正则表达式(通用)

最新推荐文章于 2024-04-12 14:26:02 发布

gaog2zh

最新推荐文章于 2024-04-12 14:26:02 发布

阅读量588

点赞数

分类专栏： # 正则表达式文章标签：正则表达式

本文链接：https://blog.csdn.net/gaogzhen/article/details/106505935

版权

正则表达式专栏收录该内容

3 篇文章 0 订阅

订阅专栏

正则表达式(通用)

内容

1、概述

1.1、序言

正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。
对于正则表达式，相信很多人都知道，但是很多人的第一感觉就是难学，因为看第一眼时，觉得完全没有规律可寻，而且全是一堆各种各样的特殊符号，完全不知所云。
其实只是对正则不了解而以，了解了你就会发现，原来就这样啊正则所用的相关字符其实不多，也不难记，更不难懂，唯一难的就是组合起来之后，可读性比较差，而且不容易理解。

1.2、作用

验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。
用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（
用来替换，比普通的替换更强大。

2、正则字符

3、元字符

3.1、普通字符

比如a,b,1等等，表示字符本身，匹配字符自己。

3.2、特殊字符:

’ .’ ：表示任意单个字符，如果想要表示’.'本身，需要加\反斜杠,\.。

2.4、位置限定

^：^会匹配行或者字符串的起始位置，有时还会匹配整个文档的起始位置，在[]中表示取非
$：匹配行或者字符串的结束位置

5、转义字符

5.1、普通转义字符

普通转义字符	描述
\t	制表符
\r	回车
\n	换行

5.2、转义字符（范围字符）

\d ：匹配数字0-9
- 例如要匹配一个固定格式的电话号码以0开头前4位后7位，如0737-5686123 正则:^0\d\d\d-\d\d\d\d\d\d\d$ 这里只是为了介绍"\d"字符，实际上有更好的写法会在下面介绍。
\D：非数字
\w：单词字符，匹配字母，数字，下划线.
- 例如我要匹配"a2345BCD__TTz" 正则："\w+" 这里的"+"字符为一个量词指重复的次数，稍后会详细介绍。
\W：非单词字符
\s：空白字符，制表、空格、回车、换行
- 例如匹配字符串"a b c"里面的空格，正则：\ba\s+b\s+c\b
\S：非空白字符
\b：单词边界
- 不会消耗任何字符只匹配一个位置，常用于匹配单词边界如我想从字符串中"This is Regex"匹配单独的单词 “is” 正则就要写成 “\bis\b”
- \b 不会匹配is 两边的字符，但它会识别is 两边是否为单词的边界
\B：非单词边界

6、(）、[]、{}作用

（）：()用于分组
- 例如匹配字符串"abc232ffsdf3232",分别匹配数字和字母，正则：(\w+)(\d+)(\w+)(\d+)
[] ：匹配其中任意的一个字符。如果能匹配[]中的字符那么只匹配1个
- 例如，匹配大写字母，正则:[A-Z]。匹配非大写字母，正则:[^A-Z].^见上面解释。
{} ：表示匹配的次数，详见量词部分。

7、量词

7.1、数字量词

“{n}” 重复n次
- 例如从"aaaaaaaa" 匹配字符串的a 并重复3次正则： “a{3}” 结果就是取到3个a字符 “aaa”;
“{n,m}” 重复n到m次
- 例如正则 “a{3,4}” 将a重复匹配3次或者4次所以供匹配的字符可以是三个"aaa"也可以是四个"aaaa" 正则都可以匹配到
“{n,}” 重复n次或更多次
- 与{n,m}不同之处就在于匹配的次数将没有上限，但至少要重复n次如正则"a{3,}" a至少要重复3次
示例7.1：
- 把量词了解了之后之前匹配电话号码的正则现在就可以改得简单点了^0\d\d\d-\d\d\d\d\d\d\d可以改为"0\d+−\d7可以改为"0\d+−\d7"。
- 这样写还不够完美如果因为前面的区号没有做限定，以至于可以输入很多们，而通常只能是3位或者4位，
- 现在再改一下 "^0\d{2,3}-\d{7}"如此一来区号部分就可以匹配3位或者4位的了

