学习知识点记录(一)：正则表达式入门

定义与作用

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来：
①检查一个串中是否含有符合某个规则的子串，并且可以得到这个子串；
②根据匹配规则对字符串进行灵活的替换操作。

基础规则

普通字符

字母、数字、汉字、下划线、以及没有特殊定义的标点符号，都是“普通字符”。表达式中的普通字符在匹配字符串时，匹配与之相同的字符。

表达式	字符串	结果
c	abcde	true
bcd	abcde	true
3	abcde	false

转义字符

一些不便书写的字符以及有特殊作用的标点符号，采用在前面加“\”的方法，都是“转义字符”。

表达式	可匹配
\r	回车
\n	换行符
\t	制表符
\\	“\”符号本身
\^	^符号本身
\$	$符号本身
\.	小数点(.)本身

与“多种字符”匹配的表达式

表达式	可匹配
\d	任意一个数字，0~9中的任意一个
\w	任意一个字母或数字或下划线，也就是AZ，az，0~9，_中任意一个
\s	包括空格、制表符、换页符等空白字符的其中任意一个
.	小数点可以匹配除了换行符(\n)以外的任意一个字符
\S	匹配所有非空白字符
\D	匹配所有非数字字符
\W	匹配所有字母、数字、下划线以外的字符
[]包含一系列字符	匹配其中任意一个字符
[^]包含一系列字符	匹配其中字符之外的任意一个字符

特殊符号

符号	意义
{n}	表达式重复n次
{m,n}	表达式至少重复m次，最多重复n次
{m,}	表达式至少重复m次，最多不限制
？	匹配表达式0次或者1次
+	表达式至少出现1次
*	表达式不出现或者出现任意次
^	与字符串开始的地方匹配，不匹配任何字符
$	与字符串结束的地方匹配，不匹配任何字符
\b	匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符
|	左右两边表达式之间“或”，匹配左边或者右边
()	①在被修饰匹配次数时，括号中的表达式可以作为整体被修饰 ②取匹配结果时，括号中的表达式匹配到的内容可以被单独得到
\B	匹配非单词边界，即左右两边都是“\w”范围或者两边都不是“\w”范围时的字符缝隙

高级规则

匹配次数中的贪婪与非贪婪

贪婪

重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。例如：针对文本"dxxxdxxxd"，匹配如下：

表达式	匹配结果
(d)(\w+)	“\w+” 将匹配第一个 “d” 之后的所有字符 “xxxdxxxd”
(d)(\w+)(d)	“\w+” 将匹配第一个 “d” 和最后一个 “d” 之间的所有字符 “xxxdxxx”。

由此可见，“\w+” 在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个 “d”，但那也是为了让整个表达式能够匹配成功。同理，带 “*” 和 “{m,n}” 的表达式都是尽可能地多匹配，带 “?” 的表达式在可匹配表达式0次或者1次的时候，也是尽 可能的 要匹配1次。这 种匹配原则就叫作 “贪婪” 模式 。

非贪婪

重复匹配不定次数的表达式在匹配过程中，总是尽可能少的匹配。针对文本"dxxxdxxxd"，匹配如下：

表达式	匹配结果
(d)(\w+？)	“\w+?” 将尽可能少的匹配第一个 “d” 之后的字符，结果是：“\w+?” 只匹配了一个 “x”
(d)(\w+？)(d)	为了让整个表达式匹配成功，“\w+?” 不得不匹配 “xxx” 才可以让后边的 “d” 匹配，从而使整个表达式匹配成功。因此，结果是：“\w+?” 匹配 “xxx”

在修饰匹配次数的特殊符号后再加上一个 “?” 号，则可以使匹配次数不定的表达式尽可能少
的匹配，使可匹配可不匹配的表达式，尽可能的 “不匹配”。这种匹配原则叫作 “非贪婪” 模式，
也叫作 “勉强” 模式。

