符(例如{n,m})和定位符(例如^)。
(一) 普通字符
普通字符包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。
(二)限定符
限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 ***** 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。正则表达式的限定符有:
| 字符 | 描述 |
|---|---|
| * | 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” 、 “does” 中的 “does” 、 “doxy” 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。 |
(三) 定位符
定位符用来描述字符串或单词的边界,^ 和 $ 分别指字符串的开始与结束,\b 描述单词的前或后边界,\B 表示非单词边界。正则表达式的定位符有:
| 字符 | 描述 |
|---|---|
| ^ | 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^ 还会与 \n 或 \r 之后的位置匹配。 |
| $ | 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与 \n 或 \r 之前的位置匹配。 |
| \b | 匹配一个单词边界,即字与空格间的位置。 |
| \B | 非单词边界匹配。 |
(四) 非打印字符
非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列:
| 字符 | 描述 |
|---|---|
| \n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
| \r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
| \s | 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]。 |
| \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
| \t | 匹配一个制表符。等价于 \x09 和 \cI。 |
| \v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
(五)特殊字符
所谓特殊字符,就是一些有特殊含义的字符,在试图匹配它们时要特别对待。若要匹配这些特殊字符,必须首先使字符”转义”,即,将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符:
| 特别字符 | 描述 |
|---|---|
| $ | 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’。要匹配 $ 字符本身,请使用 \$。 |
| ( ) | 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符,请使用 ( 和 )。 |
| * | 匹配前面的子表达式零次或多次。要匹配 * 字符,请使用 \*。 |
| + | 匹配前面的子表达式一次或多次。要匹配 + 字符,请使用 \+。 |
| . | 匹配除换行符 \n 之外的任何单字符。要匹配 . ,请使用 \. 。 |
| [ | 标记一个中括号表达式的开始。要匹配 [,请使用 \[。 |
| ? | 匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 \?。 |
| \ | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如, ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\’ 匹配 “”,而 ‘(‘ 则匹配 “(“。 |
| ^ | 匹配输入字符串的开始位置,除非在方括号表达式中使用,此时它表示不接受该字符集合。要匹配 ^ 字符本身,请使用 \^。 |
| { | 标记限定符表达式的开始。要匹配 {,请使用 \{。 |
| | | 指明两项之间的一个选择。要匹配 |,请使用 |。 |
| (?:pattern) | 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。 |
| (?=pattern) | 正向肯定预查,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(?=2000)”能匹配”Windows2000″中的”Windows”,但不能匹配”Windows3.1″中的”Windows”。 |
| (?!pattern) | 正向否定预查,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(?2000)”能匹配”Windows3.1″中的”Windows”,但不能匹配”Windows2000″中的”Windows”。 |
| (?<=pattern) | 反向肯定预查,与正向肯定预查类似,只是方向相反。例如,”(?<=2000)Windows“能匹配”2000Windows“中的”Windows“,但不能匹配”3.1Windows“中的”Windows“。 |
| (?<!pattern) | 反向否定预查,与正向否定预查类似,只是方向相反。例如”(?<!2000)Windows“能匹配”3.1Windows“中的”Windows“,但不能匹配”2000Windows“中的”Windows“。 |
(1)句点
我想找出 Haystack 中的首个字符:
从结果可以看出,这里得到的不是句点的位置,而是位置在第一个的字母 T。. 是最常用的元字符,它可以匹配除换行符外的任意字符(包括句点),可以把它当成 Windows 通配符中的星号。
(2)次数匹配
我想找到从“is”开始往后的整个字符串:
这个模式中,* 不匹配字符,而是修饰前面一个单元,表示前一个单元的字符可以出现任意次。那么,.* 则表示可以匹配除换行符外的任意字符出现任意次数,所以这里匹配了从 is 出现往后的所有内容。
相关:
* 表示前一单元可以出现零次或多次;
+ 表示前一单元可以出现一次或多次;
? 表示前一单元可以出现零次或一次;
{n,m} 表示前一单元可以出现 n 次到 m 次(n<m),这种形式有几种变形:{n}、{n,} 等。
(4)位置匹配
示例 1 中虽然找出了首个 is 的位置,但它是在 This 单词中,而我需要找到单词 is 的位置。
现在找到啦,这里匹配模式中 \b 不匹配字符,它匹配这样一个位置:它的前一个字符和后一个字符不全是字母、数字和下划线(一个是,同时另一个不是或不存在)。首个 \b 后是字母 i,那么它前一个字符不能是字母、数字和下划线中的其中一种,所以排除了 This,因为这里前一个字符是字母 h。
相关:与 \b 这样匹配位置的还有,^ 匹配字符串的开始,$ 匹配字符串的结束。
思考:结合前面的内容,这里如果要匹配 g 开始的单词呢?
