第100遍学习正则表达式

（）##正则表达式
相信看到这个题目的时候，你已经对正则表达式已经学习了不下十遍了，题目可能有点夸张，但是正则确实也是很难学懂的一门工具语言，其实它也只是为了让机器读懂而已，每次学习完之后总是忘记了，很久没用看到之后总是一脸懵逼，然后重新查询手册，现在，把我重新学习正则表达式的过程记录一下，希望能够更好地运用这门工具语言。

用途

1.之前写爬虫的时候也是经常用于网页文本的匹配，处理文本
2.过滤敏感字符
3.处理字符串

开始学习

网上突然发现有人写了《learn regex the easy way 》,看完之后感觉涨姿势了，现整理如下，如果你有兴趣阅读，请看这里，同时配合练习网站食用，效果最佳。
相信各位老司机应该看了很多遍正则的文档了吧，基础部分就直接省略。

1.元字符

正则表达式主要依赖元字符，元字符不代表他们本身的字面意思, 他们都有特殊的含义.
元字符我觉得大体可以分为三类

1. 表示特殊含义的字符

元字符	描述
.	句号匹配任意单个字符除了换行符.
[ ]	字符种类. 匹配方括号内的任意字符.
[^ ]	否定的字符种类. 匹配除了方括号里的任意字符
(xyz)	字符集, 匹配与 xyz 完全相等的字符串.
\	转义字符,用于匹配一些保留的字符 [ ] ( ) { } . * + ? ^ $ \
\w	匹配所有字母数字, 等同于 [a-zA-Z0-9_]
\W	匹配所有非字母数字, 即符号, 等同于: [^\w]
\d	匹配数字: [0-9]
\D	匹配非数字: [^\d]
\s	匹配所有空格字符, 等同于: [\t\n\f\r\p{Z}]
\S	匹配所有非空格字符: [^\s]
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车符
\t	匹配一个制表符
\v	匹配一个垂直制表符

2. 表示重复次数的字符

元字符	描述
*	匹配>=0个重复的在*号之前的字符.
+	标记?之前的字符为可选.0或1次
?	否定的字符种类. 匹配除了方括号里的任意字符
{n,m}	匹配num个中括号之前的字符 (n <= num <= m).

3. 锚点

元字符	描述
^	用来检查匹配的字符串是否在所匹配字符串的开头.
$	$ 号用来匹配字符是否是最后一个.

2.匹配规则

1. 后向引用

用于重复搜索前面某个分组匹配的文本。

• 比如:
  \b(\w+)\b\s+\1\b,可以匹配重复的单词如，go go其中\b表示匹配单词的开始或者结束，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

• 自己指定子表达式的组名: (?< Word >\w+) ,使用自定义分组的时候，使用以下语法 \k < Word>上面例子可以改写为\b(?< Word>\w+)\b\s+\k< Word>\b

2. 零断宽言

第一次听到这个专业术语的时候，一脸懵逼，都不太想看是什么东西了，主要是太晦涩难懂了，查阅其他资料之后，我们可以把它叫做前后关联约束(前后预查）

• 前置约束
  (?=exp)，匹配exp正则表达式前面的位置
  (?!exp)，匹配后面跟的不是exp的位置
• 后置约束
  (?<=exp)，匹配exp后面的位置
  (?< !exp)，匹配前面不是exp的位置

3. 贪婪与懒惰匹配

上述的重复次数都为贪婪匹配，即通常的行为是（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，有时为了性能需求，需要匹配尽可能少的字符，很简单的做法就是前面给出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?

以上，具体以官方手册为准！