正则小记

关于正则

第一次学习正则应该是在2012年的夏天，学的是30分钟入门教程。
其实30分钟根本学不完，正则表达式也就是Regular Expression要学会，必须在不断的匹配中了解其中种种。对我来说，正则就像把瑞士军刀，能解决各种棘手问题。
在线验证工具：
www.regexbuddy.com
www.debuggex.com/

哪用到了正则

• 正确性验证
• 数据匹配
• 数据整理
  对我来说，这些应用的比较多。
  例如验证日期的正确性，查找文章有多少段落，替换所有的制表符等等。

各个语言里的正则

正则表达式是个独立于语言，自成一套体系的东西。所以各个语言对它的实现程度各不相同，目前所接触的语言有JavaScript、Java、C++、PHP、Shell，个人感觉C++对正则的支持是最好的。JS多应用于前端，现在还有NodeJS想必正则的支持不会有多大差异，如果没记错JS的断言方面不支持后断言。还有Java，在1.6的JRE下是不支持断言，而在1.7中加入了零宽断言。除了编程语言，各个工具中其实也有自己的正则特性，例如Notepad的正则零宽断言不支持变长表达式。

正则的理解

个人对正则的理解是这样的，基础表达式是

元字符/组+[限定符]+[贪婪/懒惰]

也就是说正则对规则的描述类似自然语言，某些东西会在哪里出现、它不会在哪出现、出现多少次、是否一找到就不用再找等等。

正则描述对规则的限定十分严谨

• []村里有个姑娘叫小芳，方括号代表者对单个位置上可能出现字符的描述。
• {}花姑娘分外妖娆，花括号代表对字符、组的任意限定。
• ()大妈处事圆滑，圆括号内为一个组，越左、嵌套越深，组号越小。

元字符：

元字符	含义
.	代表任意字符
\b	单词分隔
\d	数字[0-9]
\t	制表符
\w	英文字母
\s	空格

限定符：

限定符	含义
*	任意多个
+	多于1个
?	0或1个
{n}	n个
{n,}	多余n个
{n,m}	n到m个

懒惰限定：

懒惰	含义
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

其他：

各个语言中还有一些可选项，可对匹配过程产生影响。
例如.匹配换行符，^$匹配多行等。

零宽断言是个好东西

语法	含义
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置

为便于理解，对 (?=exp) 也可以理解为，光标后边跟着exp表达式，匹配的是一个不占位的光标。例如：(?=\r\n|\n|\r)匹配所有所有行的末尾光标(ps.除了最后一行)

语法	含义
(?=exp)	光标后边是exp
(?<=exp)	光标前边是exp
(?!exp)	光标后边不是exp
(?<!exp)	光标前边不是exp

还是这个表格好理解，上边的绕口令都把人绕晕了。
在实际使用中，零宽断言对整理数据非常好用。

一些武林绝学

还有好多东西没写到，像捕获、反向引用、平衡组等等。
高深的武学，往往复杂晦涩且威力强大，但使用的频率不高。
不管了先列出来再说吧：

语法	含义
\a	报警字符(打印它的效果是电脑嘀一声)
\b	通常是单词分界位置，但如果在字符类里使用代表退格
\t	制表符，Tab
\r	回车
\v	竖向制表符
\f	换页符
\n	换行符
\e	Escape
\0nn	ASCII代码中八进制代码为nn的字符
\xnn	ASCII代码中十六进制代码为nn的字符
\unnnn	Unicode代码中十六进制代码为nnnn的字符
\cN	ASCII控制字符。比如\cC代表Ctrl+C
\A	字符串开头(类似^，但不受处理多行选项的影响)
\Z	字符串结尾或行尾(不受处理多行选项的影响)
\z	字符串结尾(类似$，但不受处理多行选项的影响)
\G	当前搜索的开头
\p{name}	Unicode中命名为name的字符类，例如\p{IsGreek}
(?>exp)	贪婪子表达式
(?<x>-<y>exp)	平衡组
(?im-nsx:exp)	在子表达式exp中改变处理选项
(?im-nsx)	为表达式后面的部分改变处理选项
(?(exp)yes|no)	把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes)	同上，只是使用空表达式作为no
(?(name)yes|no)	如果命名为name的组捕获到了内容，使用yes作为表达式;否则使用no
(?(name)yes)	同上，只是使用空表达式作为no