[转载]来仔细看看正则表达式

来仔细看看正则表达式

转载

正则库使用很多，包括Python Java C++11等主流语言都提供了丰富的正则表达式库。下面全面系统的介绍一下正则表达式库。在Shell中通常使用的通配符(wildcard)，功能比正则表达式还是要弱很多的。

入门：

在文件中查找字符串”hell”。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，因此可能命中的内容有“Hello” “HELL” “helL” “hElL”。通常可能多个文字会命中正则表达式，比如”hello” “Shell”，如果想精确找到单词hell，应该使用\bhell\b。\b在这里被称为元字符，代表单词的分解处。\b不匹配任何字符，它只匹配一个位置。

如果你想在Hell不远处找到paradise，那么你可以这样写正则式\bhell\b.*\bparadise\b，这里.和*都是元字符，.匹配除了换行符以外的任意字符，*指定前边的内容可以连续重复。

\d匹配一位数字,\d{8}表示匹配数字8次，{}中的数字表示前面重复的次数。可以使用括号()将部分正则式包裹起来，视为一个操作单位，(\d\d){3}将会匹配6个数字。

\s匹配任意的空白符，包括

代码	说明
.	匹配除换行符以外的任意字符
*\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\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

空格，制表符(Tab)，换行符，中文全角空格等。\w匹配字母或数字或下划线或汉字等。\d+匹配1个或更多连续的数字，注意+匹配重复1次或更多次。

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}$。

字符转义：当你需要匹配元字符本身，需要使用反斜杠转义\(或\*

代码/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

字符范围：想匹配英文元音字母？[aeiou]，注意这个中括号[]里面的元字符是不需要转义的，所以[?.*]会匹配什么？

分支条件：不同的逻辑case匹配使用|连接起来，但是使用分支是，需要注意各个条件的顺序，特别是当case1是case2的一部分时。

还是入门的那个例子：hello|hell会匹配到hello，如果没有匹配hello那么hell到就会匹配到。但是hell|hello永远只会匹配到hello。

分组：关于括号的使用。典型问题，手写匹配IP地址的正则表达式：

不允许前置0的存在（09.09.09.01非法），25[0-5]|2[0-4]\d|1\d{2}|[1-9]\d|\d

只允许一个前置0的存在（09.09.09.01 OK，100.100.001.254 非法），25[0-5]|2[0-4]\d|[01][1-9]\d|\d[1-9]|\d

反义：

代码/语法	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任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]	匹配除了aeiou这几个字母以外的任意字符

后向引用：使用括号分组后，这个字表达式的文本（注意是已匹配的文本，而不是正则表达式）。

\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。

正则表达式(\bc(\w+)\bc)中\1\2匹配的是？

你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>\w+)(或者把尖括号换成’也行：(?'Word'\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k<Word>,所以上一个例子也可以写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b。

分组与捕获

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
(?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)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?	匹配前面不是exp的位置
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

零宽断言：

接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。最好还是拿例子来说明吧：

断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。

(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I’m singing while you’re dancing.时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：((?<=\d)\d{3})+\b，用它对1234567890进行查找时结果是234567890。

下面这个例子同时使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。

负向零宽断言

注释