浅析正则

正则表达式：又称规则表达式，英文名为Regular Expression，

               在代码中常简写为regex、regexp或RE

               正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本

通俗理解：正则表达式是用于进行文本匹配的工具

1. 简单的正则表达式

                例：him,history,high,hi 在这个字符串中匹配出hi

                正则表达式：hi

                若要精确的匹配出hi,正则表达式：\bhi\b

                \b是正则表达式规定的一个特殊代码,我们把它叫做元字符，单词的开头或结尾，也就是单词的分界处，它只匹配一个位置

1. 元字符：

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配数字或字母或下划线或汉字
\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

1. 字符转义'\':如果你想查找元字符本身的话，

比如你查找.,或者*,就出现了问题：你没法指定它们，

        因为它们会被解释成其它的意思。这时你就必须使用\来

        取消这些字符的特殊意义。因此，你应该使用\.和\*。

        当然，要查找\本身，你也得用\\.

1. 常用的限定符（重复）

代码	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到m次

1. 反义

代码/语法	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	匹配不是单词开头或结束的位置
[^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

1. 字符类

要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),应该怎么办？

很简单，你只需要在中括号里列出它们就行了，像[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)(英文语句通常只以这三个标点结束)。

我们也可以轻松地指定一个字符范围，像[0-9]代表的含意与\d就是完全一致的：一位数字，同理[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）。

1. 分组语法零宽断言

代码/语法	说明
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置

例子：<img οnlοad="AutoResizeImage(100,100,this)"src="/Document/Title/Temp/2019-12-114bc5.png" >

1. 匹配出：οnlοad="AutoResizeImage(100,100,this)"   

正则表达式onload.+(?=src)

1. 匹配出：2019-12-114bc5.png  

正则表达式：(?<=Document/Title/Temp/).+(?=\")

1. 贪婪与懒惰

贪婪：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符这被称为贪婪匹配。

        懒惰：有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。

                如果将前面给出的限定符转化为懒惰匹配模式，只要在它后面加上一个问号?

         懒惰限定符：

*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1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

1. 注释

小括号的另一种用途是能过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。

要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉

(?<=	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