精通正则表达式一：元字符

在正则表达式中，有一些特殊的字符，例如‘* ?’等，他们有特殊的意义，‘*’代表出现0至多次，‘?’代表1次或0次，称他们为元字符。

行起始和结束字符

^   匹配行的起始
$   匹配行的结束

例如，在http://regexr.com/中：

这里只匹配了倒数两行中的http，但倒数第三行中的http并没有匹配到，这就是元字符“^”起到的作用,注意：确保你在匹配的时候点选了flags中的multiline，不然这些文本默认为一行，即只有第一行开头有行起始符。行结束符类似。

字符组

[]   字符组，字符组里面的字符只能出现一个，即其中的字符是或的意思。

例如：

当需要表示某些连续的数字或字母时，可以用‘-’连字符来连接

[1-6]  表示123456
[a-c]  表示abc

要注意，连字符‘-’一定要出现在字符组中且出现在中间才能表示范围，当出现在‘[’之后又或‘]’之前时，它只是表示一般的字符。

[-13]  匹配'-'或'1'或'3'

当然，也可以字符组中没有出现的字符，即排除型字符组

[^ ]  排除型字符组

匹配任意字符

.   匹配任意字符

需要注意的是，当‘.’在字符组内是匹配的就是字符‘.’而不是任意字符，在字符组外，当想要匹配字符‘.’时，可以使用‘.’来匹配，如下：

其他的元字符如果想匹配它本身，都可以用‘\’来转义。

多选结构

|     代表或

字符组中的字符也是代表或，但它只能匹配文本中的单个字符，而多选结构可以匹配任意长度的字符

注意，表示或的那部分要用()括起来，不然就成了匹配‘twen’或‘hirty’了

单词分界符

\<   匹配单词的开头
\>   匹配单词的结尾

书上说的是有的egrep版本中有的是这两个元字符，但在http://regexr.com/ 上支持的是这个

\b  匹配单词的边界

我试了一下，我的egrep这两个都支持。

可以看到，Welcome中的come并没有匹配。

量词

?   之前紧邻的元素出现0次或1次
+   之前紧邻的元素出现1次到多次
*   之前紧邻的元素出现0次到多次

例如我前面的关于拉丁猪文字游戏的例子：

String regex = "([aeiou]*)([^eaiou])(.*)";

第一个‘*’匹配任意多个元音字母，第二个匹配任意多个任意字符，括号是分组用的，与量词无关。
当然，也可以自己规定出现多少次:

{min,max}

例如：

一些常用的元字符

下面列举了一些常用的元字符，基本在所有支持正则表达式的语言和工具中都是通用的。

\d    [0-9]
\D    除了‘\d’之外的所有字符
\w    [a-zA-Z0-9]
\W    除了‘\w’之外的所有字符
\s    所有的“空白“”字符，例如空格符，制表符，进纸符
\S    除了‘\s’之外的所有字符

反向引用

先举例子，如果想要匹配叠词，及AABB的形式，用前面的量词即可以解决

.{2}.{2}

但是如果要匹配 AACAA 这些类似的的文本是该怎么匹配呢?

这里的‘\1’就是代表第一组的意思，括号能记忆其中的子表达式匹配的文本，不论这些文本是什么，元字符序列‘\1’都能记住它，当然，第二组就是‘\2’了。注意，用括号括起来才能成为组。