正则表达式必知必会（修订版） 笔记

正则表达式必知必会（修订版）

一、匹配单个字符

1. . （英文句号）可以匹配任何单个字符（在绝大多数实现里，除换行符）
2. \ 用来对字符进行转义（在正则表达式里，有特殊含义的字符总是以\字符开头）

二、匹配一组字符

1. 元字符[和]用来定义一个字符集合，其含义是必须匹配该集合里的字符之一
2. 元字符 - （连字符）可以表示字符区间
3. 字符集合里可以用元字符 ^ 求反

三、使用元字符

1. 匹配数字

元字符	说明
\d	[0-9]
\D	[^0-9]

2. 匹配字母和数字

元字符	说明
\w	[a-zA-Z0-9_]
\W	[^a-zA-Z0-9_]

3. 匹配空白字符

元字符	说明
\s	[\f\n\r\t\v]
\S	[^\f\n\r\t\v]

4. 匹配16进制(\x)或八进制(\0)数值
5. POSIX字符类（JavaScript不支持）

四、重复次数匹配

1. 简易匹配

元字符	说明
+	至少一次
*	零次或多次
?	零次或一次

2. 精确匹配

元字符	说明
{3}	3次
{3,5}	最少3次，最多5次
{3, }	至少3次

3. 防止过度匹配

贪婪型(greedy)元字符	懒惰型元字符(nongreedy)
*	*?
+	+?
{n, }	{n, }?

五、位置匹配

1. \b 指定一个单词边界（匹配位置，不匹配任何字符）

2. \B 不匹配单词边界

3. ^ 指定字符串的开头

4. $ 匹配字符串的结束

5. (?m) 与 ^ 和 $ 配合使用，还将匹配在换行符处开头和结尾的字符串（用在最前面）

   (?m)^\s*//.*$

   查找JavaScript代码里的行注释

六、使用子表达式

1. 子表达式必须用 ( 和 ) 定义

2. 常见用途：

   1. 对重复次数元字符的作用对象做出精确的设定和控制
   2. 对 | 操作符的 OR 条件做出准确定义
   3. 子表达式允许嵌套

3. 示例：匹配IP地址

   1. 简易型: (\d{1,3}\.){3}\d{1,3}

   2. 完善型（注意 | 的使用）:

      (((25[0-5])|(2[0-4]\d)|(1\d{2})|(\d{1,2}))\.){3}((25[0-5])|(2[0-4]\d)|(1\d{2})|(\d{1,2}))

七、回溯引用：前后一致匹配

1. 可以将回溯引用想象成变量，\1 代表模式里的第一个子表达式

   • 不同实现的语法可能有差异
   • 某些实现可能支持命名捕获功能（如.NET），鼓励使用

2. 回溯引用在替换操作中的使用

   • 注意不同实现中的差异（Java使用 $ ）

     // 电话号码重新排版

     正则表达式： (\d{3})(-)(\d{3})(-)(\d{4})

     替换式: ($1) $3-$5

   • 大小写转换

   元字符	说明
   \E	结束\L或\U转换
   \l	把下一个字符转换为小写
   \L	把\L到\E之间的字符转换为小写
   \u	把下一个字符转换为大写
   \U	把\U到\E之间的字符转换为大写

八、前后查找

1. 向前查找（(?=...)）

   // 提取URL地址的协议名（不消费(consume) : ）

   .+(?=:)

2. 向后查找（(?<=...)）（JavaScript可能不支持）

   // 提取价格中的数值部分

   (?<=\$)[0-9.]+

3. 对前后查找取非

操作符	说明
(?=)	正向前查找
(?!)	负向前查找
(?<=)	正向后查找
(?<!)	负向后查找

九、嵌入条件

1. 回溯引用条件

   1. 满足时的语法： (?(backreference)true-regex)

      查找文本中的<img>标签，如果包含在<a>之间，则匹配出<a>

      (<[Aa]\s+[^>]+>\s+)?<[Ii][Mm][Gg]\s+[^>]+>(?(1)\s*</[Aa]>)

   2. 不满足时的语法： (?(backreference)true-regex|false-regex)

      匹配北美电话格式

      (\()?\d{3}(?(1)\)|-)\d{3}-\d{4}

2. 前后查找条件

   • 语法： 将回溯引用时的编号替换为前后查找表达式

     匹配美国的ZIP编码

     \d{5}(?(?=-)-\d{4})