正则表达式学习

1 入门：元字符

表示	解释
1..	匹配除换行符以外的任意字符
2.\b元字符	代表单词的开头或结尾
3.\d元字符	代表任意数字
4.\w元字符	匹配字母、数字、下划线、汉字
6.^元字符	匹配字符串开始
7.$元字符	匹配字符串结束
8.{5,12}限制条件	重复5到12次
9.\ ,转义字符	用来使用元字符本身
10.[aeiou]	自定义元字符

举例：

1.查找hi后面不远处跟着一个Lucy \bhi\b.*\bLucy\b
2.精确查找’hi’ \bhi\b
3.搜索国内固定电话 0\d\d-\d\d\d\d\d\d\d\d
8.QQ只能输入5-12位数字 ^\d{5-12}$ 或者\b\d{5,12}\d
10.[aeiou]匹配所有元音字母，[0-9]==\d,[a-z0-9A-Z]==\w(只考虑英文)

---

入门：限定符(限定前面的内容)

限定符	意义
*	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此或更多
{n,m}	重复n到m次

• 例子1:Windows\d+ 匹配windows后跟1个或多个数字 ^\w+ 匹配字符串中的第一个词
  \(?0\d{2}[) -]?\d{8} 理解：(?表示匹配0或1此( 0表示匹配0 \d{2}表示两个数字 [)
  -]?表示）空格-中匹配到任意一个或者不匹配 \d{8} 表示8个数字
  –>这样做的结果：好的 (010)88886666，或022-22334455，或02912345678
  不好的 010)12345678或(022-87654321

---

分枝条件|

和or类似，符合条件的都列出来，相比于单一限定条件，这样反而精确了，

例子1： 0\d{2}-\d{8}|0\d{3}-\d{7} 012-12345678 相比于\(?0\d{2}[) -]?\d{8}，排除了上面几个不好的结果

例子2：\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8} 匹配到：(012)-12345678|012-12345678

***例子3：\d{5}-\d{4}|\d{5} 效果：12345-1234 匹配到12345
\d{5}-\d{5}-\d{4} 匹配12345-6789会是什么结果？12345

例子4：\d{5}-\d{4}|\d{5}匹配12345-6789结果？12345-6789
说明用|执行相互包含的条件时要把复杂条件写在前面，否则先匹配到简单的条件指针也不会自己再回头了，复杂的条件就匹配不到了

---

分组:()

小括号来指定表达式，类似于运算符中的效果，可以给限定条件指定前面的作用范围—

例3((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
分析：2[0-4]\d表示2+[1,2,3,4]+num 25[0-5]表示25+[0-5]两个是或的关系
[01]?\d\d?表示0或1取一位或不取+数字+数字取一位或不取 .表示接了一个. {3}表示前面括号中的内容重复三次后面括号里的内容和前面一样，只是ip地址中最后没有.了 所以这是匹配ip地址的正则表达式

---

反义：

符号	意义
\W	匹配非字母、数字、下划线、汉字的字符
\S	匹配非空白符的字符
\D	匹配非数字
\B	匹配非单词开头或结尾的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了元音以外的任意字符

\S+匹配不含空白符的字符串
<a[^>]+> 匹配尖括号括住的以a开头后面不是紧跟着>的字符串**

• 举例：<a[^>]+> 去匹配和ojvqo qwf> 的结果为和

---

后向引用：

子表达式的组号–(为标志(组2(组3(组4

• 举例：\b(\w+)\b\s+\1\b
  理解：\b(\w+)\b表示一个单词
  \s+表示一个或多个空白格
  **\1\b表示选定前面的第一个括号内容为条件进行限定，限定的内容是这个单词作为末尾

：也可以自定义组号：(?<Word>\w+)把W+的组名指定成word,\k可以反向引用分组捕获的内容

举例2 **\b(\w+)\b\s+\1\b也可以写成\b(?\w+)\b\s+\k\b

总结()小括号的用法：

(aaa)	匹配aaa并放入\1组中
(?aaa)	匹配aaa放入name组中，或(?'name’exp)—'是单引号不是反引号
(?:aaa)	匹配aaa，不捕获文本，也不分配组号
(?=aaa)	匹配aaa，前面的位置
(?<=aaa)	匹配aaa后面的位置
(?!aaa)	匹配非aaa的位置
(?<!aaa)	匹配前面不是aaa的位置
(?#comment)	无效果，相当于#注释