7.2、符号量词

先解释关于量词所涉及到的重要的三个概念

贪婪(贪心) 如"*"字符贪婪量词会首先匹配整个字符串，尝试匹配时，它会选定尽可能多的内容，如果失败则回退一个字符，然后再次尝试回退的过程就叫做回溯，它会每次回退一个字符，直到找到匹配的内容或者没有字符可以回退。相比下面两种贪婪量词对资源的消耗是最大的，
懒惰(勉强) 如 “?” 懒惰量词使用另一种方式匹配，它从目标的起始位置开始尝试匹配，每次检查一个字符，并寻找它要匹配的内容，如此循环直到字符结尾处。
占有如"+" 占有量词会覆盖事个目标字符串，然后尝试寻找匹配内容，但它只尝试一次，不会回溯，就好比先抓一把石头，然后从石头中挑出黄金
“*”(贪婪) 重复零次或更多
- 例如"aaaaaaaa" 匹配字符串中所有的a 正则： “a*” 会出到所有的字符"a"
“+”(懒惰) 重复一次或更多次
- 例如"aaaaaaaa" 匹配字符串中所有的a 正则： “a+” 会取到字符中所有的a字符， "a+“与"a*“不同在于”+“至少是一次而”*” 可以是0次，

稍后会与"?"字符结合来体现这种区别

“?”(占有) 重复零次或一次
- 例如"aaaaaaaa" 匹配字符串中的a 正则： “a?” 只会匹配一次，也就是结果只是单个字符a

7.3、懒惰限定符

“*?” 重复任意次，但尽可能少重复
- 如 “acbacb” 正则 “a.*?b” 只会取到第一个"acb" 原本可以全部取到但加了限定符后，只会匹配尽可能少的字符，而"acbacb"最少字符的结果就是"acb"
“+?” 重复1次或更多次，但尽可能少重复
- 与上面一样，只是至少要重复1次
“??” 重复0次或1次，但尽可能少重复
- 如 “aaacb” 正则 “a.??b” 只会取到最后的三个字符"acb"
“{n,m}?” 重复n到m次，但尽可能少重复
- 如 “aaaaaaaa” 正则 “a{0,m}?” 因为最少是0次所以取到结果为空
“{n,}?” 重复n次以上，但尽可能少重复
- 如 “aaaaaaa” 正则 “a{1,}?” 最少是1次所以取到结果为 “a”

8、正则进阶

8.1、捕获分组

概念：先了解在正则中捕获分组的概念，其实就是一个括号内的内容如 “(\d)\d” 而"(\d)" 这就是一个捕获分组。
后向引用：可以对捕获分组进行后向引用 (如果后面有相同的内容则可以直接引用前面定义的捕获分组，以简化表达式)
- 规则：后向引用序号和前面捕获分组相对应
- 如(\d+)(\w+)\1\2 这里的"\1"就是对"(\d)“的后向引用,”\2"就是对(\w+)的后向引用

那捕获分组有什么用呢看个例子就知道了

示例：如 “zery zery” 正则 \b(\w+)\b\s\1\b 所以这里的"\1"所捕获到的字符也是与(\w+)一样的"zery"，为了让组名更有意义

组名是可以自定义名字的

自定义捕获分组名称
- “\b(?<name>\w+)\b\s\k<name>\b” 用"?<name>"就可以自定义组名了而要后向引用组时要记得写成 “\k<name>”;自定义组名后,捕获组中匹配到的值就会保存在定义的组名里

下面列出捕获分组常有的用法

“(exp)” 匹配exp,并捕获文本到自动命名的组里
“(?<name>exp)” 匹配exp,并捕获文本到名称为name的组里
“(?:exp)” 匹配exp,不捕获匹配的文本，也不给此分组分配组号

8.2、零宽断言

“(?=exp)” 匹配exp前面的位置
- 如 “How are you doing” 正则"(?<txt>.+(?=ing))" 这里取ing前所有的字符，并定义了一个捕获分组名字为 “txt” 而"txt"这个组里的值为"How are you do";
“(?<=exp)” \ 匹配exp后面的位置
- 如 “How are you doing” 正则"(?<txt>(?<=How).+)" 这里取"How"之后所有的字符，并定义了一个捕获分组名字为 “txt” 而"txt"这个组里的值为" are you doing";
“(?!exp)” 匹配后面跟的不是exp的位置
- 如 “123abc” 正则 "\d{3}(?!\d)"匹配3位数字后非数字的结果
“(?<!exp)” 匹配前面不是exp的位置
- 如 “abc123 " 正则 “(?<![0-9])123” 匹配"123"前面是非数字的结果也可写成”(?!<\d)123"