(5)分支条件
如果我想匹配 Haystack 中 good 或 book 呢?
现在两个都匹配到了,第二次 RegExMatch() 函数参数中的 12 表示从第 12 个字符开始匹配。这里模式中 | 表示可选的,即只要符合其中一个分支就会形成匹配。
这里简单提到一点:假如匹配时,同时符合多个分支,那么实际产生的匹配是最前面那个。a|ab 模式实际不会得到 ab 的匹配,如果有兴趣,可以执行下面的代码:
只得到 a 的匹配,这是由于进行匹配时如果满足前面的分支后不再测试后面的分支,直接到下一个字符进行测试。假如这里模式换成 ab|b,那么也会产生b的匹配。
(5)小括号
我想匹配某个字符串中所有邮政编码,你也许马上想到了可以使用上面的分支条件,0|1|2|3|4|5|6|7|8|9{6},实验后发现不对了,这里 {6} 只修饰 9,而前面的数字只进行单独的匹配。
这里模式中,() 使得其中包含的内容成为一个单元,而 {6} 修饰这个单元,所以可以匹配任意六位数。
说明:让包含的内容成为一个单元是小括号的一个作用,后面再介绍其他用法。
(6)方括号
上面的例子中这么写也太繁琐了吧,如果要匹配所有字母,小写加大写有 52 个,不是会写的很长吗?别急,这里所有数字的组合可以简写成 [0-9],那么 (0|1|2|3|4|5|6|7|8|9){6} 就变成了 [0-9]{6},简单了吧?试验下,看看效果是不是相同。
这里的模式中,[0-9] 表示匹配从 0 到 9 的所有数字,这是一个字符组(也是一个单元),{6} 是修饰这个字符组的。这样我们可以根据实际把需要的字符放在方括号中进行匹配,如需要匹配 13 或 15 开始的手机号码,可以用这样的模式 1[35][0-9]{9},共11位数字。
类似的,[a-z] 可以匹配任意一个小写字母,而 [a-zA-Z0-9_] 可以匹配字母、数字和下划线中任意一个。
那么如果我需要匹配非数字的任意两个字符呢?
这里,方括号中的 ^ 表示排除,注意必须紧跟着 [ 才有排除的含义,如果在其他位置则变成普通字符(还记得吗,在方括号外它表示匹配字符串的开始处)。有趣的是,这里 – 表示从前一个字符到后一个字符的范围,如果需要让方括号单元可以匹配连字符,必须把它放在紧接着”]”的位置,即在单元中它后面不能含有其他字符。当 – 在方括号外时为普通字符。
另外还需要注意:在方括号中,如果需要匹配 ],必须进行转义,如 [0-9\]] 可以匹配任一数字或 ]。
思考,如果我需要匹配任意一个汉字呢?
(7)常用字符组
忘了告诉你一个秘密,[0-9] 还有更简单的写法 \d。特殊字符组的简化形式主要有这些:
\d 相当于 [0-9],匹配任意一个数字;
\w 相当于 [0-9a-zA-Z_],匹配单词中任一的字符;
\s 通常情况下相当于 [ \f\n\r\t\v],注意方括号中首个是空格,匹配任一空白字符;如果我想排除这些字符呢,即匹配这些字符外的其他字符?
\D 相当于 [^0-9];
\W 相当于 [^0-9a-zA-Z_];
\S 匹配非空白字符。其他还有一些特殊字符组,参见帮助中 POSIX 形式表示的特殊字符组。
效果和上一个例子一样吗?
(8)匹配元字符
说了那么多,那我该如何匹配句点呢?
