浅谈正则表达式

经常碰见正则表达式，每次用的时候就去百度，但总有些特殊格式需要配置，因此，抽空看了一下 《精通正则表达式》，记录 一下浅显的理解

简介

先看看《精通正则表达式》中的定义。

正则表达式（Regular Expresssion）是强大、便携、高效的文本处理工具。正则表达式本身加上如同一门袖珍语言的通用模式表示法(general pattern notation)，赋予使用者描述和分析文本的能力。配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修整各种类型的文本和数据。

正则表达式是处理数据或文本的一种处理工具。举个例子来说，我们需要在window系统下某个目录中搜索所有的后缀为.txt的文件，我们通常搜*.txt，这样会将目录下所有的.txt文件列出来。这个*便是目录查找用到的通配符，正则表达式和这个类似，但比这个更加强大。

基本语法

语言组成
正则表达式是由元字符和普通字符组成
字符组：[ ] 一对中括号，可以限定范围，某些元字符只有在字符组内才起作用，后面举例用法

元字符

元字符 ，是指有特定意义的字符 需注意在中括号表示的字符组[]内和外有不同意义

表一 常用元字符

符号	作用
^	匹配文本的开始，后面紧跟的字符应在匹配值首位
$	匹配文本的结束，前面紧跟的字符应在匹配值末尾
.	匹配任意字符
[ ]	字符组，限定取值范围
[^…]	排除任意字符（非），^在字符组内部指非、排除的意思
-	连字符，在字符组内部两个字符之间起效 如[1-6] 指匹配数字1-6 的任意值
|	或，条件分支作用，前后条件满足一即可
（）	限制|的作用范围

限定符

限定符是元字符的一种，限定文本可出现的数量

表二 常用限定符

符号	作用
*	重复表示出现0次或者多次
+	重复表示出现1次或者多次
？	重复表示出现0次或者1次
{n}	区间量词，限制文本n个字符，
{n，}	区间量词，限制文本n个或多个字符
{n，m}	区间量词，限制文本n到m个字符

转义字符

转义字符，在字符前面，字符意思

表三 转义符

符号	作用
\	转义字符，在元字符前面可使元字符失效，变成普通字符

表四 转义符

符号	作用
\b	匹配单词的开始或者结束，表示始末位置。
\d	匹配一个数字字符。等价于 [0-9]
\D	匹配一个非数字字符。等价于 [^0-9]
\w	匹配字母、数字、下划线。等价于[A-Za-z0-9_ ]
\W	匹配非字母、数字、下划线。等价于 [^A-Za-z0-9_ ]

以上为列举的常用字符，我们用这些来匹配电话号码，一般电话的形式为三位区间+八位号码 或者四位区+七位号码，其中区间与号码为括号或者“-”连接。
例如（010）123456788 ，010-1234578
（0536）1234567 , 0536-1234567

分析，文本分为两部分（）内外或者 - 前后 ，（）和 - 不能同时出现，分38型和47型。

以三八型举例

目标	实现
（）出现或者 - 出现	\( \)|-
()内数字为三位	\d{3}
后面为8位	\d{8}

这个正则为 \(\d{3}\)\d{8}|\d{3}-\d{8} 47同理

高级用法

零宽断言

零宽断言：从字面意思看，零宽度，代表只判断位置不捕获，断言：用来声明一个应该为真的事实，满足一定的条件/断言。其实就是匹配某个条件但又不希望返回结果中有这个条件

表五 零宽断言

—	格式	含义
正向	(?=exp)	零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式。
正向	(?<=exp)	零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式。
反向	(?!exp)	零宽度负预测先行断言，它断言此位置的后面不能匹配表达式。
反向	(?＜!exp)	零宽度负回顾后发断言，它断言此位置的前面不能匹配表达式。

零宽断言查找的内容是不包含检索条件的，不被捕获
举例：查找reading a book and running
(?=exp) ：查找以 ing 结尾的单词 正则为 \b\w+(?=ing\b) 匹配结果为 ing 前面的 read 和 runn
(?<=exp) ： 查找以 r 开头的单词 ,正则为 \b\w+(?<=r\b) 匹配结果为 r 前面的 eading 和 unning

(?！exp) ： 查找以 r 开头的单词 ,正则为 \b\w+(?<!r\b) 匹配结果为 r 前面的 eading 和 unning

参考
https://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html

正则测试网址
http://www.jsons.cn/reg/