正则表达式基础

今天看了一下正则表达式，早就看这东西不顺眼了，以前也是看过一些基础语法，可惜时间长了，也没有动手写过，都给忘了，好记性不如烂笔头，还是要做好笔记啊！

啥是正则表达式？

• 正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。
• 正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
  说白了，这玩意就是一个用来匹配字符串的工具，它十分灵活，用好了轻则提升工作效率，重则轻轻松松上王者。

从示例开始

最简单的正则表达式就是要匹配的字符本身，比如我要匹配man这个单词，就可以用man这个正则表达式。但是这样没啥意思，索然无味。下面看一个简单的正则表达式

hello\s\d+

它可以匹配hello 123,也可以匹配hello 153212,怎么样，是不是真香！

元字符

这个元字符不必纠结是啥，他就跟Java的关键字类似，规定的特殊意义的字符。元字符按照我自己的理解大概可以分为以下三类：

• 特殊字符：比如空格，制表符，回车，换行等。
• 限定字符：指定正则表达式的一个给定组件必须要出现多少次才能满足匹。
• 定位符：描述字符串或单词的边界。

特殊字符

特殊字符	意义	怎么记忆
\n	匹配一个换行符	new line
\f	匹配一个换页符	form feed
\r	匹配一个回车符	retrun
\s	匹配一个空格符	space
\d	匹配一个数字	digit
\w	匹配一个包括下划线在内的任意字符	word
\t	匹配一个制表符tab	tab
\v	匹配一个垂直制表符	vertical tab
[\b]	匹配一个回退符	backspace,使用[]符号是避免和\b重复
.	匹配除换行符 \n 之外的任何单字符	点生万物
[	标记一个中括号表达式的开始。	就是括号的意思，小括号已经被子表达式占了
\	常用于转义，当需要匹配的字符属于元字符时，就需要转义	转义
I	用于表示正则表达式的逻辑或	逻辑或

限定字符

字符	意义	怎么记忆
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。	宇宙洪荒,辰宿列张：宇宙伊始，从无到有，最后星宿布满星空
+	匹配前面的子表达式一次或多次。例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。	1+加一
?	匹配前面的子表达式零次或一次。例如，“do(es)?” 可以匹配 “do” 、 “does” 中的 “does” 、 “doxy” 中的 “do” 。? 等价于 {0,1}。	问号，有还是无？
{n}	n 是一个非负整数。匹配确定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。	可以想象成一个数轴，从一个点，到一个射线再到线段。n和m分别表示了左闭右闭区间的左界和右界
{n,}	n 是一个非负整数。至少匹配n 次。例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。

定位符

字符	意义	怎么记忆
\b	单词的开始或结尾	bianjie
\B	非单词的开始或结尾	大写表示造反
^	待匹配的字符串的开头	小荷才露尖尖角
$	待匹配的字符串的结尾	有点终结者的感觉

示例分析

看完了基础常用的元字符，让我们来搞一波分析，加深记忆

• 例一：匹配正整数

^[1-9]\d*$

^ 和 $ 分别代表匹配字符串的开头和结尾，这个没的说，[1-9]\d表示匹配数字1到9,*表示0次或任意次。

• 例二：电话号码，例如(010)88886666，或022-22334455

\(?0\d{2}[) -]?\d{8}

=(?0\d{2}= 先把左括号（转义，它能出现一次或零次，然后是一个0，在后面是两个数字。==[) -]?==表示零次或一次的 “)-”，后面是八个数字

高段位用法

分组（子表达式）

所有以(和)元字符所包含的正则表达式被分为一组，每一个分组都是一个子表达式，它也是构成高级正则表达式的基础。如果只是使用简单的(regex)匹配语法本质上和不分组是一样的，如果要发挥它强大的作用，往往要结合回溯引用的方式。

回溯引用

所谓回溯引用（backreference）指的是模式的后面部分引用前面已经匹配到的子字符串。你可以把它想象成是变量，回溯引用的语法像\1,\2,…,其中\1表示引用的第一个子表达式，\2表示引用的第二个子表达式，以此类推。而\0则表示整个表达式。一个很经典的例子：

查找文本中两个相同的相邻单词
 I am am  a happy coder coder
 可以用下面的正则表达式来匹配它
\b([a-z]+)\s\1\b

开头和结尾的 元字符限定的连续单词的开头和结尾，子表达式==(a-z+)==表示匹配一个或多个小写字母，\s表示一个空格符，\1 表示引用第一个子表达式，匹配的结果是 “ am am coder coder”

前向查找

前向查找(lookahead)是用来限制后缀的。凡是以(?=regex)包含的子表达式在匹配过程中都会用来限制前面的表达式的匹配。例如happy happily这两个单词，我想获得以happ开头的副词，那么就可以使用happ(?=ily)来匹配。如果我想过滤所有以happ开头的副词，那么也可以采用负前向查找的正则happ(?!ily)，就会匹配到happy单词的happ前缀。

后向查找

介绍完前向查找，接着我们再来介绍一下它的反向操作：后向查找(lookbehind)。后向查找(lookbehind)是通过指定一个子表达式，然后从符合这个子表达式的位置出发开始查找符合规则的字串。举个简单的例子： apple和people都包含ple这个后缀，那么如果我只想找到apple的ple，该怎么做呢？我们可以通过限制app这个前缀，就能唯一确定ple这个单词了。

/(?<=app)ple/

其中(?<=regex)的语法就是我们这里要介绍的后向查找。regex指代的子表达式会作为限制项进行匹配，匹配到这个子表达式后，就会继续向后查找。另外一种限制匹配是利用(?<!regex) 语法，这里称为负后向查找。与正前向查找不同的是，被指定的子表达式不能被匹配到。于是，在上面的例子中，如果想要查找apple的ple也可以这么写成
/(?<!peo)ple。

部分内容参考：https://juejin.im/post/5cdcd42551882568651554e6