打印本文 
關閉窗口 語料庫基礎：正則表達式常用代碼
正則表達式（Regular Expression, regex）是計算機匯編語言的一種技術，用于匹配文本中的字符串。我們在使用語料庫時經常會用到它。下面是一些最基礎的代碼。注意，正則表達式的代碼是區分大小寫的。
■ 常用的元字符
|
代碼 |
說 明 |
|
. |
匹配除換行符以外的任意字符 |
|
\w |
匹配字母、數字、下劃線或漢字 |
|
\s |
匹配任意的空白符 |
|
\d |
匹配數字 |
|
\b |
匹配單詞的開始或結束，即指詞的邊界 |
|
^ |
匹配字符串的開始 |
|
$ |
匹配字符串的結束 |
■ 常用的限定符
|
代碼 |
說 明 |
|
* |
重復零次或更多次 |
|
+ |
重復一次或更多次 |
|
? |
重復零次或一次 |
|
{n} |
重復n次 |
|
{n,} |
重復n次或更多次 |
|
{n,m} |
重復n到m次 |
|
*? |
重復任意次，但盡可能少重復 |
|
+? |
重復1次或更多次，但盡可能少重復 |
|
?? |
重復0次或1次，但盡可能少重復 |
|
{n,m}? |
重復n到m次，但盡可能少重復 |
|
{n,}? |
重復n次以上，但盡可能少重復 |
■常用的反義代碼
|
代碼 |
說 明 |
|
\W |
匹配任意不是字母、數字、下劃線或漢字的字符 |
|
\S |
匹配任意不是空白符的字符 |
|
\D |
匹配任意非數字的字符 |
|
\B |
匹配不是單詞開頭或結束的位置 |
|
[^x] |
匹配除了x以外的任意字符 |
|
[^aeiou] |
匹配除了aeiou這幾個字母以外的任意字符 |
■常用分組語法
|
分類 |
代碼 |
說 明 |
|
捕獲 |
(exp) |
匹配exp,并捕獲文本到自動命名的組里 |
|
(?<name>exp) |
匹配exp,并捕獲文本到名稱為name的組里，也可以寫成(?'name'exp) | |
|
(?:exp) |
匹配exp,不捕獲匹配的文本，也不給此分組分配組號 | |
|
零寬斷言 |
(?=exp) |
匹配exp前面的位置 |
|
(?<=exp) |
匹配exp后面的位置 | |
|
(?!exp) |
匹配后面跟的不是exp的位置 | |
|
(?<!exp) |
匹配前面不是exp的位置 | |
|
注釋 |
(?#comment) |
這種類型的分組不對正則表達式的處理產生任何影響，用于提供注釋讓人閱讀 |
■常用的處理選項
|
名 稱 |
說 明 |
|
IgnoreCase(忽略大小寫) |
匹配時不區分大小寫。 |
|
Multiline(多行模式) |
更改^和$的含義，使它們分別在任意一行的行首和行尾匹配，而不僅僅在整個字符串的開頭和結尾匹配。(在此模式下,$的精確含意是:匹配\n之前的位置以及字符串結束前的位置.) |
|
Singleline(單行模式) |
更改.的含義，使它與每一個字符匹配（包括換行符\n）。 |
|
IgnorePatternWhitespace(忽略空白) |
忽略表達式中的非轉義空白并啟用由#標記的注釋。 |
|
RightToLeft(從右向左查找) |
匹配從右向左而不是從左向右進行。 |
|
ExplicitCapture(顯式捕獲) |
僅捕獲已被顯式命名的組。 |
|
ECMAScript(JavaScript兼容模式) |
使表達式的行為與它在JavaScript里的行為一致。 |
■其他補充代碼
|
代 碼 |
說 明 |
|
\a |
報警字符(打印它的效果是電腦嘀一聲) |
|
\b |
通常是單詞分界位置，但如果在字符類里使用代表退格 |
|
\t |
制表符，Tab |
|
\r |
回車 |
|
\v |
豎向制表符 |
|
\f |
換頁符 |
|
\n |
換行符 |
|
\e |
Escape |
|
\0nn |
ASCII代碼中八進制代碼為nn的字符 |
|
\xnn |
ASCII代碼中十六進制代碼為nn的字符 |
|
\unnnn |
Unicode代碼中十六進制代碼為nnnn的字符 |
|
\cN |
ASCII控制字符。比如\cC代表Ctrl+C |
|
\A |
字符串開頭(類似^，但不受處理多行選項的影響) |
|
\Z |
字符串結尾或行尾(不受處理多行選項的影響) |
|
\z |
字符串結尾(類似$，但不受處理多行選項的影響) |
|
\G |
當前搜索的開頭 |
|
\p{name} |
Unicode中命名為name的字符類，例如\p{IsGreek} |
|
(?>exp) |
貪婪子表達式 |
|
(?<x>-<y>exp) |
平衡組 |
|
(?im-nsx:exp) |
在子表達式exp中改變處理選項 |
|
(?im-nsx) |
為表達式后面的部分改變處理選項 |
|
(?(exp)yes|no) |
把exp當作零寬正向先行斷言，如果在這個位置能匹配，使用yes作為此組的表達式；否則使用no |
|
(?(exp)yes) |
同上，只是使用空表達式作為no |
|
(?(name)yes|no) |
如果命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no |
|
(?(name)yes) |
同上，只是使用空表達式作為no |
打印本文 關閉窗口