正则表达式必知必会

正则表达式必知必会

读完了正则表达式必知必会（ Regular Expressions in 10 Minutes ）后写的一篇笔记，基本是按照书的架构总结的重点。但只是把这本书看过一遍并没有什么用，正则表达式还是要多实践才能比较好地掌握。

入门

作用：匹配 & 处理文本
区分大小写

匹配文本

基本字符：

• . 字符：匹配任何一个单个的字符
• \ 字符：转义字符
• • 字符：在 [ ] 中定义字符区间
• [] 字符：[ 和 ] 字符，定义一个字符集合
  

  eg: [0-9], [a-z] ,[A-Z], [A-z]（[A-z] 少用，因为A-z包括ASCII表里夹在A到z之间的所有字符）

• ^ 字符：取非字符，紧跟在 [ ] 字符中的 [ 后面，作用于给定字符集合里所有的字符或者字符区间

元字符：

空白元字符	说明
[\b]	回退（并删除）一个字符（ Backspace 键）
\f	换页符
\n	换行符
\r	回车符
\t	制表符（ Tab 键）
\v	垂直制表符

数字元字符	说明
\d	任何一个数字字符（等价于[0-9]）
\D	任何一个非数字字符（等价于[^0-9]）

字母数字元字符	说明
\w	任何一个字母数字字符（大小写均可）或下划线字符（等价于[a-zA-Z0-9_]）
\W	任何一个非字母数字字符或下划线字符（等价于[^a-zA-Z0-9_]）

空白字符元字符	说明
\s	任何一个空白字符（等价于[\f\n\r\t\v]）
\S	任何一个非空白字符（等价于[^\f\n\r\t\v]）

重复匹配

• • 匹配一个或多个字符
• • 匹配零个或多个字符
• ? 匹配零个或一个字符
• {次数} 匹配任意次数的值
  

  {n,m} 匹配区间，至少 n 次，至多 m 次，若省略则为∞

*

贪婪型匹配	懒惰型匹配
最大长度匹配	非最大长度匹配
*	*?
+	+?
{n,}	{n,}?

位置匹配

• \b 匹配一个位于【一个能够用来构成单词的字符（字母、数字和下划线，也就是与 \w 相匹配的字符）】和【一个不能用来构成单词的字符（也就是与 \W 相匹配的字符）】之间的位置，即单词边界
• \B 匹配非单词边界
• ^ 定义字符串开头
  

  eg：^\s*?<\?xml.*\?> 这个正则表达式将匹配字符串开头处的

子表达式

用(和)括号括起来的表达式，称为子表达式，视为一个独立元素。

• (子表达式){1,4} 子表达式的多次连续重复查找
• 避免歧义。如查找一个四位年份 19|20\d{2} 会导致查找 19 或 20xx 这两种类型的数据，正则表达式应该改为 (19|20)\d{2}
• 子表达式的嵌套。

回溯引用

回溯引用指的是模式的后半部分引用在前半部分中定义的子表达式，像引用变量一样调用，在后半部分和前半部分之间建立了关联。

格式：\1 反斜杠加数字，数字代表模式中要引用子表达式的排序
如 ([1-6]).*?\1 这里的 \1 指的就是第一个子表达式即 [1-6] 匹配到的值

应用：对文本进行格式修改（通过查找表达式和替换表达式中 \ 和 $ 的对应回溯引用实现）

元字符	说明
\E	结束 \L 或 \U 转换
\l	把下一个字符转换为小写
\L	把 \L 到 \E 之间的字符全部转换为小写
\u	把下一个字符转换为大写
\U	把 \U 到 \E 之间的字符全部转换为大写

前后查找

向前查找(lookahead) & 向后查找(lookbehind)
指定一个必须匹配但不在结果中返回的模式
向前查找 (?=)
向后查找 (?<=)

均需要用子表达式与其他内容分隔开

负向前查找 (?!)
负向后查找 (?