前面说过了,由于句点属于特殊字符,所以要匹配它自身时必须进行转义,即在它前面加一个转义符(反斜线),这样它就成为普通字符了。特殊字符主要包括 \.*?+[{|()^$,对它们进行匹配时需要在前面加上转义符。
注意:这里的转义符是正则中的转义符,为反斜线,不是指 AutoHotkey 中的转义符(重音符)。
(9)匹配一些特殊字符
特殊字符主要有,\t(制表符),\r(回车符),\n(换行符),还支持 \xhh 的转义序列(这里 hh 表示介于 00 到 FF 之间的ANSI 字符的十六进制码)。还有其他一些特殊字符,请参见帮助。
另外,在这种情况下可以使用 AutoHotkey 的转义符(重音符)替换正则语法的转义符(反斜线),但在其他情况下则不能。
提到一下,空格是普通字符,不需要转义,也不需要特殊表示进行匹配。
(10)贪婪与懒惰
我们发现,这里它不是匹配到单词 This,而是 This is,现在我们把匹配模式修改成 T.*?is,再试试~
这里 ? 修饰匹配次数单元,表示尽可能少重复,同理:
.*? 重复任意次,但尽可能少重复
.+? 重复 1 次或更多次,但尽可能少重复
.? 重复 0 次或 1 次,但尽可能少重复
{n,m}? 重复 n 到 m 次,但尽可能少重复
{n,}? 重复 n 次以上,但尽可能少重复默认情况下为贪婪匹配,即匹配尽可能多的字符,这里使用问号可以控制它前面一个表示匹配次数的单元进行懒惰匹配,如果表示匹配次数的单元比较多,且都需要进行懒惰匹配,这时使用选项比较方便。
(11)选项
先看这个例子:
接着把上面的匹配模式 E 换成 i)E,再看看结果。
比较后可以发现,后面这种模式除了匹配大写 E 外,还可以匹配小写的e。这里的 i 是正则表达式的选项,可以影响模式匹配时的一些行为,i 表示进行模式匹配时不区分大小写。选项与模式之间使用闭括号隔开。这里说明一下,前面的例子都是在不含选项即默认的情况下匹配的行为。更多选项请参见帮助。
1.元字符
元字符就是指那些在正则表达式中具有特殊意义的专用字符,有点类似于编程语言中的关键字,是必须要要记住的。
1.用于匹配单个字符的元字符
2.用于匹配空白符的元字符
3.表示数量的元字符
4.表示匹配范围的元字符
2.正则表达式的匹配模式
正则表达式主要有三种匹配模式:1.贪婪模式2.非贪婪模式3.独占模式。
贪婪模式就是尽可能的进行最长的匹配,非贪婪模式则会尽可能短的进行匹配,默认启动的是贪婪模式,要启动非贪婪模式需要在对应的量词后面加上修饰词?
不管是贪婪模式,还是非贪婪模式,都需要发生回溯才能完成相应的功能。但是在一些场景下,我们不需要回溯,匹配不上返回失败就好了,因此正则中还有另外一种模式,独占模式它类似贪婪匹配,但匹配过程不会发生回溯,因此在一些场合下性能会更好。
独占模式和贪婪模式很像,独占模式会尽可能多地去匹配,如果匹配失败就结束,不会进行回溯,这样的话就比较节省时间。具体的方法就是在量词后面加上加号(+)。python和Go目前不支持独占模式。
量词元字符后加+(英文加号)满足要求情况下,尽可能按照最长取匹配,不会发生回溯,匹配不上就失败。
3.分组和引用
正则表达式中通过()将一部分匹配内容整体视为一个分组,将其当成一个整体进行处理。在后续的匹配或者替换中对其进行引用。括号在正则表达式中最大的用途就是分组。
分组分为不保存子组和保存子组,保存子组是为了复用,而不保存子组只是单纯的被视为一个整体,可以提高程序的性能。括号里面使用?:来定义不保存子组
