正则表达式基础

最新推荐文章于 2024-07-18 20:57:15 发布

2401_84121485

最新推荐文章于 2024-07-18 20:57:15 发布

阅读量338

点赞数 4

分类专栏：程序员文章标签：正则表达式 mysql 数据库

本文链接：https://blog.csdn.net/2401_84121485/article/details/137459888

版权

程序员专栏收录该内容

196 篇文章 0 订阅

订阅专栏

RegexBuddy一款正则表达式编辑工具，帮助你的编写需要的正则表达式，还可以使用它理解别人编写的表达式。

3、学习装逼的工具regexr

不解释，自己Google吧。

总结：

工具使用不多解释，这都是小儿科工具，码农都可以自己搞定的。接下来继续带你装逼带你飞。

二、模式匹配基础

匹配字符串字面值：

原始字符串：”yanbo”

正则表达式：”yanbo”

如上就是最简单最直接的字面匹配字符串，属于最简单的正则表达式。

匹配数字：

正则表达式： “\d” 或者 “[0-9]” 或者 “[0123456789]”

原始字符串：”3”

如上三个正则表达式的匹配效果是一样的，都是匹配指定字串中的一个0-9的数字，只是匹配一个数字。三种写法各有优势，”\d”可以表示任意数字，”[m-n]”可以表示m-n的一位数字，”[abcd]”可以匹配指定的abcd中的一个数字。特别的认为”[0123456789]”匹配的是”0123456789”字符串是错误的想法，特别留意，匹配的是一位！！！还可以如下：

正则表达式：”[015-7]”

可匹配的数字：0,1,5,6,7

匹配非数字字符：

正则表达式：”\D” 或者 “[^0-9]” 或者 “[^\d]”

匹配字串：非数字字符（切记：也是匹配一个字符）。

如上三个正则表达式的匹配效果是一样的，都是匹配一个非数字字符。”[]”中的”^{”就是取反，除去”}”后面的内容。

匹配单词和非单词字符：

首先强调一点，匹配的是单词和非单词的字符，不是单词！！！

“\w” 这个简写式将匹配所有单词字符（字母、数字、下划线）。

“\D” 匹配非数字字符，包含空格、标点（引号、连字符、反斜杠、方括弧）等字符。

在英语环境下 “\w” 与 “[_a-z0-9A-Z]” 匹配相同的单词字符。

“\W” 匹配非单词字符（空格、标点及其他非字母、数字字符等）。

在英语环境下 “\W” 与 “[^_a-z0-9A-Z]” 匹配相同的单词字符。

如下提供更多的字符简写式，不过要注意！！！！不是所有的正则表达式处理器可以识别以下简写式。

| 字符简写式 | 描述 |

| :-- | :-- |

| \a | 报警符 |

| [\b] | 退格字符 |

| \c x | 控制字符 |

| \d | 数字符 |

| \D | 非数字符 |

| \w | 单词字符 |

| \W | 非单词字符 |

| \0 | 空字符 |

| \x xx | 字符的十六进制值 |

| \u xxx | 字符的Unicode值 |

匹配空白符与非空白符：

正则表达式：”\s” 或者 “[ \t\n\r]”

匹配结果：空白符（空格、制表符、换行符、回车符）

如上 “[ \t\n\r]” 的 “\t\n\r” 前至少有一个空格，否则无效。

正则表达式：”\S” 或者 “[^\s]” 或者 “[^ \t\n\r]”

匹配结果：非空白符（除空格、制表符、换行符、回车符以外的字符）。

除过 “\s” 匹配的字符之外还有如下一些不太常见的空白符：

| 字符简写式 | 描述 |

| :-- | :-- |

| \s | 空白符 |

| \S | 非空白符 |

| \f | 换页符 |

| \h | 水平空白符 |

| \H | 非水平空白符 |

| \n | 换行符 |

| \r | 回车符 |

| \t | 水平制表符 |

| \v | 垂直制表符 |

| \V | 非垂直制表符 |

匹配任意符：

“.” 匹配除过行结束符以外的所有字符，个别情况除外。

正则表达式：”\b\w\w\w\b”

匹配字符串：三个字符的单词

如上表达式中”\b”简写式匹配单词边界，不消耗任何字符，一般两个边界都写。如下例子是”.”的特例。

正则表达式： "a.c\."

匹配字符串：axc.

