正则表达式快速笔记

元字符速查

技术点

• 懒惰匹配
  在+,*后加上?构成懒惰匹配, 总是在匹配到第一个符合项时停止
• 位置匹配
  • 单词边界: 为了匹配完整单词, 使用\b在单词的前后进行限制, \b的含义是一个非单词字符和一个单词字符(字母数字下划线)的边界, \B取反
  • 字符串边界: 用^和$表示字符串的开始位置与结束位置. 有的正则表达式实现支持通过(?m)特殊字符实现按行匹配, 通过该特殊字符使得$以换行符为结尾. 有的实现支持用\A和\Z来表示一个字符串的开始与结束, 但这两个符号的含义不会受到(?m)的影响, 依然匹配整个文本的首尾.
• 子表达式
  用(和)包含起来的一组表达式,称为子表达式, 它是正则表达式中的变量的单位. 子表达式也可以进行嵌套
• 回溯匹配用于查找和替换
  目的是保证前后一致, 通过\num表示前面已经匹配的第num个子表达式
  \0匹配整个表达式

<H1> hello word </H1> // 正确
<H1> hello word </H2> //错误 不应匹配
对应的表达式匹配1
<[Hh]([1-9])>.+?</[Hh]\1>

    回溯匹配在替换中的使用, 利用\1或$1引用之前的正则表达式的作为变量
    回溯匹配在替换中, 可以用形如\U $1 \E的形式对原子表达式的内容进行大小写转换.

• 前后查找
  前后查找又称为零宽匹配, 使用(?=)匹配一些字符, 这些字符出现在被查找字符紧挨着的后面但是不消费这些字符
  后向查找(?<=), 支持的实现更少. 对前后查找还可以取非
• 嵌入条件
  • 根据一个回溯引用进行条件处理: (?(regex)true_express|false_express)
  • 根据一个前后查找进行条件处理:

// 回溯引用匹配
(<[Aa]\s+[^>]+>\s*)?[Ii][Mm][Gg]\s+[^>]+>(?(1)\s*</[Aa]>)
若(<[Aa]\s+[^>]+>\s*)被匹配时, 按照(?(1)\s*</[Aa]>)需要继续匹配
// 前后查找匹配
\d{5}(?(?=-)-\d{4})
匹配的逻辑是 如果5位数字后出现了-就必须继续匹配4位数字才属于成功匹配, 注意-在向前匹配中被匹配但并没有消费, 所以(?=-)后面还要有个-来消费它

Tips:

grep技巧

• grep的三种模式-G基础, -E拓展, -P perl格式, 其中默认基础版本中, ?, +, {, |, (, )的含义是字面的, 要想发挥他们的正则中的语义需要加\转义, 在拓展格式中, 以上字符自带特殊语义, 匹配字面量时才用转义
• grep默认是按行匹配, 所以不存在(?m)的用法