正则表达式

正则表达式

概念

简单来说，正则表达式是一种字符串匹配的模式。再换句话说，正则表达式就是记录文本规则的代码，用来查找符合某种复杂规则的字符串的需要。

你可能用过Windows下的通配符，例如*和？，与通配符类似，正则表达式也是进行文本匹配的工具，只不过比起通配符，它会更加精确的匹配。当然，这也取决于你编写的正则表达式的复杂性。

元字符

正则表达式是通过元字符匹配的，那元字符是什么呢？元字符简单来说，就是正则表达式的匹配规则，拿几个来举例子：

元字符	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\W	匹配任意不是字母，数字，下划线，汉字的字符
\d	匹配数字
[abcd]	匹配abcd其中一个字符
[^abcd]	匹配不是abcd的任意一个字符
[A-Z]	匹配从A-Z中任意一个字符
[A-z]	匹配从A-z任意一个字符（涵盖大小写）
^	匹配字符串的开始
$	匹配字符串的结束

以上只是几个常用的，真实用到的比上面的表格多得多。

其中^比较特殊，可以用来表示字符串的开始，如果放到[]中括号里，表示取反。

[]里面可以写单独一个字符，也可以写一个范围，举例子：

[a] 匹配A这个字符

[abcd] 匹配ABCD这几个字符中任意一个

[a-z] 匹配26个小写字符中的一个

[0-9] 这个跟\d一个意思，匹配0—9中任意一个数字

另外:这些元字符，区分大小写，大写表示取反，例如：\d匹配数字，\D匹配非数字。

字符转义

如果你想要匹配元字符本身的话，比如你想查找^，这时候你就需要用\来取消转义，两个\\匹配一个。

重复

我们前面知道\d匹配一个数字，那么如果我们想要匹配十个数字，应该怎么做？写十遍\d？

当然不会，正则表达式有几种限定符，用来匹配元字符出现的次数。

限定符	说明
*	重复0+次
+	重复1+次
?	重复0或1次
{n}	重复n次
{n,}	重复n+次
{n,m}	重复n—m次

那上面我们说的十个数字，就是:\d{10}

分支条件

我们知道外国人的名字格式为：FirstName·LastName，也就是名·姓的格式。

但也有些外国人有中间名，也就是：FirstName·MiddleName·LastName

那我们怎么同时匹配这两种格式的外国人的名称呢？

很简单:

\w+[·]\w+|\w+[·]\w+[·]\w+

我们知道在程序中|表示或的关系，在这里也是，只要符合两个正则表达式的任意一个，都算符合条件。

分组

重复十个数字，我们知道怎么重复，直接\d{10}就行了。

但是如果让你重复多个字符呢？例如：abc重复十遍。

这时候就要用到分组了，分组的元字符是小括号()。

假设说我们要匹配一个IP地址，IP地址的格式我们知道，是这样的：

XXX.XXX.XXX.XXX

其中每一段都是0—255,也就是1位到3位

那我们的正则表达式就可以这么写:

(\d{1,3}\.){3}\d{1,3}

但是这会有一个问题，它会匹配到错误地址，例如：

999.999.999.999

那我们重新写一下:

((\d|\d{2}|1\d{2}|2[0-4]\d|25[0-5]).){3}\d|\d{2}|1\d{2}|2[0-4]\d|25[0-5]

这可能就比较复杂了，这个匹配了所有情况，1位的地址、2位的地址、100—199的地址，200—249的地址，250—255的地址

后向引用

其实每一个分组都会默认指定一个编号，就像我们前面写的(\d{1,3}\.)的默认编号就是1，从左到右，依次累加。

如果我上面的关于IP的分组是这么写的

(\d{1,3}\.)(\d{1,3}\.)(\d{1,3}\.)

