快速学会正则表达式

正则表达式

元字符

元字符	说明
.	匹配出换行符以外的任意字符
\w	匹配字母、数字、下划线
\s	匹配任意的空白字符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

反义元字符

语法	说明
\W	匹配不是字母、数字、下划线
\S	匹配人意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配出了aeiou以外的任意字符

匹配 . 、? 等转义字符时

\. 匹配.

? 匹配?

正则表达式注释

需要忽略模式中的空白符

通过#xxx 完成注释，也可以换行更好的查看每一小节的作用

正则表达式重复

语法	说明
*	重复零次或更多次
+	重复一次或更多次
？	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

字符类

[0-9] \d

[a-z0-9A-Z_] \w

[&?.] 标点符号

\(?0\d{2}[)-]?\d{8}) (02155555555、 012-12345678、 (012)12345676

分组

• 将子表达式进行做成子集

• 使用()进分组

• 方便对match的字符串进行划分

• exp = (\d{1,3}\.){3}\d{1,3} 120.169.168.125

• 分组命名:(?exp)

• (?:exp) 匹配exp，不捕获匹配的文本，也不给次分组分配组号

  匹配bilibili视频标题:

  <div\s+class=“info”.*?<div\s+class=“headline clearfix”>.*?<span\s+class=“type\s+hide”>(?:.*?).?<a.?>(?.*?)

贪婪与懒惰

• 贪婪 a.*b
• 懒惰 a.*?b

语法	说明
*?	重复任意次，尽可能少重复
+?	重复1次或更多次，尽可能少重复
??	重复0次或一次，尽可能少重复
{n,m}?	重复n到m次，尽可能少重复
{n,}?	重复n次以上，尽可能少重复

处理选项

语法	说明
IgnoreCase	匹配时不区分大小写
Multiline	更改^和$的含义，使他们分别在任意一行的 行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配
Singleline	更改.的含义，时他与每一个字符匹配(包括换行符\n)
IngorePatternWhitespace	忽略表达式中的非转义空白并启用有#标记的注释
ExplicitCapture	仅捕获已被显式命名的组

后向引用

匹配taobao taobao，home home这样的情况

• \b(\w+)\b\s+\1\b
• \b(?\w+)\b\s+\k\b

零宽断言

• ?=exp 零宽度正预测先行断言，自身出现的未知的后面能匹配表达式exp

  \b\w+(?=ing\b)

  I’m singing while you’re dancing.

• ?<=exp 零宽度正回顾后发断言，自身出现的位置的前面能匹配表达式exp

  (?<=\bre)\w+\b

  reading a book

负向零宽断言

查找这样的单词–他后面出现了字母t，但是t后面跟的不是字母u

\b\w*t[^u]\w*\b 不支持 request

需要使用零宽断言负预测先行断言

\b\w*t(?!u)\w*\b

平衡组/递归匹配(C#支持，Java8不支持)

1. 如何把xx <aa aa> yy这样的字符串里最长的配对尖括号内的内容捕获出来
2. (?‘group’)把捕获的内容命名为group，并压入堆栈(stack)
3. (?’-group’)从堆栈上弹出最后压入堆栈的名字为group的捕获内容，若果堆栈本来为空，则本组的匹配失败
4. (?(group)yes|no)如果堆栈上存在以名为group的捕获内容，继续匹配yes部分的表达式，否则匹配no部分
5. (?!)零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败

<#最左外层的左括号
    [^<>]*                #最外层的左括号后面的不是括号的内容
    (
        (
            (?'Open'<)    #碰到了左括号，在黑板上写一个"Open"
        |
            (?'-Open'>)   #碰到了右括号，擦掉一个“Open“
        |
            [^<>]*        #匹配右括号后面不是括号的内容
        )+
    )*
    (?(Open)(?!))         #在遇到最外层的右括号前面，判断黑板上还有没有没有擦掉的“Open”:若果还有，匹配失败
>                         #最外层的右括号