【正则表达式】正则表达式基础概念记录

正则表达式

1.什么是正则表达式？

1.1背景介绍

人类神经系统早期研究称之为：正则集的代数的表达式，有多种定义：

• 用某种模式去匹配一类字符串的公式，主要用来描述字符串匹配的工具；
• 由普通字符和特殊字符（元字符）组成的文字模式；
• 用于描述某些规则的工具，即记录文本规则的代码；
• 用一个字符串描述一个特征，然后去验证另外一个字符串是否符合这个特征；

1.2匹配类型

• 形容词性匹配：一个字符串匹配一个正则表达式；
• 动词性匹配： 在文本或字符串里匹配正则表达式；
• 名词性匹配： 在字符串中满足给定的正则表达式的一部分；

1.3常见应用

• 验证字符串；
• 查找字符串；
• 替换字符串；
• 提取字符串；

2.元字符

2.1匹配位置的元字符

^ : 脱字符号，匹配行的开始；
$ : 美元符号，匹配航的结尾；
\b: 匹配单词的开始或结尾；

例子：
^string => 匹配"string"开始的行；
string$ => 匹配"string"结尾的行；
^$ => 匹配空行；
^ => 匹配任意行；
\bstr => 匹配以"str"开头的字符串，如"String"、“String Format”;
\bstring\b => 匹配完整单词"String";

2.2匹配字符的元字符

.(圆点) => 匹配任意字符（除了换行符）；
\w => 匹配单词字符（数字、字母、下划线、汉字）；
\W => 匹配任意非单词字符（换行符也会匹配）；
\s => 匹配任意空白字符（空格、制表符、换行符、中文全角空格等）；
\S => 匹配任意非空白字符
\d => 匹配任意的数字；
\D => 匹配任意的非数字字符；

例子：

• ^.$ => 除换行符外可含任意字符的行；
• \ba\w\w\w\b => 以"a"开头且长度为4的任意单词；
• \ba\w\w\d\d\D\b => 匹配"a"+2单词字符+2数字+1非数字，如:“a1b23_”;
• 2020.11.27 => 匹配除换行符之外以任意字符分割字符串"2020",“11”,"27"的字符串，如：2020.11.27、2020=11-27、2020 11 27、2020-11/27;

3.字符类匹配

3.1字符类

注：此处元字符失去意义，只表示字符本意；

• [0123456789] => 匹配任意数字；
• <H[123456]> => 匹配<H1><H2><H3><H4><H5><H6>;
• [Jj]ack => 匹配jack或者Jack;
• [^aeiouAEIOU] => ^开头指否定，匹配非元音字符；
• [0-9][a-z][A-Z] => -（连杠）不在开头则指定左右边界之间的任意字符；
• [0-9a-zA-Z_] => 等同于\w;
• [^0-9a-zA-Z_] => 等同于\W;

转义：\
反义：^

3.2限定符

元字符一次只能匹配一个位置或者一个字符，用限定符来确定指定数量，放在后面；
常用限定符：

• {n} => 重复n次；
• {n,} => 至少重复n次；
• {n,m} => 重复至少n次，至多m次；
• * => 重复至少0次；
• + => 重复至少1次；
• ? => 重复0次或1次；

3.3字符的运算

替换：
| => 匹配 | 左侧或右侧，优先匹配左侧表达式；
\d{5} | \d{5}-\d{3}
源数据：12345 12345-678
匹配值：12345 12345（这一部分符合左边正则表达式，就不再看右边）
分组：
()小括号把正则表达式框起来可看做一个整体
(\d{1,3}\.){3}\d{1,3} => 可用于匹配简单的ip地址
反向引用：
直接用组号引用正则表达式
\b(\w)(\d)\1\2\b = \b\w\d\w\d\b

3.4优先级顺序

转义符>圆括号&方括号>限定符>位置和顺序>或运算