那么依次的分组顺序就是1,2,3

如果现在有一段字符串是这种格式XXX-XXX-XXX，第一段和第三段都是英文字母，并且相同，第二段是数字，使用分组怎么描述呢？

你肯定会知道是用分组，第一组和第二组肯定这么写([A-z]{3})-(\d{3})-

到第三组的时候，你发现出现问题了:怎么保证第三组和第一组一样呢？

这时候我们就要用到后向引用了，因为我们知道，第一组的编号是1，那我们直接可以通过\1来引用第一组的值，也就是这样写:

([A-z]{3})-(\d{3})-\1

看结果:

匹配成功！

当然，你觉得用1,2,3...这种编号表示，有的时候会搞混，你也可以给分组起名，给分组起名的语法有两种：

(?<Group1>[A-z]{3})，第一种方式是在分组中最前方加?<Name>的方式起名

(?'Group1'[A-z]{3})，第二种方式是把<>换成''，也就是在分组中最前方加?'Name'的方式起名

这种情况是用<GroupName>或者'GroupName'的方式引用

把我们之前的正则表达式换一下:

(?<Group1>[A-z]{3})-(\d{3})-\<Group1>

(?'Group1'[A-z]{3})-(\d{3})-'Group1'

试一下:

两种写法依旧匹配成功！

零宽断言

零宽断言用来指定一个位置，这个位置需要满足一些条件。

需要注意：零宽断言只匹配位置，而不会占用字符。

零宽先行断言:

全名：零宽度正预测先行断言

作用：匹配在某个表达式位置之前的符合条件的字符串

语法：(?=expression)

示例:

I am a competitor before.

匹配competitor这个单词，使用零宽先行断言可以这么写:

\b[A-z]+(?=\sbefore.)

我们匹配到了 before.之前的单词，也就是competitor。

零宽后发断言

全名：零宽度正预测后发断言

作用：匹配在某个表达式位置之后的符合条件的字符串

语法：(?<=expression)

示例：

I am a competitor before.

匹配competitor这个单词，使用零宽后发断言可以这么写:

(?<=\b[a]\s)\b[A-z]+\b

我们匹配到了a 后面的单词，也是competitor.

负向零宽断言

前面我们说过，\后面跟大小写是取正和取反的区别，那有零宽断言，也当然有负向零宽断言，一听就知道是用来取反的，跟零宽断言一样，负向零宽断言也包含先行断言和后发断言。

负向零宽先行断言：

全名：负向零宽度正预测先行断言

作用：匹配不在某个表达式位置前面的字符串

语法：(?!expression)

示例：

ABC-123456-123-ABC

使用负向零宽先行断言，匹配第三段的的值:

\b\d{3}(?!\d)

结果:

负向零宽先行断言：

全名：负向零宽度正预测后发断言

作用：匹配不在某个表达式后面的字符串

语法：(?<!expression)

示例：

ABC-123456-123-ABC

使用负向零宽后发断言，匹配第三段的值:

(?<!123)\d{3}\b

结果:

贪婪与懒惰

当你使用正则表达式来匹配字符的时候，它都会尽量多的匹配，这种方式称为贪婪匹配原则，也是默认的匹配模式。

示例:

abcabcab这个字符串，如果使用^.*b，它会直接匹配整个字符串。

而我们只希望它匹配第一个ab，也就是常说的懒惰匹配原则，这时候需要在后面加一个?

也就是^.*?b，匹配的结果就是ab。在普通限定符后面加上?，就会变成懒惰限定符。

鉴定符	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

其他

我们今天学习的只是正则表达式语法，但是在实际开发中，会有很多血想，例如：区分大小写、多行匹配、单行匹配、忽略空白等，这都取决于开发平台提供的API的支持，就写这么多吧，实在啃不动了...
之前学的都快忘了，再复习一遍...

大部分内容摘自及参考：http://deerchao.net/tutorials/regex/regex.htm，16年我就读的他写的关于正则表达式的文章，如今回来还是读他的，经典。
测试工具下载地址：http://deerchao.net/tools/regester/index.htm

转载于:https://www.cnblogs.com/Fill/p/9580789.html