《精通正则表达式》笔记

正则表达式 (cleregular expression)

    正则表达式是高效，强大，便捷的文本处理工具，本身，再加上如同一门袖珍编程语言的通用模式表示法（general pattern notation),赋予使用者描述和分析文本的能
力。配合上特定语言工具提供的额外支持，正则表达式能够添加，删除，分离，叠加，插入，和休整各种类型的文本和数据。

正则表达式的组成
    
    完整的正则表达式由两种字符构成:特殊字符（special characters,如通配符*），称为“元字符”;其他为“文字”（literal),或称普通文本字符（normal text characters)。



    行起始和结束（位置匹配）

    在检查一行文本时，"^" 代表一行的开始, "$" 代表结束。如，“cat” 寻找的是一行文本中的任意位置的 “cat”，但是 “^cat” 只寻找行首的 cat， "^"用来把匹配文本
（这个表达式的其他部分匹配的字符）“锚定”在这一行的开头。同样，“cat$”之寻找位于行末的 cat,如 scat，以cat结尾的行。


    ^cat 匹配以 cat 开头的行 //错误
    ^cat 匹配以 c 作为一行的第一个字符，紧接着一个 a , 再紧接着 t 的文本。 //正确

    注：要养成按照字符理解正则表达式的习惯。脱字符和美元符号的特别之处在于，他们匹配的是一个“位置”，而不是具体文本。



    匹配若干字符之一（文本匹配）

    如过，我们想匹配单词，如“grey”，同时又不确定它是否写作“gray”，就可以使用正则表达式结构体（construct）"[……]"。它容许使用者列出在某处期望匹配的字符，>通常被称为字符组（characters class)。"e" 匹配 e,"a" 匹配 a, "[ea]" 匹配 e 或 a。

    "gr[ea]y": 先找到 g,跟着是一个r,然后是一个 a 或者 e,最后是一个y。
   
    注："[Ss]mith" 单词首字母大小写的情况需注意，这个表达式，仍然可以匹配内嵌在单词里的smith或Smith,如blacksmith。
    
    请注意，在字符组以外，普通字符，都有“接下来是（and then)” 的意思，“gr[ae]y"——"首先匹配 g，接下来是 r ……"。这与字符组内部的情况正好相反。字符组的内容
是在同一个位置能够匹配的若干字符，所以它的意思是“或”。
    
    在一个字符组中可以列举多个字符。如[123456],匹配 1 到 6 中的任意一个数字。在字符组内部，字符组元字符（character-class metacharacter）"-"(连字符)表示>一个范围。如[0-9],[a-z]等,表示匹 配0 到 9中的任意一个数字，a 到 z 中的任意一个小写字母。和一一列举表单的意思是一样的。“[0-9a-fA-F],[A-Fa-f0-9]”用来匹配>十六进制数字,顺序无所谓。除此外，可以随心所欲把字符范围与普通字符相结合,如“[0-9A-z_!.?]”，能够匹配一个数字，大写字母，下划线，惊叹号，点号，或者问号。

    注：只有在字符组内部，“-” 连字符才是元字符，否则它只能匹配普通连字符号。实际，即使在字符组内部，若它出现在字符组的开头，它也不是元字符，只是一个普通

字符“—”，而不是表示一个范围。同样的道理，问号，和点号通常也被当做元字符，但是在字符粗内，则不是。

   排除型字符组（文本匹配）

    "[^……]"，这个字符组会匹配任何未列出的字符。如"[^1-6]"，匹配除1到6外的任何字符。字符组开头的"^"，表示排除，这里列出不希望匹配的字符。

    注：排除型字符组，表示“匹配一个未列出的字符”，而不是 “不要匹配列出的字符”。两