---

断言—断言为真时才匹配

零宽断言：

(?=exp)也叫零宽度正预测先行断言 ，匹配以ing结尾的单词的前面部分

• 举例：对12345-6789使用\b\w+(?=345)=12

(?<=exp)也叫零宽度正回顾后发断言，匹配以re开头的单词的后半部分

• 举例：对12345-6789使用(?<=\b123)\w+\b=45

  **?假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：((?<=\d)\d{3})+\b，用它对1234567890进行查找时结果是234567890。

  (?<=\s)\d+(?=\s)表示匹配两个空白格之间的字符串 (?<=\s)表示匹配空白后面，(?=\s)表示匹配空白前面

---

负向零宽断言：

前面的例子出现的问题：\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的单词(加入q在单词最后就会报错)

解决办法：\b\w*q(?!u)\w*\b负向零宽断言

一.(?!aaa)形式，用于表示后面不再匹配的表达式aaa–>

• 举例：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字

二.(?<!exp)断言此位置的前面不能匹配表达式exp

• 举例1：
  (?<![a-z])\d{7}匹配前面不是小写字母的七位数字

• ***举例2：(?<=<(\w+)>).*(?=<\/\1>)

  分析：(?<=<(\w+)>)代表\w+内容的前缀; .*代表任意内容; (?=</\1>)代表/+\w+的后缀; 所以连起来就是:这里就是要匹配的内容

---

注释：***(?#comment)

• 举例1：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)
  分析：215(#200-249)| 255(#250-255)| 1(#0-199)

***启用“忽略模式里的空白符”选项后，

`(?<=	# 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

---

贪婪与懒惰模式

>a.*b:效果aabab-->a.*b-->aabab贪婪模式尽量多

a.*?b:效果aabab-->a.*?b-->aabab懒惰模式尽量少

• *? 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

---

处理选项

• IgnoreCase(忽略大小写)

• Multiline(多行模式)

• Singleline(单行模式)

• IgnorePatternWhitespace(忽略空白)

• ExplicitCapture(显式捕获)

  注意：单行模式或多行模式没有任何关系，可以同时使用

---

递归匹配

xx <aa aa> yy中尖括号中的内容匹配出来

套路:

(?'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

思路：xx <aa aa> yy

<                     #最外层的左括号
[^<>]*                #最外层的左括号后面的不是括号的内容
(
    (
        (?'Open'<)    #碰到了左括号，在黑板上写一个"Open"
        [^<>]*        #匹配左括号后面的不是括号的内容
    )+
    (
        (?'-Open'>)   #碰到了右括号，擦掉一个"Open"
        [^<>]*        #匹配右括号后面不是括号的内容
    )+
)*
(?(Open)(?!))         #在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败
>                        #最外层的右括号


****匹配嵌套的<div>标签：<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.

---

其他：

• \t 制表符，Tab
• \r 回车
• \v 竖向制表符
• \f 换页符
• \n 换行符
• \A 字符串开头(类似^，但不受处理多行选项的影响)
• \Z 字符串结尾或行尾(不受处理多行选项的影响)
• \z 字符串结尾(类似$，但不受处理多行选项的影响)
• (?-exp) 平衡组
• (?im-nsx:exp) 在子表达式exp中改变处理选项
• (?im-nsx) 为表达式后面的部分改变处理选项
• (?(exp)yes|no) 把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
• (?(exp)yes) 同上，只是使用空表达式作为no
• (?(name)yes|no) 如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
• (?(name)yes) 同上，只是使用空表达式作为no

这只是我的学习笔记，原文在下面的链接，工具也是原文中的，讲解的特别好，让我终于入门了正则，在此表示感谢！

原文：http://deerchao.net/tutorials/regex/regex.htm

练习工具：http://deerchao.net/tools/regester/index.htm