1. 概念:
使用单个字符串来描述、匹配一系列符合某个句法规则的字符串
2. 工具:
RegexBuddy:http://www.regexbuddy.com/
RegExBuilder:http://www.redfernplace.com/software-projects/regex-builder/
在线测试工具:http://too/.chinaz.com/regex/
3. 元字符
*(匹配任意个字符)、?(匹配单个字符)、\(转义)、分支条件: | (类似“或”)
元字符 | 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 |
反义:
元字符 | 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 | 匹配不是单词开始或结束的位置 |
[^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 |
4. 注释
启用”忽略模式里的空白符“选项
(?<= # 断言要匹配的文本的前缀
<(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
) # 前缀结束
.* # 匹配任意文本
(?= # 断言要匹配的文本的后缀
<\/\1> # 查找尖括号括起来的内容:前面是一个”/”,后面是先前捕获的标签
) # 后缀结束
5. 重复
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次到m次 |
6. 分组
将子表达式进行做成子集
使用()进行分组,方便对match的字符串进行划分
(\d{1,3}\.){3}\d{1,3}
分组的命名:
(?<groupname>exp)
(?:exp) # 匹配exp,不捕获匹配的文本,也不给此分组分配组号
7. 贪婪与懒惰
贪婪(尽可能多):
a.*b (aabab) -> aabab
懒惰(尽可能少):
匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复
a.*?b (aabab) -> aab
语法 | 说明 |
*? | 重复任意次,但尽可能少重复 |
+? | 重复一次或更多次,但尽可能少重复 |
?? | 重复零次或一次,但尽可能少重复 |
{n,m}? | 重复n到m次,但尽可能少重复 |
{n,}? | 重复n次以上,但尽可能少重复 |
8. 处理选项
语法 | 说明 |
IgnoreCase | 匹配时不区分大小写 |
Multiline | 更改^和$的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.) |
Singleline | 更改.的含义,使它与每一个字符匹配(包括换行符\n) |
IgnorePatternWhitespace | 忽略表达式中的非转义空白并启用由#标记的注释 |
ExplicitCapture | 仅捕获已被显式命名的组 |
9. 反向引用
要匹配 taobao taobao,home home这样的情况如果处理?
\b(\w+)\b\s+\1\b
\b(?<Word>\w+)\b\\s+\k<Word>\b # 这是命名后的另一种写法
10. 零宽断言
?=exp零宽度正预测先行断言,自身出现的位置的后面能匹配表达式exp
\b\w+(?=ing\b)
I'm singing while you're dancing.
?<=exp 零宽度正回顾后发断言,自身出现的位置的前面能匹配表达式exp
(?<=\bre)\w+\b
reading a book.
注:T/F exp不占位匹配
11. 负向零宽断言
查找这样的单词--它里面出现了字母q,但是q后面跟的不是字母u
\b\w*q[^u]\w*\b
上面的表达式有没有问题呢?使用零宽度负预测先行断言
\b\w*q(?!u)\w*\b # 并不消耗任何字符
\d{3}(?!\d) # 匹配三位数字,而且这三位数字的后面不能是数字
\b((?!abc)\w)+\b # 匹配不包含连续字符串abc的单词
那么同样的,还有零宽度负回顾后发断言
(?<![a-z])\d{7} # 匹配前面不是小写字母的七位数字
(?<=<(\w+)>).*(?=<\/\1>) # 不包前缀和后缀本身
eg: 挑字符串中单独的数字
12. 平衡组/递归匹配
如何把xx <aa <bbb> <bbb> aa> yy这样的字符串里,最长的配对的尖括号内的内容捕获出来?
(?'group') 把捕获的内容命名为group,并压入堆栈(Stack)
(?'-group') 从堆栈上弹出最后压入堆栈的名为group的捕获内容,如果堆栈本来为空,则本分组的匹配失败
(?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话,继续匹配yes部分的表达式,否则继续匹配no部分
(?!) 零宽负向先行断言,由于没有后缀表达式,试图匹配总是失败
13. 正则表达式学习应用
eg:整理哨兵数据地址以供IDM下载
i.搜索数据,直接拖动鼠标左键复制需要的影像数据信息(下图选择了四景)
ii.将复制内容拷贝到txt文件
iii.使用notepad++打开(以进行替换操作)
a.普通替换(搜索-替换)
可以将Offine、S1A SAR-C替换为空,后面还是需要借助正则。
b.正则表达式替换
0.原始数据
1.运行 ^O.*?URL: [懒惰匹配]
2.运行^M.*?SAR-C.*?SAR-C
3.删除空行 (notepad++自带功能:编辑-行操作-移除空行)