正则表达式的一些笔记

基本元件

元字符

• 特殊单字符

-	-
.	除了换行符的任意字符
\d	任意数字
\w	任意数字、字母、下划线
\s	任意空白
\D	任意非数字
\W	任意非数字、字母、下划线
\S	任意非空白符

• 空白符

-	-
\r	回车符
\n	换行符
\f	换页符
\t	制表符
\v	垂直制表符
\s	任意空白符

• 量词

-	-
*	0到多次
+	1到多次
?	0到1次
{m}	出现m次
{m,}	出现至少m次
{m,n}	m到n次

• 范围

-	-
|	或， ab | bc 表示 ab 或 bc
[…]	多选一，括号中的单个元素
[a-z]	匹配a到z之间任意单元素
[^…]	取反，不包括括号中的任意单个元素

量词与贪婪

贪婪模式

表示次数的量词默认是贪婪模式，在贪婪模式下，会尝试尽可能最大长度去匹配。

例子

• 正则表达式

a*

• 测试字符串

aaabb

• 匹配结果

匹配	位置	匹配内容	说明
Match 1	0-3	aaa
Match 2	3-3	空字符串	星号(*)代表 0 到多次，匹配 0 次就是空字符串
Match 3	4-4	空字符串
Match 4	5-5	空字符串

非贪婪模式

匹配长度尽可能小,在量词后面加上英文的问号 (?)，将贪婪模式变成非贪婪模式.

例子

• 正则表达式

a*？

• 测试字符串

aaabb

• 匹配结果

匹配	位置	匹配内容	说明
Match 1	0-0
Match 2	0-1	a
Match 3	1-1
Match 4	1-2	a
Match 5	2-2
Match 6	2-3	a
Match 7	3-3
Match 8	4-4
Match 9	5-5

独占模式

类似贪婪匹配，满足要求的情况下，尽可能长的匹配，但匹配过程不会发生回溯。具体的方法就是在量词后面加上加号（+）。

例子1

• 正则表达式

xy{1,3}+z

• 测试字符串

xyyz

• 匹配结果

xyyz

例子2

• 正则表达式

xy{1,2}+yz

• 测试字符串

xyyz

• 匹配结果

[]

如果是贪婪模式，先按最长匹配，匹配了yy，下一个是z，z和y不匹配，则从yy回溯，吐出一个y，剩一个y，下一个是y，与y匹配，接着匹配z，可以匹配到xyyz。

分组与引用

分组是将子表达式看成一个整体，在后续查找或替换中引用分组。括号在正则中可以用于分组，被括号括起来的部分“子表达式”会被保存成一个子组，第几个括号就是第几个分组。分组可通过编号或者捕获名称来引用。

-	-
（正则）	捕获分组
（?:正则）	非捕获分组
（？P<名称>正则）	命名分组

匹配模式

模式	描述	例子
(?i)	不区分大小写模式	(?i)cat
(?s)	单行模式	(?s).+
(?m)	多行模式	(?m)^the|cat$
(?#comment)	注释模式	(\w+)(?#word) \1(?#word repeat again)

通常情况下，^ 匹配整个字符串的开头，$ 匹配整个字符串的结尾。多行匹配模式改变的就是 ^ 和 $ 的匹配行为。对于 ^ 和 $ 大部分实现默认不是多行匹配模式，但也有例外，比如 Ruby 中默认是多行模式。

断言

用于匹配位置，而不是文本内容本身。

• 单词边界

-	-
\b	单词边界

• 行的开始/结束

-	-
^	匹配行的开始
$	匹配行的结束
\A	仅匹配整个字符串的开始，不支持多行模式
\Z	仅匹配整个字符串的结束，不支持多行模式

• 环视

-	-
（?<=Y)X	匹配前面是Y的X
（?<!Y)X	匹配前面不是Y的X
X(?=Y)	匹配后面是Y的X
X(?!Y)	匹配后面不是Y的X

正则调试、可视化工具

• https://regex101.com/
• https://regexper.com/
• https://www.debuggex.com/

参考

• 正则表达式入门课 涂伟忠