正则表达式

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）

学习视频： https://www.bilibili.com/video/BV12b41147y5?p=1