如上匹配的是axc. 其中x可以是任意字符，而最后 . 就是转义字符而不是 . 。

实战装逼展示：

学习了一些入门级的正则表达式以后我们就来装装逼，装逼也要装的有逼格，所以如上第一章的工具就太简单了，我们用Linux的sed流编辑器来装逼。（PS：不了解Linux的sed流编辑器的请自己google或者度娘）。

这里演示一个将字符串”This is YanBo’s Blog!”以Html二级标题输出的例子。

sed编辑器命令：

echo "This is YanBo's Blog!" | sed 's/^/<h2>/;s/$/<\/h2>/p;q'

如上命令在linux终端执行之后如下：

echo打印”This is YanBo’s Blog!”到屏幕，然后通过”|”管道将输出作为sed的输入。
sed默认操作是直接复制每行输入并输出。
s/^/<h2>/在行的开头(^)添加HTML的二级标题<h2>标签。
分号(;)用于分割命令。
s/$/<\/h2>/用于在结尾($)添加HTML二级标题</h2>标签。
命令p打印受影响的一行。
命令q结束sed程序。

总结：

这一部分我们学习正则表达式的基础匹配，算是入门技能。接下来继续带你装逼带你飞。

三、正则表达式—边界

热身准备：

不多BB，边界这部分算是正则表达式的核心之一。断言（零宽度断言）这一词足矣。

断言（零宽度断言）标记边界，并不耗费字符，不匹配字符，匹配字符串中的位置。

字符串或者行起始与结束：

“^” 匹配行或者字符串的起始位置，或者整个文档的起始位置。

“$” 匹配行或者字符串结尾位置。

例子：

正则表达式： “^word$”

匹配字符串： word（仅有该单词的字符串，w开头，d结束）。

单词编辑与非单词边界：

“\bxxx\b” 匹配单词边界。

“\b” 是一个零宽度断言，表面上它会匹配空格或者行起始，实际上它匹配的是一个零宽度不存在的东西。

“\B” 是一个匹配非单词边界，匹配除单词之外的位置。

例子：

正则表达式： “\Ba\B”

匹配字符串： “fhrrhahhr”(类似这样的a两边不是单词边界的字符，这里匹配字符a)。

其他锚位符：

“\A” 与”^”相似，该锚位符匹配主题词的开始。这个写法不是在所有的正则表达式程序中都可以使用的，但是可以在Perl和PCRE中使用，要匹配主题词的结尾用”\Z”, 某些上下文中还可以用”\z”。

例子：

正则表达式：”\Aaaaa\Z”

匹配字串：”aaaa” (仅仅aaaa开头结尾的字符串，也即主题词开始结束)

使用元字符的字面值：

可以用”\Q”和”\E”之间的字符集匹配字符串字面值。”.^$*+?|(){}[]-“这15个元字符在正则表达式中有特殊含义，用来编写匹配模式。其中的连字符”-“在正则表达式的方括号中用来表示范围，其他情况下无特殊含义。你在正则表达式中直接输入这些字符不会显示，如果想显示这些字符本身你就需要把他放在”\Q”和”\E”之间，当然，也可以在其前面加”\”即可。

例子：

正则表达式： "\Q$\E" 或者 "\$"

匹配字符： $字符本身

实战装逼一把：

继续像上一节一样装逼，继续添加标签，继续使用linux的sed命令BB。sed中的命令(i)允许你在文件或者字符串中的某个位子之前插入文本，与(i)相反的命令是(a)，他是在某个位置之后添加文本。关于sed（或者grep或者vi与vim）的实战正则表达式例子这里不给出，自行google尝试，这里重在讲解正则表达式。

总结：

学习了边界与断言（零宽度断言）。没啥总结的，开始正则表达式的精华，继续BB。

四、选择、分组和后向引用

选择操作：

选择操作可以在多个可选模式中匹配一个。譬如你想在”The android developer need fix bug on the Bug System.”中找出”the”（the, The, THE）出现过多少次，这时候就使用选择模式。

正则表达式：”(the|The|THe|THE|tHE|thE|ThE|tHe)” 或者 “(?i)the”

原始字符串：”The android developer need fix bug on the Bug System.”

匹配结果： The，the

如上正则表达式匹配所有大小写的the。

以下是其他各种选项和修饰符(注意：如下选项不实用所有正则表达式的平台)：

| 选项 | 描述 | 支持平台 |

| :-- | :-- | :-- |

| (?d) | unix中的行 | java |

| (?i) | 不区分大小写 | PCRE、Perl、Java |

| (?J) | 允许重复的名字 | PCRE |

| (?m) | 多行 | PCRE、Perl、Java |

| (?s) | 单行(dotall) | PCRE、Perl、Java |

| (?u) | Unicode | java |

| (?U) | 默认最短匹配 | PCRE |

| (?x) | 忽略空格和注释 | PCRE、Perl、Java |

| (?-…) | 复原或者关闭选项 | PCRE |

子模式：

子模式是正则表达式分组中的一个或者多个分组，就是模式中的模式。多数情况，子模式中的条件能得到匹配的前提是前面的模式得到匹配，但是也有例外（譬如”(the|THE|The)”匹配THE不依赖于the，因为the会先去匹配，这个例子有三个子模式，分别是the、THE、The），子摸式写法很多种，这里只关注括弧中的子模式。

例子（子模式匹配依赖于前面的模式）：

正则表达式：(t|T)h(e|E)

匹配：the、The、thE、ThE

上面例子中第二个子模式”(e|E)”依赖于第一个子模式”(t|T)”。

特别的，括弧对于子模式不是必须的！！！！！如下：

正则表达式：”\b[tT]h[eE]”

匹配：the、The、thE、ThE

以上”[tT]”字符组可以看作第一个子模式，同理第二个。