正则表达式的学习总结

0. 引言

  正则表达式本质上是一门语言，一门专用于匹配字符串的语言。
  那么对于正则表达式这个语言工具而言，我们只需要了解其两个方面：

1. 怎么读
   满足能够看懂别人的正则表达式需求。
2. 怎么写
   满足能够按照给定需求写出对应正则表达式。

  我们以一个例子开始，看看你现在能否读懂这个正则表达式：

^a(0\d{2,19}){9}\1-(?:\d{8})|b[xyt]*(ab)+[^uwv]?xy$|(\$|\\\.)*(?=\sfat)|yng(?!ubx)agi

1. 正则表达式基本知识框架

  正则表达式所有概念如下，

以上概念，可以完成字符串匹配的所有闭环操作。

1.1 元字符

  元字符和所有其他语言中的关键字一样，都有其特殊意义和特殊作用。个数不多，必须要记住的。

1.2 字符集

  字符集整理了可以匹配的所有字符，在这里你可以找到所有想要匹配的字符。

1.3 断言

  正则表达式光有匹配不够，匹配只能找到“符合规则的字符”，并返回。
  但是我想找到“符合规则的字符1”的前边或后边的“符合规则的字符2”，返回字符2，那么就需要断言。
  用作断言的字符1只做匹配规则并不返回，弥补元字符功能的不足。

  举个例子，我只想找到只在“fat”前出现的“the”，如下图：

参考在线正则匹配网址regular expressions。

1.3.1 正向先行

(?=pattern)
  匹配pattern表示式前边的字符， 即字符2规则写在pattern前边。
例如：匹配pattern前边的the，如下图实现，

1.3.2 正向后行

(?<=pattern)
  匹配pattern表达式后边的字符，即字符2规则写在pattern后边。
例如：匹配pattern后边的the，如下图，

1.3.3 负向先行

(?!pattern)
  匹配除去pattern表达式前边的字符，即返回所有不在pattern前边的字符2。
例如，匹配返回除去fat前的所有的the：

1.3.4 负向后行

(?<!pattern）
  匹配除去pattern表达式后边的字符，即返回所有不在pattern后边的字符2。
例如：匹配返回除去fat后的所有the：

1.4 捕获和非捕获

  捕获首先是基于小括号这个关键字的，每个小括号可以自定义一个字符。捕获是正则自动给小括号内容编组并编号，方便后边使用。
  它是用来满足根据待匹配字符串中的内容来组织匹配规则的。
例如：找到两个相连的"以t开头以f结尾"的重复字符。

捕获和非捕获的区别在于是否指定分组，存入内存当中，用作其他匹配的引用。

1. 如果仅仅用作自定义匹配，而不需要后边继续引用，则使用非捕获。
2. 如上图，使用\1的分组，则需要捕获。

1.5 贪婪和非贪婪

  贪婪尽量长的匹配，非贪婪匹配尽量短，非贪婪?放在数量词后边，进行限制。

贪婪匹配如下：

非贪婪匹配如下：

2. 怎么读

  正则匹配的程序实现本质上是一个递归过程，递归问题是把原问题分解成最小子问题来依次解决，最终得到答案。
  所以读正则表达式，第一步也是最关键的一步就是拆解成最小匹配串。

1. 看有没有 | ，| 两遍的匹配串可直接拆分。
2. 看有没有小括号，每对小括号包裹起来的，看成自定义子串，做单个字符看待。
3. 小括号处理完毕后，剩下的就是字符集和限定符了，从左到右依次分析。

如下图，就是开头问题的分析结果，参考regexper网址：

3. 怎么写

  读和写本质上是互逆过程，先完成最小子串需求，然后不断拼接成目标规则串。

1. 拆解需求，拆解成能够用最小子串表达的匹配模式
2. 将匹配模式拼接到一起

例如：找到与“ft”相邻的the。

1. . 拆解需求
   (1) 找到ft的前边the
   (2) 找到ft的后边the
   (3) 取或
2. 正向先行the(?=ft) 和 正向后行(?<=ft)the
3. 两者取或。 the(?=ft)|(?<=ft)the

如下图所示：

4. 参考文献

  本文是基于以下参考文献学习的结果，属于精简版，详细请打开链接学习。

1. github learn-regex
2. 知乎老刘的回答
3. 调试工具