正则表达式入门

正则表达式在平时处理文本内容的时候有很大用处，这里就简单的总结一下正则表达式的用法。

一、元字符

在学习正则表达式的时候，首先要了解正则里的一些基本符号。

首先是表示一些单字符。

.  任意字符（除换行符外）
\d 任意数字	\D 任意非数字
\w 任意字母数字下划线	\W 任意非字母数字下划线
\s 任意空白符	\S 任意非空白符

有了单字符之后，需要匹配单字符出现的次数，也就是量词。

*  表示0到多次

+ 表示1到多次

？表示0或1次

{m} 出现m次

{m, } 表示至少出现m次

{m,n} 表示出现m到n次

有了单字符和量词之后，我们可以进行一些简单的匹配，比如下面的正则，在三个字符串中找到aaabb这个词组。

                                                            

但是如果想要做一些精细化的匹配就做不到了，比如我们想做一个匹配手机号的正则，现在我们只能用\d{11}来表示，但是这只能表示长度为11的数字，并不能匹配到符合规则的手机号，这个时候就引入了范围。

|表示或，ab|bc表示ab或者bc

[....]表示选括号任意单个元素，[a-z]表示匹配a-z这26个字母中的任意一个

[^....]表示取反，不选括号内的任意单个元素

 

有了范围之后就可以匹配一定规则的手机号了，如下：

1[3-9]\d{9}

表示符合以下条件的手机号

第 1 位固定为数字 1；
第 2 位可能是 3，4，5，6，7，8，9；
第 3 位到第 11 位我们认为可能是 0-9 任意数字。

二、贪婪与非贪婪

在处理量词的时候，可以选择两种模式，一种是贪婪模式，一种是非贪婪模式。

贪婪模式	表示次数的量词尽可能多的匹配
非贪婪模式	表示次数的量词满足条件后，长度最少的，在量词后加？即可表示非贪婪

 

如下图所示，第一个图片表示的是贪婪模式，他尽可能多的匹配了双引号内的单词，第二个图片表示了非贪婪的模式，他匹配了两个双引号内的内容。

                                         

                                            

正则的贪婪和非贪婪的模式下，都会用到回溯。回溯过程如下：

regex：xy{1,3}z

text: xyyz

首先，匹配到了x字符，匹配y字符的时候，由于采用贪婪模式，会尽可能多的匹配字符，匹配到了两个y
然后第三个y去匹配z的时候发现匹配不上，这时候会换z去匹配文本。


regex：xy{1,3}?z

text: xyyz
首先，匹配到了x字符，匹配y字符的时候，由于采用非贪婪模式，会尽可能少的匹配字符，
匹配到1个y之后，就会用z去匹配第二个y，发现匹配不上，就会用第二个y来匹配文本中的y，
匹配上之后，用z去匹配文本中的z

三、分组与引用

分组是一种帮我们简化正则编写的方法，

the little cat cat is in the hat hat, we like it.

比如我想匹配上面连续的两个cat和连续的两个hat，如果不用分组的话，我们只能写成cat cat|hat hat这样的正则表达式。

有了分组之后，我们就可以这样写。

（\w+） \1

其中，\1就表示引用前面括号内的内容，\1就表示和前面的(\w+)一样的内容，所有括号内的内容，我们都可以用\数字的方式引用，如果我们不想引用这个括号里的内容，用(?:内容)就可以取消用\数字的方式来引用。

四、匹配模式

除了上面介绍的内容，正则表达式还有一些匹配模式，用来改变元字符的匹配行为。分别是不区分大小写模式、点号通配模式、多行模式和注释模式。

不区分大小写的模式，用（？i）来表示不区分大小写，可以看到5个含有大小写的cat都被匹配了，如果不用大小写模式，匹配到这5个cat的正则就比较麻烦。

                                                      

点号通配模式，（?s）来表示，这样点号就可以匹配上了换行。正常点号是不能匹配换行符的，所以下面右侧的图匹配了5行，而用了点号通配模式，就只匹配了一条记录。

      

多行模式，（?m）来表示，可以匹配多行，他改变的是^和$的匹配行为。如果不用多行模式的话，会匹配整个文本中匹配开头和结尾。用了多行模式会匹配每一行的开头和结尾。

 

注释模式，（?#）来表示注释，

五、环视

环视是用来表示，匹配的前面和后面满足某种规则的方法，环视的用法如下。

                                     

下面是一个例子，只匹配开头是1-9，一共6位的数字，如果不用环视，最后一行的数字，会被分成两组。

参考资料：

1>极客时间，正则表达式入门课