1.元字符
正则表达式主要依赖于元字符。元字符并不代表他们本身的字面意思,他们都有特殊的含义。一些元字符写在方括号的时候有一些特殊的意思。以下是一些元字符的介绍:
1.1 点运算符 .
例如,表达式.ar匹配一个任意字符后面跟着是a和r的字符串。
".ar"=>The car parked in the garage.
1.2 字符集 [ ]
在方括号中使用连字符来指定字符集的范围。在方括号中的字符集不关心顺序。例如,表达式[Tt]he匹配the和The。
"[Tt]he"=>The car parked in the garage.
方括号的句号就表示句号。表达式ar[.]匹配ar.字符串。
"ar[.]"=>A garage is a good place to park a car.
1.3 否定字符集 [^ ]
一般来说^表示一个字符串的开头,但它用在一个方括号的时候,它标识这个字符集是否定的。例如,表达式[^c]ar匹配一个后面跟着ar的除了c的任意字符。
"[^c]ar"=>The car parked in the garage.
1.4 重复次数
后面跟着元字符+,* or ? 的,用来指定匹配子模式的次数。这些元字符在不同的情况下有着不同的意思。
1.4.1 * 号
*号匹配在*之前的字符出现大于等于0次。例如,a*匹配以0或更多个a开头的字符,因为有0个这个条件,其实也就匹配了所有的字符。表达式[a-z]*匹配一行中所有以小写字母开头的字符串。
"[a-z]*"=>The car parked in the garage #21.
*字符和.字符搭配(.*)可以匹配所有的字符。*和表示匹配空格的符号\s连起来用,如表达式\s*cat\s*匹配0或和更多个空格开头和0个或更多个空格结尾的cat字符串。
"\s*cat\s*"=>The fat cat sat on the concatenation.
1.4.2 + 号
+号匹配+号之前的字符出现>=1次。例如表达式c.+t匹配以首字母c开头以t结尾,中间跟着任意个字符的字符串。
"c.+t"=>The fat cat sat on the mat.
1.4.3 ? 号
在正则表达式中元字符?标记在符号前面的字符为可选,即出现0或1次。例如,表达式[T]?he匹配字符串he和The。
"[T]he">=The car is parked in the garage.
"[T]?he">=The car is parked in the garage.
1.5 {}号
在正则表达式中{}是一个量词,常用来一个或一组字符可以重复出现的次数。例如,表达式[0-9]{2,3}匹配最少2位最多3位的0~9的数字。
"[0-9]{2,3}"=>The number was 9.9997 but we rounded it off to 10.0.
我们可以省略第二个参数。例如,[0-9]{2,}匹配至少两位0~9的数字。
"[0-9]{2,}"=>The number was 9.9997 but we rounded it off to 10.0.
如果逗号也省略掉则表示重复固定的次数。例如,[0-9]{3}匹配3位数字。
"[0-9]{3}"=>The number was 9.9997 but we rounded it off 10.0.
1.6 (...)特征标群
特征标群是一组写在(...)中的子模式。例如之前说的{}是用来表示前面一个字符出现指定次数。但如果在{}前加入特征标群则表示整个标群内的字符重复N次。例如表达式(ab)*匹配连续出现0或更多个ab.
我们还可以在()中用或字符|表示或。例如,(c|p|g)ar匹配car或gar或par.
"(c|g|p)ar"=>The car is parked in the garage.
1.7 | 或运算符
例如,(T|t)he|car匹配(T|t)he或car。
"(T|t)he|car"=>The car is parked in the garage.
1.8 转码特殊字符 \
例如,. 是用来匹配出换行符以外的所有字符的。如果想要匹配句子中的 . ,则要写成\. 。以下这个例子\.?是选择性匹配 . 。
"(f|c|m)at\.?"=>The fat cat sat on the mat.
1.9 锚点
在正则表达式中,想要匹配指定开头或结尾的字符串就要使用到锚点。^指定开头,$指定结尾。
1.9.1 ^ 号
^用来检查匹配的字符串是否在所匹配字符串的开头。
例如,在abc中使用表达式^a会得到结果a。但如果使用^b将匹配不到任何结果。因为在字符串abc中并不是以b开头。
例如,(^T|t)he匹配以The或the开头的字符串。
"(T|t)he"=>The car is parked in the garage.
