企业官网建设流程全解析

1、从Regexpal开始

首先介绍一下Regexpal网站（http://www.regexpal.com）​。在Google Chrome或者Mozilla Firefox之类的浏览器中打开该网站，可以看到如图所示的网站页面。

接近浏览器窗口的顶部有一个文本区，下方还有一个更大的文本区。顶部的文本区是用来输入正则表达式的，下方的文本区是用来输入主题或目标文本的。目标文本即要从中匹配字符串的文本。

2、匹配北美电话号码

现在我们要写一个正则表达式匹配北美电话号码。在Regexpal的下方文本框中键入以下电话号码：

707-827-7019

知道这是哪里的电话号码吗？这是O’Reilly Media的电话号码。

接下来用正则表达式匹配这个号码。有很多方法都可以做到，但首先只要在上方的文本框键入这个号码本身，也就是与下方文本框的内容完全一致即可（先忍耐一下，别泄气）​：

707-827-7019

这时，你应该看到下方文本框中的电话号码从头到尾都以黄色被高亮显示。如果你的结果也是这样（如图所示）​，那么一切正常。

刚刚你所写的正则表达式是用字符串字面值（stringliteral）来匹配目标字符串的。所谓字符串字面值，就是字面上看起来是什么就是什么。

现在将上方文本框的号码删除，然后只键入数字7。你看到什么了？现在只有数字7高亮显示。正则表达式中的字面值（数字）7与目标文本中数字7的四个实例匹配。

3、用字符组来匹配数字

如果想同时匹配电话号码中的所有数值或者只匹配特定的数值，该怎么办呢？

在上方的文本框中尝试以下表达式：

[0-9]

下方文本框中所有的数值（准确地说，应该是数字）以黄色和蓝色交替高亮显示。正则表达式[0-9]对正则表达式处理器传递的信息是“匹配0到9范围内的任意数字”​。

正则表达式将方括号视为特殊的元字符（metacharacter）​，因此方括号不参与匹配。元字符是在正则表达式中有特殊含义的字符，也是保留字符。​[0-9]这种形式的正则表达式称做字符组（character class）​，有时也叫字符集（character set）​。

可以对数字的范围进行进一步限定。用更具体的一组数字也能得到同样的结果，比如：

[012789]

这个字符组只会匹配列出的数字，即0、1、2、7、8、9。在上方的文本框中试一试，下方文本框中的相应数字同样会被交替标亮。

要匹配任意10位以连字符分隔的北美电话号码，可以使用以下正则表达式：

[0-9][0-9][0-9]-[0-9][0-9][0-9]-[0-9][0-9][0-9][0-9]

这是可以的，但太长了。更好的方法是采用简写形式。

4、使用字符组简写式

就像在本章开始看到的那样，\d可以像[0-9]一样匹配任意阿拉伯数字。请在上方文本框内试一试，和之前的表达式一样，下方的数字都被标亮了。这种正则表达式叫做字符组简写式（character shorthand）​，也叫转义字符（character escape）​。但后一种称谓很容易造成误解，我会尽量不用。至于原因，稍后我再解释。

可以使用以下表达式来匹配电话号码中的任意数字：

\d\d\d-\d\d\d-\d\d\d\d

重复\d三次和四次就可以分别匹配三个和四个数字。该表达式中的连字符是一个字面值，因此会被原样匹配。

除了和上面表达式一样，使用连字符本身（-）来匹配连字符之外，也可以用转义的大写D（\D）​，它匹配任何一个非数字字符。

以下示例使用了\D（而没有使用连字符本身）来匹配连字符：

\d\d\d\D\d\d\d\D\d\d\d\d

这次整个电话号码包括连字符又都被标亮了。

5、匹配任意字符

还可以用点号（.）来匹配那些讨厌的连字符：

\d\d\d.\d\d\d.\d\d\d\d

点号（英文句号）是一个通配符，可以匹配任意字符（但某些情况下不能匹配行起始符）​。以上示例中的正则表达式匹配了连字符，但它也可以匹配百分号（%）​：

707%827%7019

或者是竖线（|）​：

707|827|7019

亦或其他字符。

如前所述，点号一般不匹配行起始符，比如换行符（U+000A）​。然而，有很多方法可以使点号匹配行起始符，之后我会展示。这通常叫做dotall选项。

6、捕获分组和后向引用

本节我们使用捕获分组（capturing group）来匹配电话号码中的某一部分。然后使用后向引用（backreference）对分组中的内容进行引用。要创建捕获分组，先将一个\d放在一对圆括号中，这样就将它放入了一个分组中，后面可以用\1来对捕获的内容进行后向引用：

