正则表达式

目录

1、基本正则表达式和扩展正则表达式

2、定位符

3、限定符

4、分支条件

5、常用字符

6、非打印字符

  7、POSIX字符

8、分组

9、特殊字符

 10、运算符优先级

11、贪婪匹配与懒惰匹配

12、修饰符(标记)

---

1、基本正则表达式和扩展正则表达式

世界上的正则表达式种类繁多且复杂，面对这样的状况，POSIX 将正则表达式进行了标准化，并把实现方法分为了两大类：

1) 基本正则表达式(BRE)

2) 扩展正则表达式(ERE)

两者的区别，更多的是元字符的区别。在基本正则表达式（BRE）中，只承认“^”、“$”、“.”、“[”、“]”、“*”这些是元字符，所有其他的字符都被识别为普通字符。而在扩展正则表达式（ERE）中，则在BRE的基础上增加了“（”、“）”、“{”、“}”、“？”和“+”、“|”等元字符。

2、定位符

^	1、匹配输入字符串开始的位置。 2、锚定行的开始(多行的情况)
$	1、匹配输入字符串结尾的位置。 2、锚定行的结束(多行的情况)
\b	单词锁定符,匹配单词的开始或结束。 如果它位于要匹配的字符串的开始，它在单词的开始处查找匹配项。 如果它位于字符串的结尾，它在单词的结尾处查找匹配项。 如果它位于要匹配的字符串的开始和结尾，则表示全词匹配。
\B	匹配不是单词开头或结束的位置

3、限定符

*	匹配零个或多个先前字符。代表前面的字符可以不出现，也可以出现一次或者多次。
+	匹配一次或多次。代表前面的字符必须至少出现一次。
？	重复零次或一次。代表前面的字符最多只可以出现一次。
{n}	重复之前字符m次。如：'o{5}'匹配包含5个o的行。
{n,}	重复之前字符至少m次，如：'o{5,}'匹配至少有5个o的行。   注： {0,}与特殊字符 * 是相等。 {1,} 与字符 + 是相等。
{n,m}	重复之前字符至少m次，不多于n次，如：'o{5,10}'匹配5--10个o的行。 注:在逗号和两个数之间不能有空格。

4、分支条件

|	分支条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配。

注：使用分枝条件时，要注意各个条件的顺序。匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

5、常用字符

.	匹配一个非换行符的字符，相等于 [^\n\r]。
[]	匹配中括号的任意内容。如[AB]表示字符A或B。
[^]	匹配一个不在指定范围内的字符。如[^A]表示除A以外的字符。
[ - ]	在[]括号内表示字符范围。如[0-9]表示范围0-9。
\(num\)	暂存括号中所匹配到的内容,通过编号来依次对应，如 \1、\2、\3 等
\<	锚定单词的开始，如:'\<grep'匹配包含以grep开头的单词的行。
\>	锚定单词的结束，如'grep\>'匹配包含以grep结尾的单词的行。
\d	匹配一个数字字符
\D	匹配任意非数字的字符
\s	匹配任意的空白符。包括空格，制表符(Tab)，换行符，中文全角空格等。等价于 [ \f\n\r\t\v]。
\S	匹配任意不是空白符的字符。等价于 [^ \f\n\r\t\v]。
\w	匹配任意字母，数字，下划线，汉字的字符。只考虑英文的话，等价于([A-Za-z0-9_])。
\W	匹配任意不是字母，数字，下划线，汉字的字符。

6、非打印字符

\cx	匹配由x指明的ASCII控制字符。例如，\cC代表Ctrl+C。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\0nn	ASCII代码中八进制代码为nn的字符
\xn	ASCII代码中十六进制代码为n的字符，例如， '\x41' 匹配 "A"。
\unnnn	Unicode代码中十六进制代码为nnnn的字符
\a	响铃字符
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\e	Escape

  7、POSIX字符

[:alnum:]	字母与数字字符
[:alpha:]	字母字符
[:digit:]	数字字符
[:graph:]	非空字符（非空格、控制字符）
[:lower:]	小写字符
[:cntrl:]	控制字符
[:print:]	可打印字符
[:punct:]	标点符号
[:space:]	空白字符
[:upper:]	大写字符
[:xdigit:]	十六进制数字

8、分组

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	零宽度正预测先行断言。匹配exp前面的位置(断言自身出现的位置的后面能匹配表达式exp)
	(?<=exp)	零宽度正回顾后发断言。匹配exp后面的位置(断言自身出现的位置的前面能匹配表达式exp)
	(?!exp)	零宽度负预测先行断言。匹配后面跟的不是exp的位置(断言此位置的后面不能匹配表达式exp)
	(?<!exp)	零宽度正回顾后发断言。匹配前面不是exp的位置(断言此位置的前面不能匹配表达式exp)
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

注：零宽断言常用于判断一个字符串中不包含某个子串（由字符序列构成）

9、特殊字符

若要匹配特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在其前。

$	要匹配 $ 字符本身，使用 \$。
(	要匹配 ( 字符本身，请使用 \(。
)	要匹配 ) 字符本身，请使用 \)。
*	要匹配 * 字符本身，请使用 \*。
+	要匹配 + 字符本身，请使用 \+。
.	要匹配 .字符本身 ，请使用 \. 。
[	要匹配 [字符本身，请使用 \[。
]	要匹配 ]字符本身，请使用 \]。
?	要匹配 ? 字符本身，请使用 \?。
\	要匹配\字符本身，请使用 \\。
^	要匹配 ^ 字符本身，请使用 \^。
{	要匹配 {字符本身，请使用 \{。
|	要匹配 |字符本身，请使用 \|。

 10、运算符优先级

运算符	描述
\	转义符
(), []	圆括号和方括号
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, \任何元字符、任何字符	定位点和序列（即：位置和顺序）
|	优先级最低。 "m|food"匹配"m"或"food"。若要匹配"mood"或"food"，应使用"(m|f)ood"。

11、贪婪匹配与懒惰匹配

贪婪匹配尽可能多的字符(默认)；懒惰匹配匹配尽可能少的字符。

* 和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。

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

12、修饰符(标记)

标记也称为修饰符，正则表达式的标记用于指定额外的匹配策略。标记不写在正则表达式里，标记位于表达式之外，格式如下：

/pattern/flags

修饰符	描述
i	将匹配设置为不区分大小写。
g	全局匹配，查找所有的匹配项。
m	多行匹配，使边界字符 ^ 和 $ 匹配每一行的开头和结尾，多行而不是整个字符串的开头和结尾。
s	特殊字符圆点 . 中包含换行符 \n。默认情况下的圆点 . 是 匹配除换行符 \n 之外的任何字符，加上 s 修饰符之后, . 中包含换行符 \n。