--- language: PCRE filename: pcre-tw.txt contributors: - ["Sachin Divekar", "http://github.com/ssd532"] translators: - ["Michael Yeh", "https://hinet60613.github.io/"] lang: zh-tw --- 正規表達式(regular expression,或縮寫為regex, regexp)是一種用來表示搜尋模式的特殊字串。例如,你可以用`/^[a-z]+:/`來從網址`http://github.com`中擷取出`http:`這段http協定名稱。 相容Perl正規表達式(Perl Compatible Regular Expressions, PCRE)是一個實作正規表達式的C語言函式庫。此函式庫在1997年被開發出來,在當時面對複雜字串處理時大多會選擇使用Perl。也因為如此,PCRE大多的正規表達式語法都很酷似Perl。PCRE語法被廣泛運用在許多大專案中,包括PHP、Apache、R等。 PCRE中的超字元(metacharacter)主要可以分為以下兩類: * 在中括號外會被辨識的字元 ``` \ 通用跳脫字元 ^ 字串開頭 或 行首 $ 字串結尾 或 行尾 . 除了換行符號外的任何字元 [ 字元集合定義開始 | 支流開始 ( 子串模式定義開始 ) 子串模式定義結束 ? extends the meaning of ( 同時為數量0或1配對 also quantifier minimizer * 量詞 至少0個 至多無限個 + 量詞 至少1個 至多無限個 同時為佔有型量詞 { 最大/最小量詞開始 ``` * 在中括號內會被辨識的超字元,在中括號外會被視為字元集合使用 ``` \ 通用跳脫字元 ^ 非字元集合的字,但只會抓到第一個符合的字元 - 字元範圍 [ POSIX字元集合(若後面接POSIX格式) ] 字元集合定義結束 ``` PCRE提供了一些通用的字元類型,可被當作字元集合使用 ``` \d 任何數字字元 \D 任何非數字字元 \h 任何水平空白字元 \H 任何非水平空白字元 \s 任何空白字元 \S 任何非空白至元 \v 任何垂直空白字元 \V 任何非垂直空白字元 \w 任何英文字 \W 任何非英文字 ``` ## 範例 我們以字串 `66.249.64.13 - - [18/Sep/2004:11:07:48 +1000] "GET /robots.txt HTTP/1.0" 200 468 "-" "Googlebot/2.1"` 作為範例,這是一個標準的Apache存取記錄。 | 正規表達式 | 結果 | 說明 | | :---- | :-------------- | :------ | | GET | GET | GET 抓取 GET 字串 (會分別大小寫) | | \d+.\d+.\d+.\d+ | 66.249.64.13 | `\d+` 抓取數字字元,數量由 `+` 定義為至少一個至多無限個。 `\.` 抓取 `.` 字元 | | (\d+\.){3}\d+ | 66.249.64.13 | `(\d+\.){3}` 會試著抓取剛好三次的 (`\d+\.`) | | \[.+\] | [18/Sep/2004:11:07:48 +1000] | `.+` 抓取除了換行符號以外的任何字元, `.` 表示任意字元 | | ^\S+ | 66.249.64.13 | `^` 為行首, `\S+` 抓取至少一個非空白字元 | | \+[0-9]+ | +1000 | `\+` 抓取 `+` 字元。 `[0-9]` 字元集表示剛好一個數字字元。 可以用 `\+\d+` 達到相同效果。 | 以上範例皆可在 https://regex101.com/ 測試,步驟如下: 1. 複製範例字串到 `TEST STRING` 區域 2. 複製正規表達式字串到 `Regular Expression` 區域 3. 網頁會顯示自動表達式抓取結果 ## 更多資料