《精通正则表达式》读书笔记摘要: 第一章 入门(1)

几个概念及理解：

1、正则表达式是强大，便捷，高效的文本处理工具。
2、利用正则表达式能够添加、删除、分离、插入和修整各种类型的文本和数据。
3、要学会用正则表示达式来思考。
4、完整的正则表达式由两种字符构成：特殊字符（元字符），文字（普通文本字符）。
5、元字符的描述能力是正则表达式的核心。
6、元字符相当于人类语言的语法。

^(From|Subject): 其中 ^ , ( , | , ) 都是元字符。

正则表达式的思维框架

完整的正则表达式由小的的构建模块单元组成，每个单元都很简单，但他们能够以无穷多种组合。

1）行的起始和结束

^：行的开始
$：行的结束

他们匹配的是一个位置而不是具体的文本。

2）字符组

1、匹配若干字符之一：

正则表达式结构体：容许使用者列出在某处期望匹配的字符，通常被称作字符组。

[ea]:匹配e或者a

gr[ea]y:匹配时先找到g，接着是r，然后是一个a或者e，最后是一个y

重要：字符组的意思就是“或”，在字符组内部“-”（连字符）表示一个范围

如：H[1-6]等同于H[123456]

[0-9a-fA-F] 等同于 [0123456789abcdefABCDEF] 也等同于 [A-Fa-f0-9] 也等同于 [a-f0-9A-F] 也等同于 [a-fA-F0-9]，这叫多重组和。

[0-9A-Z_!.?] 匹配一个数字，大写字母，下划线，叹号，点号，问号

重要：只有在字符组内“-”（连字符）才是“元字符”，否则只能匹配普通的连字符，但并不意味着在字符组内一定就是元字符，如果出现在开头只表示普通连字符。问号（？）和点号(.)通常是元字符，但在字符组内他们都是普通字符了。

2、排除型字符组：

在字符组中出现^表示排除，列出的是不希望匹配的字符。
[^1-6] 匹配除1到6字外的任何字符，注意是任何字符！

重要：^在字符组外表是一个行的开始（锚点），在字符组内（且紧接在字符组的第一个方括号（[） 之后）表示排除。

匹配未列出的字符 不等于 不要匹配列出的字符

3、用点号匹配任意字符：

元字符（.）是用来匹配任意字符的字符组的简便写法。
03[-./]19[-./]76 匹配：03/19/76 ， 03-19-76 ， 03.19.76 ，192033197639 ，但可能192033197639不是我们期望的结果，这是就要在对目标的了解程度和精准之间找一个平衡。

3)多选结构

1）匹配任意子表达式
关键要理解子表达式中的“子”，子表达式用“|”分割开，表示“或”，每个子表达式称作“多选分支”。
括号()对于子表达式是必须的,本身就是元字符。
格式：(子表达式1|子表达式2|子表达式3| ...)
例子：(First|1st)==(Fir|1)st
Jeffrey|Jeffery == Jeff(er|re)y == Jeff(ery|rey)

注意：多选结构与字符组是有根本的区别的，字符组只能由普通单字符构成分支，而多选结构的分支是可以由任何完整的表达式构成的，可以匹配任意长度的文本。

重要提示：在包含多选结构的表达式中使用^和$要格外小心，比较：
^From|Subject|Date: 和 ^(From|Subject|Date):
两者匹配的结果完全不同，前者会匹配：^From或者Subject或者Date：显然不是我们要的结果，所以有必要使用括号来进行限定。

(待续)