三、进阶用法
1、子表达式
子表达式的作用是把一个表达式中相关的部分组合在一起。用()来定义。常见用途为：
a) 对重复次数元字符的作用对象做出精确的设定和控制，例如：(\d{1,3}.){3}\d{1,3}来粗略匹配ip地址
b) 对|操作符的OR条件做出准确的定义。另外子表达式可以嵌套使用、频繁使用子表达式会降低效率
2、回溯引用
回溯引用允许正则表达式引用前面的匹配结果 应用场景：
a) 有一段文本，你想把这段文本中所有连续重复出现的单词找出来。
文本：
This is a block of of text, serveral words here are are repeated, and and they should not be.
正则表达式：
[ ]+(\w+)[ ]+\1
结果：匹配出of of, are are, and and
解释：[ ]+匹配一个或多个空格，\w+匹配一个单词，\w+是放在()中的，是个子表达式，这里子表达式的作用是将这 一部分单独划分出来供后面引用，\1是一个回溯引用，匹配\w+具体匹配的内容，当(\w+)匹配到of时，\1就是of。
b) 匹配下面html中的标题内容（h1-6标签）
<body>
<h1>welcome to my homepage</h1>
<h2>ColdFusion</h3>
</body>
如果使用正则表达式 <h[1-6]>.*?</h[1-6]>，那么第二行也会被匹配进去，这很明显不是我们想要的，因为第二行的h2和h3标签不匹配。
我们应该使用<h([1-6])>.*?</h\1>，这样<h2>ColdFusion</h3>不会匹配c) 替换
我们要把一堆电话号码313-555-1234替换成(313)555-1234
文本
313-555-1234
248-555-9999
正则表达式
(\d{3})-(\d{3})-(\d{4})
替换
($1)$2-$3
结果
(313)555-1234
(248)555-9999d) 大小写转换
用来进行大小转换的元字符
| 元字符 | 说明 |
|---|---|
| \l | 把下一个字符转换小写 |
| \u | 把下一个字符转换大写 |
| \L | 把\L到\E之间的字符转成小写 |
| \U | 把\U到\E之间的字符转成大写 |
| \E | 结束\L或\U转换 |
例子：把一级标签(<h1>…</h1>)的标题文字转换为大写
<body>
<h1>Welcome to my Homepage</h1>
content is divided
<h2>ColdFusion</h2>
</body>
正字表达式
(<h1>)(.*?)(</h1>)
替换
$1\U$2\E$3
结果
<body>
<h1>WELCOME TO MY HOMEPAGE</h1>
content is divided
<h2>ColdFusion</h2>
</body>
3、前后查找
前后查找的作用就是标识位置，而不在匹配结果中出现（不消费）
| 限定符 | 解释 |
|---|---|
| (?=) | 正向前查找 |
| (?!) | 负向前查找 |
| (?<=) | 正向后查找（有些不支持） |
| (?<!) | 负向后查找（有些不支持） |
例子：找出title标签中的内容
<head>
<title>Ben Forta's Homepage</title>
</head>
正则：
(?<=<title>).*?(?=</title>)
结果：匹配Ben Forta's Homepage，title标签会自动去掉
4、嵌入条件
相当于在正则中加入if else，很强大但不常用
a) 回溯引用条件
例子：(123)456-9999和123-456-9999都是可接受的电话号码，前面区号要么被()括起来，要么用-隔开；
文本：
123-456-7890
(123)456-7890
(123)-456-7890
(123-456-7890
正则：
(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}
结果：匹配1、2行
解释：(()?匹配一个可选的(,我们把它用()括了起来，得到了一个表达式。
随后\d{3}匹配三个数字（即123）。
(?(1))|-)是一个回溯引用，它将根据条件是否得到满足取匹配)或者-（如果(1)存在，)必须被匹配；否则-必须被匹配）
*提示：嵌入了条件的模式看上去往往非常复杂，这意味着调试工作可能也会变得困难。我们可以先对整个模式的各个部分分别进行调试，再把它们拼装到一起。
b) 前后查找条件（在实际工作中，往往可以用更简单的办法来达到同样的目的）
例子：匹配邮政编码，一种是12345形式，一种是123456-6789
文本：
11111
22222-
33333-4444
正则：
\d{5}(?(?=-)-\d{4})
结果：匹配1、3行
解释：\d{5}匹配前面的5位数字。接下来(?(?=-)-\d{4})是向前查找条件。?=-匹配（但不消费）一个连字符-,如果条件满足（连字符-存在），-\d{4}将匹配那个连字符和紧跟在后的4位数字。这样22222-就被排除在外了，因为它满足条件，但后面的却没有匹配。
更简单的方式：\d{5}(-\d{4})?
总结：?后跟判别式，随后紧跟满足条件下的匹配子串，如果有不满足的子串，则紧跟在|后面。记得用()括起来
四、附录
1、 表示非换行型空格（non-breaking space）
2、常见的正则表达式
a) IP地址
文本：
localhost is 127.0.0.1
正则：
(((\d{1,2})|(1\d{2})|(2[0-4]\d)|25[0-5]))\.){3}
((\d{1,2})|(1\d{2})|(2[0-4]\d)|25[0-5]))
解释：
\d{1,2}匹配0-99，1\d{2}匹配100-199，2[0-4]\d匹配200-249，25[0-5]匹配250-255
b) URL地址
文本：
http://www.baidu.com/blog
https://www.baidu.com
http://localhost:8500/
http://localhost/index.html?a=1&b=32
正则：
http[s]?//[-\w.]+(:\d+)?(/([\w/_.]*)?)?
结果：
第1、2、3以及第4行到?为止
c) 邮箱地址
(\w+\.)*\w+@(\w\.)+[A-Za-z]+
d) html注释
<!-{2,}.*?-{2,}>
e) 匹配中文
[\u4e00-\u9fa5]
扫一扫
1307
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
