【简单易懂】正则表达式的基础用法整理

前言

正则表达式有些很难记住的理论，在这里一次性整理一下，帮助更深刻一点的掌控。

正则表达式是什么

正则表达式可以把它看做是一种通配符的增强版，它可以帮你匹配你想要的字符串。

在很多地方可以用到正则表达式，比如编译器中的词法分析器、网址上的注册表单、爬虫中用正则表达式来提取信息等等。所以我们可以更加深刻地理解正则表达式的用处之广，好多地方都不能缺少它。

以下是正则表达式正式内容，一些最基础的用法。

限定符

限定符是一类特殊的字符，以下归纳：

符号	含义	例子
?	表示之前的字符出现零次或者一次	end? --> 表示en或者end
*	表示之前的字符出现零次或者多次	end* --> 表示en或者enddddd 都行
+	表示之前的字符出现一次或者多次	end+ --> 表示end或者endddddd
{…}	之中可以精确表示字符出现的次数	en{2}d --> 表示ennd en{2,3}d --> 表示ennd或者ennnd

如果想要限定多个运算符，比如ab，就直接打上括号再添加符号就行了，比如(ab)? 就表示 ab 或者空字符串。

"或"运算符

符号	含义	例子
|	两者之间的取或	a (cat|dog) --> a cat 或者 a dog

字符类

符号	含义	例子
[…]	匹配 […] 中的所有字符	[abc] 会匹配所有字符串中的a,b,c 的字符
[^…]	表示匹配除了[…]中字符以外的所有字符串	[^abc]会匹配所有字符串中除了a,b,c 的字符

注：[a-z]表示所有的小写字符，[A-Z]表示所有大写字符，[a-zA-Z0-9]表示所有的英文字符和数字

[^0-9]表示所有的非数字字符(包括换行符)

元字符

元字符是一组正则表达式中预先定义好的一系列常用字符类型，比如数字、空白符、单词开头、单词结尾等。这些元字符中的大多数以反斜杠\ 开头

符号	含义
\d	所有数字字符，等同于[0-9]
\w	单词字符，表示所有英文字符、数字和下划线
\s	空白符，包含tab字符以及换行符
\D	表示所有非数字字符
\W	表示所有非单词字符
\S	表示所有非空白字符
.	表示所有任意的字符(不包括换行符)
^	匹配行首，^a 表示匹配所有行首的a
$	匹配行尾，a$表示匹配所有行尾的a

贪婪匹配和懒惰匹配(lazy match)

之前讲述?+{}之类的限定符的时候，都是默认匹配尽可能多的字符

比如我想要限定HTML文本中的字符串：

<p> this is an example <p>

我们使用<.*> 来进行匹配，结果匹配下来的字符串会是：

<p> this is an example <p>

因为默认的贪婪匹配(greedy match)会匹配尽可能多的字符串，所以匹配了第一个

的左边"<“和第二个

右边的”>" 中间的所有字符串

解决方法：

使用<.*?>来讲贪婪匹配(greedy match)变成懒惰匹配(lazy match)

这样的话，匹配出来的字符串就会变成"p"和"p"两个标签

参考视频：https://www.bilibili.com/video/BV1da4y1p7iZ?from=search&seid=10813203089957646846.