正则表达式学习笔记

发现在配置库和头文件的时候，看别人的各种骚表达式看不懂，所以在此补一下自己的知识，写个笔记。

声明：下面的笔记基本都是基于这个博客, 写的太好还带练习，我就相当于跟一遍他的教程， 侵删。
https://segmentfault.com/a/1190000021515220

---

什么是正则表达式

正则表达式是一组由字母和符号组成的特殊文本，它可以用来从文本中找出满足你想要的格式的句子。

一个正则表达式是一种从左到右匹配主体字符串的模式。所以基本上他就是用来匹配的了。

1. 基本匹配

正则表达式其实就是在执行搜索时的格式，它由一些字母和数字组合而成。
例如：一个正则表达式 the，它表示一个规则：由字母t开始，接着是h，再接着是e。

“the” => The pig on the moon.

正则表达式会逐渐匹配句子中的每个字符。而且大小写敏感， 所以在匹配。

所以上面的句子就只会匹配后面的那个 the

“the” => The pig on the moon.
“The” => The pig on the moon.

2. 元字符

正则表达式主要依赖于元字符。
元字符不代表他们本身的字面意思，他们都有特殊的含义。一些元字符写在方括号中的时候有一些特殊的意思。
下面就是元字符的表格了， 基本就是遇到了当字典查的玩意儿。

元字符	意思
.	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
*	匹配>=0个重复的在*号之前的字符。
+	匹配>=1个重复的+号前的字符。
?	标记?之前的字符为可选.
{n}	匹配n个大括号之间的字符.
{n,m}	匹配num个大括号之间的字符 (n <= num <= m).
{n,}	匹配num个大括号之间的字符 (n <= num).
(xyz)	字符集，匹配与 xyz 完全相等的字符串.
|	或运算符，匹配符号前或后的字符.
\	转义字符,用于匹配一些保留的字符 [ ] ( ) { } . * + ? ^ $ |
^	从开始行开始匹配.
$	从末端开始匹配.

2.1 搞点直观的例子

1. 测试例子的链接 百试出真知：https://regex101.com/r/xc9GkU/1
2. 从句子开始匹配2个任意字符（..）再匹配个字符 u
   

2.2 字符集 Character set

字符集也叫做字符类。
方括号用来指定一个字符集。
在方括号中使用连字符 -来指定字符集的范围。
在方括号中的字符集不关心顺序。

就是说可以在[ ] 中选字符来于[ ]外面的字符来进行匹配

例如，表达式[Tt]he 匹配 the 和 The。

方括号的句号就表示句号, 而不是点运算符

2.2.1 否定字符集

一般来说 ^ 表示一个字符串的开头，但它用在一个方括号的开头的时候，它表示这个字符集是否定的。
例子在上面的图片中也有了

2.3 重复次数

后面跟着元字符 +，* or ? 的，用来指定匹配子模式的次数。
这些元字符在不同的情况下有着不同的意思。

2.3.1 * 字符

号匹配 在之前的字符出现大于等于0次。
例如，表达式 a* 匹配0或更多个以a开头的字符。表达式[a-z]* 匹配一个行中所有以小写字母开头的字符串。空格和标点符号不算。

字符和.字符搭配可以匹配所有的字符.。

*和表示匹配空格的符号\s连起来用，如表达式\s*dog\s*匹配0或更多个空格开头和0或更多个空格结尾的cat字符串。下面例子中是从\sdog\s到dog都被匹配。 简单来说*符号可以表示有和没有

2.3.2 +字符

+号匹配+号之前的字符出现 >=1 次。
例如表达式c.+t 匹配以首字母c开头以t结尾，中间跟着至少一个字符的字符串。下面例子中是从cat\s到\smat都被匹配，包括其中的空格

2.3.3 ？字符

在正则表达式中元字符 ? 标记在符号前面的字符为可选，即出现 0 或 1 次。
例如，表达式 [T]?he 匹配字符串 he 和 The。

2.4 { }字符

在正则表达式中 {} 是一个量词，常用来一个或一组字符可以重复出现的次数。
例如， 表达式 [0-9]{2,3} 匹配最少 2 位最多 3 位 0~9 的数字。


我们可以省略第二个参数。
例如，[0-9]{3,} 匹配至少3位 0~9 的数字。

如果逗号也省略掉则表示重复固定的次数。
例如，[0-9]{3} 匹配3位数字

2.5 (…) 捕获组 特征标群

特征标群是一组写在 (…) 中的子模式。例如之前说的 {} 是用来表示前面一个字符出现指定次数。但如果在 {} 前加入特征标群则表示整个标群内的字符重复 N 次。例如，表达式 (ab)* 匹配连续出现 0 或更多个 ab。

我们还可以在 () 中用或字符 | 表示或。例如，(c|g|p)ar 匹配 car 或 gar 或 par.

2.5.1 非特征标群 非捕获组

非捕获组是一个仅仅匹配字符的捕获组，但是它不捕获任意组。非捕获组可以由被:跟着的?所表示，整个表达被(…)囊括。例如，正则表达式(?:c|g|p)ar与(c|g|p)ar相似，它们匹配相同的字符串，但是前者并不会捕获任意一个组。

非捕获组在“查找和替换”的情况(find-and-replace functionality)下会很有帮助。
另外，如果非捕获组和捕获组被混合的时候，非捕获组可以帮助我们去得到一个匹配的概况。
另请参阅4. 零宽度断言。

2.6 | 或运算符 Alternation

或运算符就表示或，用作判断条件。

例如 (T|t)he|car 匹配 (T|t)he 或 car。

2.7 转码特殊字符

反斜线 \ 在表达式中用于转码紧跟其后的字符。用于指定 { } [ ] / \ + * . $ ^ | ? 这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线 \。

例如 . 是用来匹配除换行符外的所有字符的。如果想要匹配句子中的 . 则要写成 . 以下这个例子 .?是选择性匹配.

2.8 锚点

在正则表达式中，想要匹配指定开头或结尾的字符串就要使用到锚点。^ 指定开头，$ 指定结尾。

2.8.1 ^ 字符

^ 用来检查匹配的字符串是否在所匹配字符串的开头。

例如，在 abc 中使用表达式 ^a 会得到结果 a。但如果使用 ^b 将匹配不到任何结果。因为在字符串 abc 中并不是以 b 开头。

例如，^(T|t)he 匹配以 The 或 the 开头的字符串。

2.8.2 $ 字符

同理于 ^ 号，$ 号用来匹配字符是否是最后一个。

例如，(at.)$ 匹配以 at. 结尾的字符串。

简写字符集

可以观察到，大写字母往往是小写字母的反义。

\babc或者^abc

参考文献

@罗济高
https://segmentfault.com/a/1190000021515220