正则表达式(regular expression)——学习笔记

最新推荐文章于 2022-03-09 21:12:59 发布

都尼都尼

最新推荐文章于 2022-03-09 21:12:59 发布

阅读量507

点赞数

分类专栏： CS概念文章标签：正则表达式

本文链接：https://blog.csdn.net/echody/article/details/53573816

版权

CS概念专栏收录该内容

2 篇文章 0 订阅

订阅专栏

平时我们查找硬盘上的文件时，使用 ? 和 * 来进行通配符匹配，这就类似正则表达式中的概念（但它实际的意义是不一样的）
使用正则表达式，可以很方便的替换文本。
正则表达式在 *nix（Linux, Unix等）、HP 等操作系统，PHP、C#、Java 等开发环境，以及很多的应用软件中都有着很好的应用。

正则表达式是什么？

正则表达式描述一种字符串匹配的模式，它作为模板将某个字符模式与所搜索的字符串进行匹配。
构造正则表达式的方法和创建数学表达式的方法一样。用多种元字符与运算符将小的表达式结合在一起来创建更大的表达式。

正则表达式的组成

普通字符

所有大写和小写字母、所有数字、所有标点符号和一些其他符号。（没有显式指定为元字符的所有可打印和不可打印字符）

非打印字符

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\f	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\d	匹配一个数字字符。等价于 [0-9]。
\w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。

D,W的匹配均是对小写取反，类似s和S

特殊字符

一些有特殊含义的字符。若要匹配这些特殊字符，必须首先使字符转义，即将反斜杠字符放在它们前面。

特别字符	描述
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。
.	匹配除换行符 \n 之外的任何单字符。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。
[	标记一个中括号表达式的开始。例如，’[abc]’ 可以匹配 “plain”中的’a’。
{	标记限定符表达式的开始。
\|	指明两项之间的一个选择。

限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。

限定符	描述
*	匹配前面的子表达式零次或多次。
+	匹配前面的子表达式一次或多次。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。
{n}	n是一个非负整数。匹配确定的n次。例如，’o{2}’ 不能匹配 “Bob”中的’o’，但是能匹配 “food”中的两个 o。
{n,}	n是一个非负整数。至少匹配n次。例如，’o{2,}’不能匹配”Bob”中的’o’，但能匹配”foooood”中的所有o。’o{1,}’等价于’o+’。’o{0,}’则等价于 ‘o*’。
{n,m}	m和n均为非负整数，最少匹配n次且最多匹配m次。例如，”o{1,3}” 将匹配 “fooooood” 中的前三个 o。’o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。

*, +, ?, {n}, {n,}, {n,m}限定符都是贪婪的，因为它们会尽可能多的匹配文字，在它们的后面加上一个?就可以实现非贪婪或最小匹配。

举例

abaccccda
- /a.*a/ 匹配abaccccda
- /a.*?a/ 匹配aba
匹配章节
- /Chapter [1-9][0-9]*/ 匹配从1开始，任何位数
- /Chapter [0-9]{1,2}/ 匹配两位数，但是实际上开头为0~99的章节数都会被匹配
- /Chapter [1-9][0-9]?/ 匹配从1~99

定位符

定位符用来描述字符串或单词的边界

定位	描述
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 ‘\n’ 或 ‘\r’。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。
\b	匹配一个字边界，即字与空格间的位置，单词的开头也是字边界。
\B	非字边界匹配。

注意：不能将限定符与定位点一起使用。

举例

Chapter aptitude
- /\bCha/ 匹配单词 Chapter 的开头三个字符
- /\Bapt/ 匹配 Chapter 中的字符串 apt，但不匹配 aptitude 中的字符串 apt

选择

用圆括号将所有选择项括起来，相邻的选择项之间用|分隔。但用圆括号会有一个副作用，是相关的匹配会被存储到一个临时缓冲区中，所捕获的每个子匹配都按照在正则表达式模式中从左到右出现的顺序存储。缓冲区编号从 1 开始，最多可存储 99 个捕获的子表达式。每个缓冲区都可以使用 ‘\m’ 访问，其中m为一个标识特定缓冲区的一位或两位十进制数。

例如：Is is the cost of of gasoline going up up?
- 正则表达式：/\b([a-z]+) \1\b/gi
- 第一部分 \b([a-z]+) ：字符边界开始一个或多个字母。
- \1对第一个匹配模式的引用，也就是引用了 \b([a-z]+)
- 所以像 Is is 和 of of 这种重复出现的单词会被识别出来
http://www.nihao.com:80/html/html-hi.html
- /(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/
- 第一部分 (\w+):\/\/ \w表示[A-Za-z0-9]也就是所有字母和数字，+表示至少一个，:\/\/表示网址部分的://，由于/是特殊符号，所以加上转义符号。结果为协议部分，http.
- 第二部分 ([^/:]+) [^/:]表示除了/和:以外的字符，+表示至少一个。结果为域名，www.nihao.com
- 第三部分(:\d*)? :\d表示 : 之后出现的数字，*表示0个或多个，最后的?表示只重复一次匹配。结果为端口:80
- 第四部分([^# ]) [^# ]表示不包括#或空格字符的任何字符，表示个或多个。结果为html-hi.html

可以使用非捕获元字符 ‘?:’、’?=’ 或 ‘?!’ 来重写捕获，忽略对相关匹配的保存。
这里写图片描述
图片来自http://www.runoob.com/