正则表达式入门

正则表达式到底是个什么东西？

在编写处理字符串的程序或者网页时，经常会有查找符合某写复杂规则的字符串的需要。
正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。
比如你在windows下想要查找某个目录下的所有word文档，你会搜索.doc， 在这里 会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串(像010-12345678或0376-7654321)。

入门

假设你在一篇英文小说里查找hi，你可以使用正则表达式hi。
这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h,后一个是i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配hi,HI,Hi,hI这四种情况中的任意一种。
不幸的是，很多单词里包含hi这两个连续的字符，比如him,history,high等等。用hi来查找的话，这里边的hi也会被找出来。如果要精确地查找hi这个单词的话，我们应该使用\bhi\b。

\b

\b是正则表达式规定的一个特殊代码（又叫做元字符），代表着单词的开头或者结尾（分界处）。
虽然通常英文的单词是由空格、标点符号或者换行来分隔的，但是、b并不匹配这些单词分隔符中的任何一个，它只匹配一个位置。

. 和 *

假如你要找的是hi后边不远处跟着的一个lucy，你应该使用\bhi\b.*\blucy\b
. 是另一个元字符，匹配除了换行符以外的任意字符。
* 同样是元字符，不过他代表的不是字符也不是位置，而是数量——它指定*前边的内容可以连续重复使用任意次数来匹配整个表达式。
.* 这俩连在一起就表示任意数量的不包含换行的字符
\bhi\b.*\blucy\b 的意思是：
先是一个独立的单词hi，然后是任意个任意字符（但是不能是换行），最后是lucy这个独立单词

\d

0\d\d-\d\d\d\d\d\d\d\d 匹配这样的字符串：以0开头，然后是两个数字，然后是一个连字号”-“，最后是8个数字（也就是中国的电话号码，只能匹配区号3位情形）
\d是用来匹配一位数字（0、1、2等）
为了避免这么多烦人的重复，可以这样写表达式：0\d{2}-\d{8}
这里\d后边的{2}{8}的意思是前面\d必须连续重复陪陪2次/8次

\w

匹配字母或者数字或者下划线或者汉字等
\ba\w*\b：以a开头，后面接任意数量的字母数字，然后结束
\d+：匹配一个或者更多连续的数字
\b\w{6}\b：匹配6个字符的单词

\s

匹配任意的空白符

^

匹配字符串的开始

$

匹配字符串的结束

元字符^（和数字6在同一个键位上的符号）和 $ 都匹配一个位置，
这和 \b 有点类似。^匹配你要用来查找的字符串的开头，$ 匹配结尾。
这两个代码在验证输入的内容时非常有用，
比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$。
如果不使用^和$的话，对于\d{5，12}而言这样的方法就只能保证字符串中包含5-12位有效数字，而不是整个字符串就是5-12位数字

字符转义

如果你想查找元字符本身，比如查找.或者*就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。
这时候你就得使用\来取消这些字符的特殊意义。
.和* ，当然要查找\本身，你也得使用\

如何重复?

之前的重复* + {2} {5,12}，下边是正则表达式中所有的限定符

* 重复0次或者更多次
+ 重复1次或者更多次
? 重复0次或者1次
{n}重复n次
{n,}重复n次或者更多次
{n,m}重复n次到m次