正则表达式（初学者向）

摘要

本文是用于对正则表达式的初学者，帮助大家简单学习什么是正则表达式，并结合简单的例子来简单介绍正则表达式的规则。
注意本文只简单的介绍如何看懂正则表达式，并没有涉及在具体语言下的应用。

正文

1什么是正则表达式

1.1正则表达式定义

正则表达式是一种由符号和规则组成的形式语言。（形式语言是一种用简洁的、抽象的、形式化的数学公式来表达复杂语言语法的特殊语言，它只研究语言的组成规律，不涉及语义。）

1.2正则表达式用途

正则表达式就是字符串的模式匹配，常用于：

校验：检查一个字符串中是否包含指定模式的子字符串
替换：将匹配的子字符串替换为给定的新字符串
捕获：提取符合匹配模式的字符串
批量提取/替换有规律的字符串

应用场景主要有：
在各种高级的文本编辑器中的使用
在各类办公软件（Office等）中使用
各种开发语言中的使用（C#/Java/JS/Perl/PHP等等）
用户输入的合法性验证（IP地址，特殊的订单号要求等）
模板引擎的标签库开发
网络爬虫（抓取机器人）的开发
批量的文本高效处理

1.3正则表达式的表现形式

正则表达式是一个表达式，一个 表达式由若干个 pattern 组成
pattern 由符号组成，且遵循特定的规则：
Patten = 代词 + 量词 + 定位介词*
本质上，一个模式单元（pattern unit）要做的事情就是来回答： 谁 + 多少 个+ 在哪里

2正则表达式

2.1正则表达式初级篇

2.1.1 代词

代词，用来指代一个特定字符！一定要明白，代词限定了“一个”字符的范围！

常用的代词如下：

\d： 数字
\D： 非数字
\w： == [0-9a-zA-Z_] 0-9 a-z A-Z
\W： == [^0-9a-zA-Z_] 非单词字符
\s： 空格  tab 换行 中文全角空格
\S： 非空格
. 任意字符  数字也算不匹配\n
[0-9a-zA-Z_] : 字符集
[^xyz] :
[[:alpha:]] 任何字母
[[:digit:]] 任何数字
[[:alnum:]] 任何字母和数字
[[:space:]] 任何空白字符
[[:upper:]] 任何大写字母
[[:lower:]] 任何小写字母
[[:punct:]] 任何标点符号
[[:xdigit:]] 任何16进制的数字，相当于[0-9a-fA-F]

注意事项：

1. 除了常用的代词，我们还可以自己指定具体数字或者字母
   比如^c即代表以c开头的字母
2. （.*?）万能可以匹配所有
   常用于^c（.?）c$这种形式，来校验c开题c结尾中间是任何数目的任何字母比如cdasdac
3. 多个代词用（）包起来视为一个代词
   如^（cc