反向引用

表达式后边的部分，可以引用前面 “括号内的子匹配已经匹配到的字符串”。引用方法是 “” 加上一个数字。“\1” 引用第 1 对括号内匹配到的字符串，“\2” 引用第 2 对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。也就是说，哪一对的左括号 “(” 在前，那这一对就先排序号。

表达式	字符串	匹配内容
('|")(.*?)(\1)	‘Hello’, “World”	" ‘Hello’ "。再次匹配下一个时，可以匹配到 " “World” "。
(\w)\1{4,}	aa bbbb abcdefg ccccc 9999999	“ccccc”。再次匹配下一个时，将得到9999999。这个表达式要求 “\w” 范围的字符至少重复 5 次

预搜索

正向预搜索

“(?=xxxxx)”，在被匹配的字符串中，它对所处的 “缝隙” 或者 “两头” 附加的条件是：所在缝隙的右侧，必须能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 “\b”，本身不匹配任何字符。“\b” 只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。

“(?!xxxxx)”，所在缝隙的右侧，必须不能匹配 xxxxx 这部分表达式。

表达式	字符串	匹配内容
Windows (?=NT|XP)	Windows 98, Windows NT, Windows 2000	只匹配 “Windows NT” 中的 "Windows "
Windows (?!NT|XP)	Windows 98, Windows NT, Windows XP	只匹配 “Windows 98” 中的 "Windows "

反向预搜索

“(?<=xxxxx)”，"(?<!xxxxx)"这两种格式的概念和正向预搜索是类似的，反向预搜索要求的条件是：所在缝隙的 “左侧”，两种格式分别要求必须能够匹配和必须不能够匹配指定表达式，而不是去判断右侧。与 “正向预搜索” 一样的是：它们都是对所在缝隙的一种附加条件，本身都不匹配任何字符。

表达式	字符串	匹配内容
Windows (?<=NT|XP)	Windows 98, Windows NT, Windows 2000	只匹配 “Windows NT” 中的 "Windows "
Windows (?<!NT|XP)	Windows 98, Windows NT, Windows XP	只匹配 “Windows 98” 中的 "Windows "

其他通用规则

①表达式中，可以使用“\xXX”和“\uXXXX”表示一个字符(“X”表示一个十六进制数)。

表达式	表示内容
\xXX	编号在0~255范围内的字符
\uXXXX	任何字符可以使用“\u”再加上其编号的4位十六进制数表示

②在表达式“\s”、“\d”、“\w”、“\b” 表示特殊意义的同时，对应的大写字符表示相反的意义。
③在表达式中有特殊意义，需要添加“\”才能匹配该字符本身的字符汇总，比如"^“,”$“,”()“,”[]“,”{}“,”.“,”?“,”+“,”*“,”|"这些特殊字符。
④括号“()”内的子表达式，如果希望匹配结果不进行记录供以后使用，可以使用“(?:xxxxx)”格式。
⑤常用的表达式属性设置简介

属性	作用
Ignorecase	默认情况下，表达式中的字符是要区分大小写的。配置为Ignorecase可使匹配时不区分大小写。
Singleline	默认情况下，小数点“.”匹配除了换行符(\n)以外的字符。配置为Singleline可使小数点可匹配包括换行符在内的所有字符。
Multiline	默认情况下，表达式“^”和“$”只匹配字符串的开始和结尾位置。配置为Multiline可以使“^”还可以匹配换行符之后，下一行开始前的位置，使“$”还可以匹配换行符之前，一行结束的位置
Global	主要在将表达式用来替换时起作用，配置为Global表示替换所有的匹配

使用提示

• 如果要要求表达式所匹配的内容是整个字符串，而不是从字符串中找一部分，那么可以在表达式的首尾使用“^”和“$”
• 如果要求匹配的内容是一个完整的单词，而不是单词的一部分，那么在表达式首尾使用“\b”
• 表达式不要匹配空字符串，否则会一直得到匹配成功，而结果什么都没有匹配到
• 能匹配空字符串的子匹配不要循环无限次
• 合理选择贪婪模式与非贪婪模式
• 或“|”的左右两边，对某个字符最好只有一边可以匹配