【入门】正则表达式基础入门笔记

意图

• 数据验证
• 替换文本
• 提取子字符串

定义

• 正则表达式描述一种字符串匹配的模式，可以用来检查一个字符串中是否包含某种子字符串、将匹配到的子字符串进行替换或提取
• 正则表达式是由普通字符以及特殊字符（元字符）组成的文字模式

普通字符

包括没有显示指定为元字符的所有可打印或不可打印的字符

• 大写字母
• 小写字母
• 数字
• 标点符号
• 其他符号

字符	描述
[ABC]	匹配[…]的所有字符
[^ABC]	匹配除了[…]的所有字符，取非操作
[A-Z]	匹配A-Z的所有字符，表示一个区间
.	匹配除换行符（\n、\r）之外的任何单个字符，相当于[^\r\n]
[\s\S]	匹配所有。\s表示匹配所有空白符，包括换行；\S表示非空白符，不包括换行
\w	匹配字母、数字、下划线。相当于[A-Za-z0-9_]

非打印字符

字符	描述
\cx	匹配由x指明的控制字符。如：\cM匹配一个Control-M或回车符。其中x的值必须为A-Z或a-z之一。否则将c视为原生的’c’字符
\f	匹配一个换页符。相当于\x0c或\cL
\n	匹配一个换行符。相当于\x0a或\cJ
\r	匹配一个回车符。相当于\x0d或\cM
\s	匹配任何空白字符，包括空格、制表符、换页符等。相当于[\f\n\r\t\v]
\S	匹配任何非空白字符。相当于[^ \f\n\r\t\v]
\t	匹配一个制表符。相当于\x09或\cl
\v	匹配一个垂直制表符。相当于\x0b或\cK

特殊字符

• 特殊字符，即元字符
• 如果要匹配元字符，则需先使用字符转义，即使用反斜杠字符\

字符	描述
$	匹配输入字符串的结尾位置
()	标记一个子表达式的开始和结束位置
*	匹配前面的子表达式零次或多次(>=0)
+	匹配前面的子表达式一次或多次(>=1)
.	匹配除换行符\n之外的任何单字符
[]	标记一个中括号表达式的开始和结束
?	匹配前面的子表达式零次或一次(0、1)
\	将下一个字符标记为特殊字符/原义字符/向后引用/八进制转义符
^	匹配输入字符串的开始位置，如果是在中括号表达式中使用，则表示取非操作
{}	标记限定符表达式的开始和结束位置
|	表示多个中选择一个，或操作

限定符

限定符用来表示某个子表达式的出现次数

字符	描述
*	匹配前面的子表达式零次或多次(>=0)
+	匹配前面的子表达式一次或多次(>=1)
?	匹配前面的子表达式零次或一次(0、1)
{n}	匹配前面子表达式n次(n)
{n,}	匹配前面子表达式至少n次(>=n)
{n,m}	匹配前面子表达式最少n次，最多m次(>=n&&<=m)

*和+限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个?就可以实现非贪婪或最小匹配

定位符

字符	描述
^	匹配输入字符串开始的位置
$	匹配输入字符串结束的位置
\b	匹配一个单词边界
\B	匹配非单词边界

注意：不能将限定符和定位符一起使用

选择

• 用圆括号()将所有选择项括起来，相邻的选择项之间用|间隔
• ()表示捕获分组，()会把每个分组里匹配的值保存起来

非捕获元

• ?:
  (?:exp)：使用圆括号会使相关的匹配被缓存，可用?:来消除这种副作用
• ?=
  exp1(?=exp2)：匹配exp2前面的exp1
• ?<=
  (?<=exp2)exp1：匹配exp2后面的exp1
• ?!
  exp1(?!exp2)：匹配后面不是exp2的exp1
• ?<!
  (?<!exp2)exp1：匹配前面不是exp2的exp1

标记(修饰符)

• 正则表达式的标记用于指定额外的匹配策略
• 标记不写在正则表达式里，标记位于表达式之外

/pattern/flags

修饰符	含义	描述
i	ignore - 不区分大小写	匹配时不区分大小写
g	global - 全局匹配	查找出所有匹配项
m	multi line - 多行匹配	使边界字符^和$匹配每一行的开头和结尾，而不是整个字符串的开头和结尾
s	使得.字符包含换行符	默认是不包含换行符的

元字符

字符	名称
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，‘n’ 匹配字符 “n”。‘\n’ 匹配一个换行符。序列 ‘\’ 匹配 “” 而 “(” 则匹配 “(”。
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?” 可以匹配 “do” 或 “does” 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 “oooo”，‘o+?’ 将匹配单个 “o”，而 ‘o+’ 将匹配所有 ‘o’。
.	匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用像"(.
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 ‘(’ 或 ‘)’。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (
(?=pattern)	正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95
(?!pattern)	正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95
(?<=pattern)	反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。
x|y	匹配 x 或 y。例如，‘z|food’ 能匹配 “z” 或 “food”。‘(z|f)ood’ 则匹配 “zood” 或 “food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， ‘[abc]’ 可以匹配 “plain” 中的 ‘a’。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’、‘l’、‘i’、‘n’。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，‘[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，‘[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配字母、数字、下划线。等价于’[A-Za-z0-9_]'。
\W	匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，‘\x41’ 匹配 “A”。‘\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码。
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，‘(.)\1’ 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

运算符优先级

1. 转义符
2. 圆括号和方括号
3. 限定符
4. 定位符和序列
5. 替换，“或”操作

工具推荐

• 可视化工具 https://jex.im/regulex/#!flags=&re=^(a|b)*%3F%24
• 调试工具 https://regexr.com/

学习资源

• 菜鸟教程 https://www.runoob.com/regexp/regexp-tutorial.html