(\d)\d\1

\1对括号内分组捕获的内容进行了反向引用。这个正则表达式匹配的是区号707。以下是对该表达式的详细分析：

• (\d)匹配第一个数字并将其捕获（数字7）​；
• \d匹配第二个数字（数字0）但没有捕获，因为没有括号；
• \1对捕获的数字进行反向引用（数字7）​。

现在可以用一个分组和几个后向引用对整个电话号码进行匹配：

(\d)0\1\D\d\d\1\D\1\d\d\d

但这还不够简洁美观。下一节我们会尝试更好的方法。

7、使用量词

现在用另一种语法来匹配电话号码：

\d{3}-?\d{3}-?\d{4}

花括号中的数字表示待查找的数字出现的次数。包含数字的花括号是一种量词（quantifier）​。花括号本身用做元字符。

问号是另一种量词，在以上表达式中表示连字符是可选的。也就是说，连字符可以不出现或只出现一次。还有其他的量词，例如加号（+）表示“一个或多个”​，星号（＊）表示“零个或多个”​。

使用量词能让正则表达式变得更简洁：

(\d{3,4}[.-]?)+

对，加号表示出现一次或多次。这个正则表达式表示括号里的模式出现一次或多次，括号里的模式匹配三位或四位数字，后跟一个连字符或一个点号。

你有没有头晕呢？我希望没有。下面逐一解释表达式中的每一项：

• 左圆括号(为捕获分组的起始符；
• 反斜杠\为字符组简写式的起始符（对之后的字符进行转义）​；
• 字符d为字符组简写式的结束符（d匹配0到9范围内的任意数字）​；
• 左花括号{为量词起始符；
• 数字3为匹配的最小数量；
• 逗号，隔开不同的数量；
• 数字4为匹配的最大数量；
• 右花括号}为量词的结束符；
• 左方括号[为字符组的起始符；
• 点号．（匹配点号本身）​；
• 连字符-匹配连字符的本身；
• 右方括号]为字符组的结束符；
• 问号?表示量词“零个或一个”​；
• 右圆括号)为捕获分组的结束符；
• 加号+表示量词“一个或多个”​。

这个表达式能用但不完全对，因为它只能匹配3位或4位的数字，而不管是否符合电话号码的格式。好吧，犯错会让我们印象深刻，进步得更快。

我们来改进一下：

(\d{3}[.-]?){2}\d{4}

这个表达式匹配的字符串是连续两个无括号的三位数字，每三位数字后可以带连字符也可以不带，最后是一个四位数字。

8、括选文字符

最后这个正则表达式表示第一个3位数字可以带也可以不带括号，即区号是可选的：

^(\(\d{3}\)|^\d{3}[.-]?)?\d{3}[.-]?\d{4}$

为了便于理解，我们再依次看一下表达式中的各项：

• 出现在正则表达式起始位置或者竖线（|）之后的脱字符^，表示电话号码会出现在一行的起始位置；
• 左括号(为捕获分组的起始符；
• \(表示左括号本身；
• \d匹配一位数字；
• \d之后的{3}是量词，表示匹配三位数字；
• \)匹配右括号本身；
• 竖线符|表示选择，也就是从多个可选项中选择一个，换句话说，它表示“匹配一个不带括号的区号或一个带括号的区号”​；
• 脱字符^匹配行起始位置；
• \d匹配一位数字；
• {3}是表示匹配三位数字的量词；
• [.-]​？匹配一个可选的点号或连字符；
• 右括号)为捕获分组的结束符；
• 问号？表示分组可选，即分组中的前缀可有可无；
• \d匹配一位数字；
• {3}表示匹配三位数字的量词；
• [.-]​？匹配另一个可选的点号或连字符；
• \d匹配一位数字；
• {4}是表示匹配四位数字的量词；
• 美元符$匹配行结束位置。

这个表达式最终匹配十位的北美电话号码，而且括号、连字符或者点号都是可选的。你可以试试不同格式的电话号码，看看它能否匹配。