玩转正则表达式(Regular)，这个世界正在奖励偷偷用心的人

声明：以下只是本人学习正则表达式的笔记概要，主要参考：

正则表达式30分钟入门教程

1.必记的常用元字符:

.匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线或汉字 \W表示与之相反
\s匹配任意的空白符\S表示与之相反
\d匹配数字\D表示与之相反
\b匹配单词的开始或结束\B表示与之相反
^匹配字符串的开始 
$匹配字符串的结束
[x] 匹配字符x [^x]表示出来字符x以外的任意字符
[aeiou] 匹配英语中的元音字母 [^aeiou]表示除了元音字母以外的所有字符

2.必记的常用限定符

* 重复零次或更多次
+ 重复一次或更多次
? 重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次

3.必记的常用分组语法

小括号表示一个子表达式，匹配这个子表达式也就是捕获匹配到的文本，默认情况下，每个分组会自动拥有一个组号，

规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推，
组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号

3.1捕获
(exp) 匹配exp,并捕获文本到自动命名的组里 \b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty
(?<name>exp)匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp) 

上面的正则指定组名，可以写成\b(?<Word>\w+)\b\s+\k<Word>\b
(?:exp) 匹配exp,不捕获匹配的文本，也不给此分组分配组号 (?:@\w*)binguo\w*匹配@开头包含binguo的字符串 
(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面，也不会拥有组号

3.2零宽断言
(?=exp) 匹配exp前面的位置 

 \b\w+(?=ing\b) I'm singing while you're dancing 匹配sing和danc
(?<=exp)匹配exp后面的位置

(?<=\bre)\w+\b reading a book 匹配ading

(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)
(?!exp) 匹配后面跟的不是exp的位置  

\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词

\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字
(?<!exp)匹配前面不是exp的位置(?<![a-z])\d{7}匹配前面不是小写字母的七位数字 
(?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内里的内容

3.3注释
(?#comment)这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读
(?<=   #断言要匹配的文本的前缀
<(\w+)> #查找尖括号括起来的字母或数字(即HTML/XML标签)
)       #前缀结束
.*     #匹配任意文本
(?=     #断言要匹配的文本的后缀
<\/\1>  #查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
)       # 后缀结束

4.必记的懒惰限定符

*? 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

贪婪匹配：在使整个表达式能得到匹配的前提下，匹配尽可能多的字符
a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。

懒惰(非贪婪)匹配：

也就是匹配尽可能少的字符，《2.必记的常用限定符》提到的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?
a.*?b，匹配最短的，以a开始，以b结束的字符串。

如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）
为什么第一个匹配的是aab（第一到第三个字符）而不是ab（第二到第三个字符）?
简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权

5.非常用正则表达式元素

\a报警字符(打印它的效果是电脑嘀一声)
\b通常是单词分界位置，但如果在字符类里使用代表退格
\t制表符，Tab
\r回车
\v竖向制表符
\f换页符
\n换行符
\eEscape
\0nnASCII代码中八进制代码为nn的字符
\xnn ASCII代码中十六进制代码为nn的字符
\unnnnUnicode代码中十六进制代码为nnnn的字符
\cNASCII控制字符。比如\cC代表Ctrl+C
\A字符串开头(类似^，但不受处理多行选项的影响)
\Z字符串结尾或行尾(不受处理多行选项的影响)
\z字符串结尾(类似$，但不受处理多行选项的影响)
\G当前搜索的开头
\p{name}Unicode中命名为name的字符类，例如\p{IsGreek}
(?>exp)贪婪子表达式
(?<x>-<y>exp)平衡组
(?im-nsx:exp)在子表达式exp中改变处理选项
(?im-nsx)为表达式后面的部分改变处理选项
(?(exp)yes|no)把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes)同上，只是使用空表达式作为no
(?(name)yes|no)如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
(?(name)yes)同上，只是使用空表达式作为no

附录：

正则表达式本地及在线测试工具、MSDN官方正则表达式在线文档

MSDN正则表达式语言 - 快速参考

Regester正则表达式测试工具-绿色版.zip 百度网盘

Regester正则表达式测试工具-安装版.zip 百度网盘

编写正则表达式时，时时点亮匹配到的文本(但不支持中文，有点遗憾)

很牛逼的一个在线正则匹配网站，时时点亮加支持中文

IP地址匹配: ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 
  
(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。表达式顺序分析:   
   
\d{1,3}匹配1到3位的数字，  
  
(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，  
  
最后再加上一个一到三位的数字(\d{1,3})。

玩转正则表达式(Regular)，这个世界正在奖励偷偷用心的人