1. 什么是正則表達(dá)式
基本說來，正則表達(dá)式是一種用來描述一定數(shù)量文本的模式。Regex代表Regular Express。本文將用<<regex>>來表示一段具體的正則表達(dá)式。
一段文本就是最基本的模式，簡單的匹配相同的文本。
2. 不同的正則表達(dá)式引擎
正則表達(dá)式引擎是一種可以處理正則表達(dá)式的軟件。通常，引擎是更大的應(yīng)用程序的一部分。在軟件世界，不同的正則表達(dá)式并不互相兼容。本教程會(huì)集中討論P(yáng)erl 5 類型的引擎，因?yàn)檫@種引擎是應(yīng)用最廣泛的引擎。同時(shí)我們也會(huì)提到一些和其他引擎的區(qū)別。許多近代的引擎都很類似，但不完全一樣。例如.NET正則庫，JDK正則包。
3. 文字符號
最基本的正則表達(dá)式由單個(gè)文字符號組成。如<<a>>，它將匹配字符串中第一次出現(xiàn)的字符“a”。如對字符串“Jack is a boy”。“J”后的“a”將被匹配。而第二個(gè)“a”將不會(huì)被匹配。
正則表達(dá)式也可以匹配第二個(gè)“a”，這必須是你告訴正則表達(dá)式引擎從第一次匹配的地方開始搜索。在文本編輯器中，你可以使用“查找下一個(gè)”。在編程語言中，會(huì)有一個(gè)函數(shù)可以使你從前一次匹配的位置開始繼續(xù)向后搜索。
類似的，<<cat>>會(huì)匹配“About cats and dogs”中的“cat”。這等于是告訴正則表達(dá)式引擎，找到一個(gè)<<c>>，緊跟一個(gè)<<a>>，再跟一個(gè)<<t>>。
要注意，正則表達(dá)式引擎缺省是大小寫敏感的。除非你告訴引擎忽略大小寫，否則<<cat>>不會(huì)匹配“Cat”。
· 特殊字符
對于文字字符，有11個(gè)字符被保留作特殊用途。他們是：
[ ] \ ^ $ . | ? * + ( )
這些特殊字符也被稱作元字符。
如果你想在正則表達(dá)式中將這些字符用作文本字符，你需要用反斜杠“\”對其進(jìn)行換碼 (escape)。例如你想匹配“1+1=2”，正確的表達(dá)式為<<1\+1=2>>.
需要注意的是，<<1+1=2>>也是有效的正則表達(dá)式。但它不會(huì)匹配“1+1=2”，而會(huì)匹配“123+111=234”中的“111=2”。因?yàn)椤?”在這里表示特殊含義（重復(fù)1次到多次）。
在編程語言中，要注意，一些特殊的字符會(huì)先被編譯器處理，然后再傳遞給正則引擎。因此正則表達(dá)式<<1\+2=2>>在C++中要寫成“1\\+1=2”。為了匹配“C:\temp”，你要用正則表達(dá)式<<C:\\temp>>。而在C++中，正則表達(dá)式則變成了“C:\\\\temp”。
· 不可顯示字符
可以使用特殊字符序列來代表某些不可顯示字符：
<<\t>>代表Tab(0x09)
<<\r>>代表回車符(0x0D)
<<\n>>代表換行符(0x0A)
要注意的是Windows中文本文件使用“\r\n”來結(jié)束一行而Unix使用“\n”。
4. 正則表達(dá)式引擎的內(nèi)部工作機(jī)制
知道正則表達(dá)式引擎是如何工作的有助于你很快理解為何某個(gè)正則表達(dá)式不像你期望的那樣工作。
有兩種類型的引擎：文本導(dǎo)向(text-directed)的引擎和正則導(dǎo)向(regex-directed)的引擎。Jeffrey Friedl把他們稱作DFA和NFA引擎。本文談到的是正則導(dǎo)向的引擎。這是因?yàn)橐恍┓浅Ｓ杏玫奶匦裕纭岸栊浴绷吭~(lazy quantifiers)和反向引用(backreferences)，只能在正則導(dǎo)向的引擎中實(shí)現(xiàn)。所以毫不意外這種引擎是目前最流行的引擎。
你可以輕易分辨出所使用的引擎是文本導(dǎo)向還是正則導(dǎo)向。如果反向引用或“惰性”量詞被實(shí)現(xiàn)，則可以肯定你使用的引擎是正則導(dǎo)向的。你可以作如下測試：將正則表達(dá)式<<regex|regex not>>應(yīng)用到字符串“regex not”。如果匹配的結(jié)果是regex，則引擎是正則導(dǎo)向的。如果結(jié)果是regex not，則是文本導(dǎo)向的。因?yàn)檎齽t導(dǎo)向的引擎是“猴急”的，它會(huì)很急切的進(jìn)行表功，報(bào)告它找到的第一個(gè)匹配 。
· 正則導(dǎo)