"^(T|t)he"=>The car is parked in the garage.
1.9.2 $号
同理于^号,$号用来匹配字符是否是最后一个。
"(at\.)"=>The fat cat. sat. on the mat.
"(at\.)$"=>The fat cat. sat. on the mat.
2 简写字符集
正则表达式提供了一些常用的字符集简写,如下:
3 零宽度断言(前后预查)
先行断言和后发断言都属于非捕获簇(不捕获文本,也不针对组合进行计数)。先行断言用于判断所匹配的格式是否在另一个确定的格式之前,匹配结果不包含该确定格式(仅作为约束)。
例如,我们想要获得所有跟在$符号后的数字,我们可以使用正后发断言(?<=\$)[0-9\.]*。这个表达式匹配$开头,之后跟着0,1,2,3,4,5,6,7,8,9,.这些字符可以出现大于等于0次。
零宽度断言如下:
3.1 ?=... 正先行断言
?=...正先行断言,表示第一部分表达式之后必须跟着?=...定义的表达式。
返回结果只包含满足条件的第一部分的表达式,定义一个正先行断言要使用()。在括号内部使用一个问号和等号:(?=...)。
正先行断言的内容写在括号中的等号后面。例如,表达式(T|t)he(?=\sfat)匹配The和the,在括号中我们又定义了正先行断言(?=\sfat),即The和the后面紧跟着(空格)fat。
"(T|t)he(?=\sfat)"=>The fat cat sat on the mat.
3.2 ?!...负先行断言
负先行断言?!用于筛选所有匹配结果,筛选条件为其后不跟随着断言中定义的格式。正先行断言和负先行断言一样,区别就是=替换成!,也就是是(?!...)。
表达式(T|t)he(?!\sfat)匹配The和the,且其后不跟着(空格)fat。
"(T|t)he(?\sfat)"=>The fat cat sat on the mat.
3.3 ?<=...正后发断言
正后发断言记作(?<=...)用于筛选所有匹配结果,筛选条件为其前跟随者断言中定义的格式。例如,表达式(?<=(T|t)he\s)(fat|mat)匹配fat和mat,且其前跟着The或the。
"(?<=(T|t)he\s)(fat|mat)"=>The fat cat sat on the mat.
3.4 ?<!...负后发断言
负后发断言记作(?<!...)用于筛选所有匹配结果,筛选条件为其前不跟随断言中定义的格式。例如,表达式(?<!(T|t)he\s)(cat)匹配cat,且其前不跟着The或the。
"(?<!(T|t)he\s)(cat)"=>The cat sat on cat.
4 标志
标志也叫模式修正符,因为它可以用来修改表达式的搜索结果。这些标志可以任意的组合使用,它也是整个正则表达式的一部分。
4.1忽略大小写
修饰语i用于忽略大小写。例如,表达式/The/gi表示在全局搜索The,在后面的i将其条件修改为忽略大小写,则变成搜索the和The,g表示全局搜索。
"The"=>The fat cat sat on the mat.
"/The/gi"=>The fat cat sat on the mat.
4.2 全局搜索
修饰符g常用于执行一个全局搜索匹配,即(不仅仅返回第一个匹配的,而是返回全部)。例如,表达式/.(at)/g表示搜索任意字符(除了换行)+at,并返回全部结果。
"/.(at)/"=>The fat cat sat on the mat.
"/.(at)/g"=>The fat cat sat on the mat.
4.3 多行修饰符
多行修饰符m常用于执行一个多行匹配。
像之前介绍的(^,$)用于检查格式是否是在待检测字符串的开头或结尾。但是如果我们想要它在每行的开头和结尾生效,我们需要用到多行修饰符m。
"/.at(.)?$/"=>The fat
cat sat
on the mat.
"/.at(.)?$/gm"=>The fat
cat sat
on the mat.
5 贪婪匹配与惰性匹配
正则表达式默认采用贪婪匹配模式,在该模式下意味着会匹配尽可能长的字串。我们可以使用?将贪婪匹配模式转化为惰性匹配模式。
"(.*at)"=>The fat cat sat on the mat.
"(.*?at)=>"The fat cat sat on the mat.