正则表达式是通过括号的次序来对表达式进行分组的,在括号嵌套的情况下,我们可以通过左括号是第几个,来判定当前分组是第几个分组。
很多时候改变了括号的数量会影响分组的编号,因此我们可以使用命名分组对分组起一个名字,这样更容易查找,不容易出错。命名分组的格式如下
需要注意的是,刚刚提到的方式命名分组和前面一样,给这个分组分配一个编号,不过你可以使用名称,不用编号,实际上命名分组的编号已经分配好了。不过命名分组并不是所有语言都支持的。
在大部分场景下我们使用反斜杠+编号来进行分组的引用,但在部分场景下也可以使用$+编号来进行引用
正则表达式命名分组在不同语言下的引用记法不相同
4.各种功能模式
这里介绍的功能模式和匹配模式不同,针对的领域不同,这里面介绍的模式类似于正则表达式的一个个功能开关,开启了这种功能模式,正则表达式能做更多的事情。主要分为:1.不区分大小写模式2.单行匹配模式3.多行匹配模式4.注释模式。
1.不区分大小写模式
当我们把模式修饰符(?i)放在整个正则表达式前面时,就表示整个正则表达式都是不区分大小写的。
修饰符如果在括号内,作用范围是这个括号内的正则,而不是整个正则表达式;
2.单行匹配模式
单行匹配模式,在这种模式下(.)可以匹配包括换行符的任意字符。模式修饰符为(?s)
需要注意的是,JavasScript不支持此模式。
3.多行模式
多行模式的作用在于,使用^和$能匹配上每行的开头或者结尾,模式修饰符号为(?m)
正则中还有\A和\z(Python中是\Z)这两个元字符容易混淆,\A仅匹配整个字符串的开始,\z仅匹配整个字符串的结束。
4.注释模式
注释模式的修饰符号是(?#comment),注释模式用来注释复杂的正则表达式方便大家的理解。
5.各种定位锚点
正则表达式中的锚点用于匹配位置,而不是文本内容本身
1.单词边界
在正则表达式中我们以\b来表示单词的边界。
2.行的开始和结束
通过^和$来进行行位置界定^匹配行开头,$匹配行结尾
3.环视
环视就是要求匹配部分的前面或者后面满足(或不满足)某种规则.
尖括号代表左边,没有尖括号代表右边,感叹号是非的意思。
环视中虽然也有括号,但不会保存成子组。保存成子组的一般是匹配到的文本内容,后续用于替换等操作,而环视是表示对文本左右环境的要求,即环视只匹配位置,不匹配文本内容。
6.各种元字符的转义使用
在编程过程中使用字符串的时候,当转义字符放在字符序列中,它将对它后续的几个字符进行替代并解释。通常,判定某字符是否为转义字符由上下文确定。转义字符即标志着转义序列开始的那个字符。
正则表达式也是通过反斜杠进行转义的
字符组中需要转义的三种情况
1.脱字符在中括号中,且在第一个位置需要转义
2.中划线在中括号中,且不在首尾位置
3.右括号在中括号中,且不在首位
一般来说如果我们要想将元字符表示成它字面上本来的意思,是需要对其进行转义的,但如果它们现在字符组中栝号里,可以不转义。
在字符数组中一般单字符的元字符比如,. * + ? ( )等, 它们都不再具有特殊含义,而是代表字符本身。但如果在中括号中出现\d或\w等双符号元字符时,他们还是元字符本身的含义。
四、常见应用示例
在普通的文本查找/替换等操作时,应该首先考虑 InStr()、IfInString、StringGetPos、StringReplace,这样更简单不易出错(且执行效率较好)。当使用普通匹配很繁琐或容易产生问题时,则应考虑使用正则表达式了。窗口的匹配也是如此。
(一)何时应该转义,如何转义
匹配引号,这个似乎应该写到前面的基础中,还记得表达式中一个原义的引号如何表示的吗?
