正则表达式学习(复习)笔记

    近期在做文档处理的时候发现正则表达式忘记了很多，故在网上找了一些blog学习，在这强烈推荐朱哥写的blog：http://www.zsythink.net/。以下是对朱哥blog学习的笔记。
 

什么是正则表达式？
正则表达式的概念：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
通俗来说，如<图1>在notepad++中你想找到hello，很简单"ctrl+F"，可以找到3个，我们现在只需要找到开头是hello的，此时我们只需要按照<图2>查找就可以，查找内容是：^hello，^hello就是一个正则表达式。
正则就是按照我们自己的想法查找对应规则的字符串。

 

<图1>

 

 

<图2>

 

 

一、锚定和单词边界
^：表示锚定行首，此字符后面的任意内容必须出现在行首，才能匹配。
$：表示锚定行尾，此字符前面的任意内容必须出现在行尾，才能匹配。
^$：表示匹配空行，这里所描述的空行表示"回车"，而"空格"和"tab"等都不能算作此处所描述的空行。
^abc$：表示abc独占一行时，会被匹配到。
\<或者\b：匹配单词边界，表示锚定词首，其后面的字符必须作为单词首部出现。
\>或者\b：匹配单词边界，表示锚定词尾，其前面的字符必须作为单词尾部出现。
\B：匹配非单词边界，正好与\b相反。

#注意：
正则中单词：0-9a-zA-Z

二、连续次数的匹配
*表示前面的字符连续出现任意次，包括0次。
.表示任意单个字符。
.*表示任意长度的任意字符，与通配符中的*的意思相同。
\?表示匹配前面的字符0或1次。
\+表示匹配前面的字符至少1次，或连续多次，连续次数上不封顶。
\{n\}表示前面的字符出现n次，将会被匹配到。
\{x,y\}表示前面的字符连续出现至少x次，至多y次，将会被匹配到。
\{,n\}表示前面的字符至少出现0次，至多出现n次，将会被匹配到。
\{n,}\表示前面的字符至少出现n次，将会被匹配到。

三、常用符号
[]表示匹配指定范围内的任意单个字符
[^]表示匹配指定范围外的任意单个字符
[[:alpha:]]表示任意大小写字母
[[:lower:]]表示任意小写字母
[[:upper:]]表示任意大写字母
[[:digit:]]表示0到9之间的任意单个数字(包括0和9)
[[:alnum:]]表示任意数字或字母
[[:space:]]表示任意空白字符，包括"空格","tab键"等
[[:punct:]]表示任意标点符号
[0-9]与[[:digit:]]等效
[a-z]与[[:lower:]]等效
[A-Z]与[[:upper:]]等效
[a-zA-Z]与[[:alpha:]]等效
[a-zA-Z0-9]与[[:alnum:]]等效
[^0-9]与[^[:digit:]]等效
[^a-z]与[^[:lower:]]等效
[^A-Z]与[^[:upper:]]等效
[^a-zA-Z]与[^[:alpha:]]等效
[^a-zA-Z0-9]与[^[:alnum:]]等效

#简短格式并非所有正则表达式解析器都可以识别
\d表示任意单个0-9的数字
\D表示任意单个非数字的字符
\t表示匹配单个横向制表符(相当于一个tab键)
\s表示匹配单个空白字符，包括"空格"，"tab制表符"等
\S表示匹配单个非空白字符

四、分组与后向引用
\(\)表示分组，我们可以将其中的内容当做一个整体，分组可以嵌套。
\(ab\)表示将ab当做一个整体去处理。
\1表示引用整个表达式中第1个分组中的正则匹配到的结果。
\2表示引用整个表达式中第2个分组中的正则匹配到的结果。

五、转义符
"\"与正则中的符号结合在一起时，就表示这个符号本身的含义。

六、拓展正则表达式
grep命令使用了"-E"选项，表示greo命令会把"正则达表示"中的符号当成"拓展正则表达式"去理解，而不再使用默认的"基本正则表达式"。
()表示分组
?表示匹配前面的字符0或1次
+表示匹配前面的字符至少1次
{n}表示匹配前面的字符n次
{x,y}表示匹配前面的字符至少x次，至多y次
{,n}表示匹配前面的字符至少0次，至多n次
{n,}表示匹配前面的字符至少n次
|只在拓展正则表达式中出现，表示或