正则表达式

1 概念

• 英文名：Regular Expression（regex）
• 是一个字符串，用以匹配一系列符合某个句法规则的字符串。
  注意：要按照字符来理解正则表达式。如：
  ^cat应理解为：匹配 行开始，紧接着一个c，紧接着一个a,紧接着一个t的文本。
  不要理解为：匹配以cat开头的行。 （后续为简化说法，还会采用该说法，但应按字符理解）

2 语法规则

• 字符组
  [...]：允许使用者列出在某处期望匹配的字符。（或）
  如：[abc]表示匹配a或b或c字符。

  • 字符组元字符
    • -：表示一个范围，如[0-9]表示所有数字，gr[ae]y匹配gray或grey。
    • ^：表示排除，如[^0-9]表示匹配排除数字后的所有字符。

  注意：字符组里面和外面，元字符的意义是不一样的。

• 元字符（字符组外面）

  • ^：代表行的开始
  • $：代表行的结束
  • $1、$2：代表前面匹配成功的字符串。
  • .：匹配任意字符。
  • ()：表示一个元素，可以是字符也可以是字符串。
  • |：或，多选结构,如：grey|gray,也可以表示成gr(a|e)y。
  • ?：可选项，作用于前一紧邻元素，如colou?r表示u可有可没有。
  • +：计数，表示前一紧邻元素至少出现一次。
  • *：计数，表示前一紧邻元素出现任意多次或未出现。
  • {min,max}：表示前一紧邻元素出现次数范围。
  • \char：转义符，其作用的char元字符会失去特殊含义，如：\\, \t, \r, \d, \.等
  • \<：单词分界符，单词开始位置，如\<cat匹配cat开头的单词。
  • \>：单词分界符，单词结束位置。（部分egrep不支持单词分界符）

3 常用文本结构示例

• 任意英文字符：[!-~]（包括数字、字母和英文特殊字符）
• 变量名：[a-zA-Z_][a-zA-Z_0-9]*（变量名不能以数字开头）
• 引号内字符串："[^"]*"（排除双引号）
• 美元金额：\$[0-9]+(\.[0-9]*)?（可能包含小数）
• 邮箱地址：\w+@[0-9a-zA-Z]+(\.[a-z]{2,3})+
• URL：\<http://[a-z0-9][-a-z0-9_.:]+/[-a-z0-9_:@&?=+,./~*%$]*\.html?\>
• 时刻：([01]?[0-9]|2[0-3]):[0-5][0-9]（24小时制）

字符	含义
x	代表字符x（区分大小写）
\	转义字符 \t 制表符 \n 换行符 \r 回车符 \d 代表数字0-9，相当于[0-9] \D 代表非数字0-9，相当于[^0-9] \w 代表字母或数字或下划线（单词字符），相当于[a-zA-Z0-9] \s 匹配所有空白字符，包括空格、制表符、回车符、换页符、换行符等 \uhhhh 十六进制0xhhhh所表示的Unicode字符 \b 代表边界，如\b[abc]\b表示字母a或b或c的左右两边都要是非单词字符
[abc]	表示范围，代表的是字符a或b或c
^	排除，如[^abc]表示除了a,b,c以外的任何字符 代表行的开头，如^[abc]表示匹配字符需要是[abc]开头
$	表示行的结尾，如[0-9]$表示匹配字符需要是[0-9]结尾
-	连续字符表示，如[0-9]表示0到9的数字，[a-zA-Z]表示a到z和A-Z的字符
.	代表任意字符
数量词	x? 表示x出现[0,1]次 x* 表示x出现0次或多次 x+ 表示x出现[1,+∞)次 x{n} 表示x恰好出现n次 x{n,} 表示x至少出现n次 x{n,m} 表示x出现[n,m]次

4 环视功能

• 环视（lookaround）结构不匹配任何字符，只匹配文本中的特定位置。
• 顺序环视——从左至右查看文本
  • 肯定顺序环视：(?=...)能够匹配右侧文本。
    如：正则表达式(?=Jeffrey)，匹配标记的位置：
    
    且(?=Jeffrey)Jeff和Jeff(?=rey)是等价的。
    
  • 否定顺序环视：(?!...)不能匹配右侧文本。
• 逆序环视——从右至左查看文本

  • 肯定逆序环视：?<=...能够匹配左侧文本。

  • 否定逆序环视：?<!...不能匹配左侧文本。
    环视结构示例1：将"see Jeffs book"修改为"see Jeff’s book"

    s/(?<=\bJeff)(?=s\b)/'/g  //等价于： s/(?=s\b)(?<=\bJeff)/'/g
    

    环视结构示例2：将"The popolation is 7084442151 in the earth!"中的数字以逗号分开，即7,084,442,151

    s/(\d)(?=(\d\d\d)+(?!\d))/$1,/g
    

    环视结构示例3：包含特殊字符、数字和字母，长度为8~16位，其中特殊字符可以不存在，数字和字母最少一个。（类似密码格式验证）

    ^(?=.*[0-9a-zA-Z])[!-~]{8,16}$