正则表达式入门学习

正则表达式入门学习

参考文章
写在前面：正则表达式主要分为三大宏观规则和两大微观规则，通过进一步学习正则表达式，加深对于正则的理解，以便后面的学习

三大宏观规则

一、交集规则

​ 如果你有两个正则表达式E和F，那么EF也是一个正则，表示同时匹配E和F的内容

二、并集规则

​ 1、如果你有两个正则表达式E和F，那么E|F也是一个正则，表示匹配E或者匹配F。

​ 2、如果连接非常多的正则，那就得写非常多竖线，看起来也非常乱。所以还有一种简化记法[EFGH]。也就是[EFGH]跟写成E|F|G|H是等价的

三、补集规则

​ [EF]可以匹配那些匹配E或者匹配F的内空，在前加上一个^表示取反的意思，原来的逻辑或关系变成了逻辑与。所以[^EF]匹配那些不能匹配E而且不能匹配F的内容

两大微观规则

一、单字符规则

匹配的字符个数只有一个，根据字符的种类不同而规则不同

​ 1、正则提供的连字符，可以使用减号-表示连续出现的字符，只需写出头尾，可以把[0123456789]进一步简化成[0-9]，把[abc...xyz]简化成[a-z]

​ 2、将一些常用的记法简化

​ 因为[0-9]很常用，大家又进一步简化成了\d（对应单词 digit）

​ 因为[a-zA-Z]也很常用，大家就把它简化成\a（对应单词 alpha）

​ 如果想匹配大小写字母、数字和下划线（也就是所有单词字符），可以写成[a-zA-Z0-9_]。也是因为太常用，大家将其简化为\w（对应单词 word）

​ 如果想匹配一些不可见的字符，可以写成[ \t\r\n\v\f]，这个正则会匹配空格、水平制表符、回车、换行、 垂直制表符和 Page break 记，可以被简化为\s

​ 对应的不匹配这些字符换成大写字母即可

二、多字符规则

用大括号{}来实现

​ 1、匹配m到n次 {m, n}

​ 2、匹配至少出现一次， 即 {1，}简化成 +号

​ 3、匹配成多次或者不出现， 即{0， }简化成 * 号

​ 4、匹配出现零次或者一次，即{0, 1}简化成 ?号

拓展内容

贪心与非贪心

​ 正则表达式默认使用贪心模式，一次性匹配尽可能长的内容，通过添加?在*后面将模式设为非贪心模式

引用

​ 正则引擎会为每个括号分配一个编号（从1开始记数），并记录括号的内容，大家可以使用\+数字的方式来引用。

​ 通过例子说明：给定一段 html <h1>this is a title</h1><h1>this is content</h2>。这里第二个<h1>没有闭合，结束标签写成了h2。如果只想匹配正常结束的h1，那可以写成<(h1)>.*</\1>

环视

这个内容很抽象，需要好好领会，直接复制过来，用做记录

​ 比如我们有字符串foobarbarfoo。下面我将用大写字母表示想要匹配的内容。为了跟英语原文对应，我们规定当前字符右边为前（未处理），左边为后（已处理）。

如果只想匹配第一个出现的bar，也就是fooBARbarfoo。肯定不能只写成bar，因为第二个bar也会匹配到。我们希望正则引擎在每碰到一个bar的时候继续向前（右）看看还有没有bar，如果还有则说明不是第一个。所以，需要写成bar(?=bar)。 括号里以?开头，=表示检查是否出现， 因为是继续向前（右）看，所以叫做前向肯定环视（Look ahead positive）。

如果想匹配第二个bar也就是foobarBARfoo，则需要写成bar(?!bar)。也就是说查到bar只后还要继续向前（右）看，没有bar才算匹配到。因为是没有，所以叫前向否定环视（Look ahead negative）。

​ 第一个，可以匹配单词的边界。这个两个合起来 (?<=\W)(?=\w)|(?<=\w)(?=\W)，就可以匹配单词的左右边界，可以简化成\b

​ 第二个，可以匹配一行的开始和结束。一行的开始，顾名思义，就是第一个字符之前的位置，在它之前没有字符，在它之后是任意字符，即(?<!.)(?=.)