正则表达式

1.正则表达式用途

2.基础

2.1 单元

单字符

• 普通字符，例如a、b、c；
• 字符集，写法为[ctx]，例如[abc]、[a-z]；
• 取反字符集，写法为[^ctx]，例如[^{}]表示大括号的字符集；
• 简写集，写法为\ctx，例如\w表示字母数字下划线集合；
• 特殊符号，写法为\ctx，例如\.表示字符.，\t表示制表符；
• POSIX字符类，写法为[:name:]，和简写集部分重叠，
  例如[:alpha:]表示字母集。
  关于POSIX字符类有一点要注意，需要写成[[:alpha:]]，而不是[:alpha:]；

简写集和特殊符号表如下：

POSIX字符类表如下：

字符串、子表达式、或操作

• 字符串，例如strabc；
• 子表达式，写法为(regular)，例如([abc]*)；
• 或操作，写法为u1 | u2 | u3，例如(a | [cba] | [abc]*)。
  功能上而言，我觉得就是广义的“字符集”，可以自定义出基于字符、字符串、子表达式的单元集合，而不仅仅局限于字符；

2.2 重复次数

固定重复次数

• 0到N次，写法为ctx*，例如[abc]*；
• 1到N次，写法为ctx+，例如[abc]+；
• 0到1次，写法为ctx?，例如[abc]?；

范围重复次数

• m到n次，写法为ctx{m,n}，例如[abc]{1,10}；
• m到N次，写法为ctx{m,}，例如[abc]{m,}；
• m次，写法为ctx{m}，例如[abc]{m}；

3.其他特性

3.1 贪婪匹配和懒惰匹配

正则表达式默认采用贪婪匹配，例如

.*at => The fat cat sat on the mat => 整个字符串被匹配

可能的结束点’fat‘、‘cat’、'sat’被忽略了，知道’mat’才结束匹配。如果说高级语言的if else匹配是就近原则，这里可以说是就远原则，这就是所谓贪婪匹配。
可以调整为就近原则，也就是懒惰匹配：

.*?at => The fat cat sat on the mat => The fat被匹配

3.2 边界问题

字符串界定

正则表达式查找的范围为“字符串”，默认是全部内容算作一个“字符串”，而不是常规的以换行符\n来界定一个字符串。
可以开启多行模式来转换成常规的\n界定字符串的情况。

字符串开头结尾匹配检验

• 字符串开头检验，写法为^ctx，
  例子为检验xml文件开头的合法性，

正则表达式：^\s*(<?xml.*?>

	invaild
	<?xml version = "1.0" encoding = "UTF-8" ?>

如上的xml文件将判定为不合法；

• 字符串结尾检验，写法为ctx$，
  例子为检验html文件结尾合法性，

正则表达式：</[Hh][Tt][Mm][Ll]>\s*$

<html/> invaild

如上的html文件将判定为不合法；

待续…