引号对于正则来说不应该看成特殊字符,这里的特殊是由于在 RegExMatch() 和 RegExReplace() 中,引号必须确定匹配模式的部分,因此在语句解析时它具有特殊含义,为了传递正确的形式到正则进行处理,应该使用两个连续的引号表示一个原义的引号(这样在 AutoHotkey 解释器解释后传递给正则的就是单个引号了)。 这种表示法是表达式中原义引号的表达方法,如果用反斜线进行转义,这样会在正则处理前解释就出错了。
还是再啰嗦一点:反斜线或 \Q…\E 这样的转义方法只适用于正则表达式中的特殊符号,而同时适用 AutoHotkey 和正则的转义方法的在帮助中只说明了三个符号(Tab、回车符和换行符)。 匹配模式中的字符是否需要转义需要看字符和字符所在位置(例如有些字符只在方括号中甚至在其中的特殊位置才有特殊含义),如何转义则看是这个字符是属于什么的特殊符号。这点可能是正则中比较容易产生问题的地方。
(二)去除路径中末尾的反斜线
在 FileSelectFolder 命令中,当用户选择了根目录(如 C:\),输出变量会以反斜线结尾,可用下面的方法去掉它:
这里还可以用普通方法,即获取最后一个字符,判断它是否为反斜线,是则去除,比起来用正则语句上稍简洁些:
(三)去除文本中的空行
有时我们在处理文本时,需要将多个空行合并成一个空行,这时可以参考下面的例子:
模式中的 (*BSR_ANYCRLF) 表示后面的 \R 可以匹配 CR/LF/CRLF 三种换行符,这里如果需要将多个空行合并成一个,则需要把替换的字符串换成两个换行符。换成普通方法时,可以用循环替换:
比较起来,使用正则可以处理换行符较复杂的情况。普通方法如果需要考虑多种换行符,可以先进行换行符的替换。
(四)去除多行文本中行首行尾的空格和 Tab
去除单行文本首尾的空格和 Tab,只需在 AutoTrim 设置为 On 的情况下重新赋值,那么多行文本如何处理呢?
这里对其中包含的一些情况进行说明:
- m 选项可以把 OldText 当做多行文本而不是作为一个整体处理(主要影响行首行尾位置的匹配);
- (*ANYCRLF) 的作用是规定换行符的识别,影响位置匹配,默认情况下只识别 CRLF,加上这个后还可以识别单个的 CR 和 LF(如果需要仅识别单个的换行符,使用选项 `n 或选项 `r 进行切换,而使用选项 `a 则可以把更多的字符当成换行符,为了简便我通常将两个选项一起用即 m`a)
- [[:blank:]] 是 POSIX 形式的字符组,包含空格和 Tab,换成 [ \t] 效果也是等同的(我习惯这么写,感觉直观些),这里不能使用 \s 代替;
- 第二个星号使用了懒惰匹配,如果这里贪婪匹配则无法去除行尾的空格和 Tab 了(思考:假如这里用贪婪匹配,且第三个星号换成加号,会有什么问题呢?)。
- 匹配模式中括号的作用是捕获匹配子模式的字符串,我们可以使用像 $1 的方法在后面的替换字符串中进行引用,这种方法叫后向引用。具体细节参见 RegExReplace()。(还记得我们前面介绍的括号的一个作用是什么?)
一种可选的方法是使用循环解析字符串,将多行文本分解成单行处理:
我们会发现,这样可能在实现目的的同时,可能也让其他地方发生了一些变化(可能关系不大,也可能产生问题)。
如果只需要去除行首或行尾的空格和 Tab,情况会简单一些:
(五)积累
匹配各种类型
身份证号码
邮政编码
中文字符
匹配IPV4的地址
匹配时间
邮箱
校验数字的表达式
- 数字:^[0-9]*$
- n位的数字:^\d{n}$
- 至少n位的数字:^\d{n,}$
- m-n位的数字:^\d{m,n}$
- 零和非零开头的数字:^(0|[1-9][0-9]*)$
- 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$
- 带1-2位小数的正数或负数:^(\-)?\d+(\.\d{1,2})?$
- 正数、负数、和小数:^(\-|\+)?\d+(\.\d+)?$
- 有两位小数的正实数:^[0-9]+(.[0-9]{2})?$
- 有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$
- 非零的正整数:^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
- 非零的负整数:^\-[1-9][]0-9″*$ 或 ^-[1-9]\d*$
- 非负整数:^\d+$ 或 ^[1-9]\d*|0$
- 非正整数:^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
- 非负浮点数:^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
- 非正浮点数:^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
- 正浮点数:^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
- 负浮点数:^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
- 浮点数:^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
校验字符的表达式
- 汉字:^[\u4e00-\u9fa5]{0,}$
- 英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
- 长度为3-20的所有字符:^.{3,20}$
- 由26个英文字母组成的字符串:^[A-Za-z]+$
- 由26个大写英文字母组成的字符串:^[A-Z]+$
- 由26个小写英文字母组成的字符串:^[a-z]+$
- 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$
- 由数字、26个英文字母或者下划线组成的字符串:^\w+$ 或 ^\w{3,20}$
- 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$
- 中文、英文、数字但不包括下划线等符号:^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
- 可以输入含有^%&’,;=?$\”等字符:[^%&’,;=?$\x22]+
- 禁止输入含有~的字符:[^~\x22]+
特殊需求表达式
- Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
- 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
- InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
