初探正则

什么是正则表达式

   首先   正则表达式   是一个字符串
   这是一个什么字符串呢？  一个描述 特定字符串 的  字符串

先来上两个正则

兼容老旧的15位身份证 和现代18位身份证的正则：
单纯的正则：

        ^\d{15}(?:\d{3}|\d{2}[xX])?$

java版：

中国人名字的匹配，可以匹配新疆人名带点得名字的正则：
单纯的正则：

        ^[\u4e00-\u9fa5]+(?:[.·．•][\u4e00-\u9fa5]+)*$

java版：


这里出来两个长得很像的表达式是相同的效果，文章的结尾会说明为什么会这样。

1. 正则的组成

元字符

  表达式本身的保留字符   好比java中得保留字if
  如[] + * \ ?

字符组

字符组 是表示一个字符。
仔细阅读下上一行没有看错 ，一个组表示一个字符，组中的内容只是为了描述这个字符的所有可能性。
如：[as0-9]  ,这就表示一个字符 ，这个字符可以是a   s   0 1 2 3 4 5 6 7 8 9 中得任意一个。 

字符组的特殊用法

   [-0-9]    - 在字符组中有 A to B 表示范围的意思  放在首位就只是普通的 -  

   [^0-9]   ^在字符组的最开始  表示 非！   
   阅读时只需要假装看不见^，看后面的内容，最后
   的意思就是除去后面的内容，为这个字符的可能的所有情况。

   [*.?+]  大部分原字符被丢进字符组后 就不在是保留字了
    他是什么就是什么，相当于转义。很明显正则使用的时候  
    使用正则字符串作为规则，去匹配目标字符串，如果目标字符串
    中含有正则中得元字符，我们就必须转义。（   \+  ,这样也
    是可以让元字符丧失保留字意义）

普通字符

除了元字符以外的字符，当然有时候 一个字符是不是元字符，取决于他在字符组里还是字符组外面。

2. 量词

ba{6，8}
表示b字符后面有紧跟6~8个a，量词{6，8}是修饰紧贴在他前面的a
如果你要修饰ba  就要写成（ba）{6，8}

？相当于 {0，1}  出现0次或1次

+相当于 {1，}  出现1次到任意多次（逗号后面啥不写表无穷）

*相当于{0，}  出现0次到任意多次

{9}相当于{9，9}

3. 元字符的意思 以及 几个转义

| 或

{}是用来包住量词的

[]是用来表示字符组的

？+*请看量词的意思

.表示任意字符（当然只有他是元字符的时候是这样，因为[.]时他就只是个.）

\s表示空白符（有哪些请百度）

\d表示0~9（digital）

\w表示0~9和a~z和A~Z（word）

\S表示除了\s以外的字符可能

\D和\W同理（如果同理不出，请关闭此页）

^表示行首，[^chun]字符组中放在首位 表示非

$在单行模式下表示行尾

4. 关于贪婪

正则表达式：".*"

目标串："why"amI"stupid"

匹配结果 "why"amI"stupid"



正则表达式："[^"]"

目标串："why"amI"stupid"

匹配结果 "why"   和   "stupid"

第一个表达式为什么会匹配整个目标串呢，因为正则是一个贪婪的孩子，他会继续向后尝试，能匹配越长越好。

正则表达式：（holy）{1，2}

目标串：holyholyholy

匹配结果 holyholy     holy

使正则变的不贪婪的一种方式，在量词后紧紧贴着？ 使以下正则在匹配到1后就不会去尝试2

正则表达式：（holy）{1，2}？

目标串：holyholyholy

匹配结果 holy    holy     holy
上面是匹配了三段

结尾

中国人名字的匹配，可以匹配新疆人名带点得名字的正则：

       ^[\\u4e00-\\u9fa5]+(?:[.·．•][\\u4e00-\\u9fa5]+)*$

java版：

java版的两个正则为什么长得不一样效果却相同

首先要明白在java的字符串中\是一个保留字符 他是用来做转义的。
“\ \”在java中其实就是 打出一个\

java的字符串 刚巧提供了\uXXXX 的转义unicode的功能

更巧的是 正则表达式也提供了\uXXXX转义unicode的功能

所以
第一个图片的正则是 java字符串对unicode进行了转义
第二个图片的正则只是用了java“\ \“的这个转义 把\uXXXX交给了正则表达式

大约写到这里能记录下初探的目的了，关于正则的环视，和正则NFA实现以及它的效率，以后有时间还会记录一下 。