关于正则表达式由浅到深的总结

正则表达式由浅至深的总结

最近在找实习被虐成dog了，我愈发觉得我应该把面试过程遇到的一些列问题写出来跟大家共勉。我第一次面试，被面试官问了一个问题，一个一百万条的ip数组（每条数组都有一个ip区间，后边有对应的城市），怎样根据用户的ip获取到他对应的地址（不可以使用第三方接口，我当时也是第一反应就是借助第三方.）。

一开始我也蒙了，我以为他要考我算法，什么排序，二分....满脑子飞舞......最后的结果大家就....好，让我们言归正传，通过这个问题，我发现其实用正则表达式是很容易找出来的。下面是我学习正则表达式由浅到深的出来的总结，希望博得各位大牛嫣然一笑(会持续更新).....

一：单字符


（1）纯文本正则表达式可匹配纯文本，如james(虽然是一个单词，但也确实是一个正则表达式).

 (2) 如果被匹配的句子包含多个满足正则表达式的词，默认只返回第一个，但是不同的编程语言提供了各自的api，
 可以把所有满足正则表达式的词找出来。

（3）如果正则表达式是纯文本的表达式，那么匹配的结果是区分大小写的。比如：James Harden is called james.

正则表达式：james，则只能 匹配到james.同样，不同的平台有各自的api可以让匹配结果不区分大小写。

 (4).符号可以表示任意一个字符（严格来说除了换行符以外），字母，数字，也包括.符号本身(需要转义，后边有解释)。

比如：正则表达式:m.b  可以匹配到mob,mxb.....

 (5).符号可以连续出现也可以间隔出现，但它代表的意义永远表示.符号所在的位置可以对应任意的单个字符。

比如：正则表达式：m.b..可以匹配到mmbbb,mobbb,mmbnb......诸如mmbbbb或者mbnbmm就匹配不了。

 (6)如果需要匹配.符号本身的话，需要加反斜杠进行转义(当一个符号在正则表达式有特殊意义时，

加一个反斜杠就可以表示这个符号本身了)。比如\.就表示匹配.符号本身而不是表示其他的任意字符.

二:匹配一组字符


 (1)元字符[ ]表示一个区间，其中左边的ascci码值要小于右边的才正确，比如[3-1]是错误的[1-3]是正确的。

 (2)[ ]里面包含的区间字符可以用-元字符符号表示，也可以把所有在区间内的字符一一列举出来。

比如[1-3]和[123]（注意不是123）是等价的。

 (3)同样的，[ ]区间里的元素是区分大小写的。比如[a-z]与[A-Z]表示的是两个不同的区间.

 (4)-（连字符）仅仅在元字符[ ]中使用才是正则表达式的特殊字符，表示的是从...到...。如果-放在[ ]外使用，

则不是特殊字符，他表示的就是-字符本身。比如：[1-9]这样使用,-是一个元字符。

但是，当这样使用时[12]-,那么-就不是元字符了，仅仅表示-字符本身。

 (5)[ ]字符区间可以有多个区间综合起来,比如[1-9a-zA-Z]就是一个合法的正则表达式。

 (6)^元字符表示对区间取非操作。比如:[^1-9]表示的是1到9之外的任意字符。

三:元字符解析


 (1)什么是元字符？元字符就是在正则表达式里边有特殊含义的字符，它的出现有特殊的意义。比如：.,^,[,]...


 (2)如何表达元字符本身？既然元字符有他自身的含义，那么需要表达元字符自身的话就需要转义。比如：.

表示匹配任意一个字符，那如果我们 需要匹配.符号本身的话，我们就需要添加反斜杠（\），\.就表示的是.符号本身。


 (3)空白字符：一般来说指的是那些可以影响文本格式的字符，比如换行符，制表符，回车符...常用的空白字符有以

下几个:/n/r/t/v/f分表表示换行符，回车符，制表符，垂直制表符，分页符。


 (4)类别元字符：就是该元字符代表的是一个字符集合，比如数字就是一个字符集合。常用的有/d/D,/w/W,/s/S(大小写

表示该元字符包含的范围刚好相反),它们的意思分别是，所有数字集合/所有非数字集合，所有字母（大小写)、数字、

下划线集合/非...,所有空白字符集合/所有非空白字符集合。


 (5)使用元字符的好处：我们看一个例子，我们把表示0-9的数字范围的正则表达式意义列举出来：【0123456789】，

【0-9】，【\d】。哪一个比较简洁？肯定是最后一个了。但其实我们在想不出来元字符是什么意思的时候，用字符区

间来表示我们想表达的字符范围也是不错的选择，而且容易理解。用哪一种方法就看个人喜好了。

四：重复匹配


（1）类似[0-9][a-z]这样的字符集合虽然匹配的字符范围很广，但是匹配的字符次数是有限的。我们之前学的.元字符是

仅匹配一个任意字符，那么当我们需要匹配多个字符的时候，应该怎么办呢？+元字符很好的解决了这个问题，.+表示的

是1个以上的任意字符。其实正则表达式中有很多可以重复匹配的元字符，下面我一一列举。


（2）+元字符：这个元字符表示的意思是，它前面的集合可以出现一次以上的次数，比如[0-9]+可以匹配，99，9，999。

为了凸显+的作用，我们再看一个例子，比如正则表达式  a[0-9]+可以匹配哪一些字符集？ a9,a99,a999，a9.....都可以，

但是注意了，它不能匹配a字符，因为a后面必须出现一次以上的数字字符。


（3）*元字符：之前我们讲解了匹配一个以上字符的元字符，那么匹配0个以上字符的元字符存不存在呢？答案是肯定的。

我们来看一个例子a[0-9]*表示的0个以上的数字字符。即，a字符这个正则表达式也可以匹配成功。


（4）？元字符：比较有趣的是，我们还可以仅仅匹配0个或1个字符次数。比如a[\d]?可以匹配a,a0,a1...但是却不能匹配a00,

a09....a后面仅可以出现0或1次的数字。


（5）{}元字符：我们还可以为我们想要匹配的字符集合设定一个次数区间。我们来看一些例子：[\d]{3}表示的是，必须只能重

复出现3次的数字字符集合，比如333，123....[\d]{3，}表示的是重复出现3词以上的数字字符集合，但不可以低于3次。[\d]{3，6}

表示的是重复出现的数字字符次数必须介于3到6之间。