- 手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
- 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX):^($$\d{3,4}-)|\d{3.4}-)?\d{7,8}$
- 国内电话号码(0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7}
- 身份证号(15位、18位数字):^\d{15}|\d{18}$
- 短身份证号码(数字、字母x结尾):^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
- 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
- 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]\w{5,17}$
- 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
- 日期格式:^\d{4}-\d{1,2}-\d{1,2}
- 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$
- 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$
- 钱的输入格式:
- 有四种钱的表示形式我们可以接受:”10000.00″ 和 “10,000.00″, 和没有 “分” 的 “10000″ 和 “10,000″:^[1-9][0-9]*$
- 这表示任意一个不以0开头的数字,但是,这也意味着一个字符”0″不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$
- 一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:^(0|-?[1-9][0-9]*)$
- 这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:^[0-9]+(.[0-9]+)?$
- 必须说明的是,小数点后面至少应该有1位数,所以”10.”是不通过的,但是 “10″ 和 “10.2″ 是通过的:^[0-9]+(.[0-9]{2})?$
- 这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:^[0-9]+(.[0-9]{1,2})?$
- 这样就允许用户只写一位小数。下面我们该考虑数字中的逗号了,我们可以这样:^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
- 1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
- 备注:这就是最终结果了,别忘了”+”可以用”*”替代。如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
- xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
- 中文字符的正则表达式:[\u4e00-\u9fa5]
- 双字节字符:[^\x00-\xff] (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))
- 空白行的正则表达式:\n\s*\r (可以用来删除空白行)
- HTML标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*? /> (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)
- 首尾空白字符的正则表达式:^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)
- 腾讯QQ号:[1-9][0-9]{4,} (腾讯QQ号从10000开始)
- 中国邮政编码:[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
- IP地址:\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)
- IP地址:((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))
说到这里,都是比较简单的例子,对于更复杂的情况一般根据实际将上面的模式进行组合大部分都可以解决了。原本打算再加上一个在窗口命令中用正则匹配标题的例子,现在觉得不需要了,这里使用正则只在于构造正确匹配模式,并没有什么特殊的地方。
五、小结
上面的例子都很简单,是吧?没错,如果上面的例子你都试验过并理解了,那么恭喜你已经入门了。不过,现在我想和你说的是,正则表达式是比较复杂的工具,我刚才所介绍的只是其中基本的一些规则,这里介绍一些论坛中与正则相关的内容:
- An AHK Introduction to RegEx:在 AHK 中正则主要用于字符串处理和窗口匹配,本教程中将正则的用法融入实际应用,让初学者很容易将其用于自己的脚本。
- AHK 正则终结者:正则辅助工具,以后可能就这方面的工具(包括非针对 AHK 的第三方工具)写一篇介绍文章。
- 正则表达式 模式 手册补充
- 正则匹配模式的所有实例
- 正则反向查找
- A collection/library of regular expressions:正则在 AutoHotkey 中的应用实例集合,写于早期
如果希望深入学习它,可以到网上搜索资料或参考我下面列出的教程(它们很可能不是针对 AutoHotkey 所写,所以根据情况需要替换上面的例子进行试验)。
- 正则表达式30分钟入门教程
- 深入浅出之正则表达式(一)、(二)
- 揭开正则表达式的神秘面纱
- 微软正则表达式教程
- Introduction to the Tutorial
- Regular Expression Tutorial
- Mastering Regular Expressions (Second Edition)
最后,前面简单提过,不过这里我想再次建议:对正则最好的优化是在可以不使用正则时不去使用。正则很强大,但同时也规则复杂以至难以驾驭,因此很容易出错且难以维护就成为了我们在使用中经常遇到的问题。
正则表达式作为特定领域里的一门编程语言,在字符串处理领域有着不可撼动的地位。通过使用正则表达式我们可以使用简单的语法实现字符串格式校验、字符串分割、字符串替换、字符串查找等复杂功能。正则表达式的出现极大的简化了对字符串复杂处理的流程。
这里对正则表达式的基本语法知识进行总结,方便大家快速掌握正则表达式。学了这些基本语法知识,99%的字符串复杂处理都不在话下,为什么不试试呢。

