正则表达式（上）——定义正则表达式

本篇章介绍正则表达式，分为上定义正则表达式（上）、字符串中的正则API和RegExp对象（下）两部分

正则表达式(Regular Expression)：专门描述字符串中字符出现规则的表达式。

因为程序不认识人类语言中的词汇，所以才需要程序员用正则表达式教程序认识人类语言中的词汇。

1.定义正则表达式

1.1 普通字符

• 直接通过完整字符进行匹配。

比如：

正则表达式为：西南大学；
匹配字符串为：西南大学。

1.2 字符集

（1）普通字符集

• 当在规则中需要某一字符拥有多种备选字时，可以使用字符集形式进行匹配。匹配时，只要与”[]”中的任意字符相匹配，就满足规则。

• 语法
  ：[备选字符集]

• 比如：

    正则表达式为：[西南][大学]；
    匹配字符串为：西大、西学、南大、南学。
  

（2）字符集简写形式

• 由于正则表达式经常使用字符集，所以可以使用字符集简写形式方便使用：
  ①[0-9]：匹配0-9中的一位数字；
  ②[a-z]：匹配a-z中的一位小写字母；
  ③[A-Z]：匹配A-Z中的一位大写字母；
  ④[A-Za-z]：匹配一位字母；
  ⑤[0-9A-Za-z]：匹配一位数字或者字母；
  ⑥[\u4e00-\u9fa5]：匹配一位汉字。

• 比如：
  利用字符集简写形式定义车牌号规则：

    [\u4e00-\u9fa5][A-Z]·[0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z]
  

（3）预定义字符集

• 正则表达式语法为四种常用的字符集定义了最简化的写法，称为预定义字符集。
  ①\d：匹配一位数字；
  ②\w：匹配一位字符、数字或_，等效于[0-9A-Za-z_]；
  ③\s：匹配一位空字符，可以匹配空格、制表符Tab等空白；
  ④.：匹配所有文字（通配符）。

• 比如：

    利用预定义字符集简写手机号规则：
    1[3-8]\d\d\d\d\d\d\d\d\d
  

1.3 数量词

（1）普通数量词

数量词是专门规定一个字符集出现次数的规则。只要一个字符集在规则中可能连续反复出现多次，就可以用数量词以简写方式定义出现次数。
数量词紧跟在其修饰的字符集之后，默认修饰相邻的前一个字符集。

• 比如：

    手机号中连续的9个数字\d，可进一步简写为：
    1 [3-8] \d{9}
    利用数量词进一步简写手机号规则：
    1[3-8]\d{9}
    利用数量词进一步简写车牌号规则：
    [\u4e00-\u9fa5][A-Z]·[0-9A-Z]{5}
  

（2）有明确数量边界的数量词

• 字符集{n}： 表示字符集必须重复n次，不能多也不能少；
  字符集{n,m}： 表示字符集至少重复n次，最多重复m次；
  字符集{n,}： 表示字符集匹配的内容至少重复n次，多了不限。

（3）有明确数量边界的数量词

	*  可有可无，多了不限；
	?  可有可无，最多一次；
	+  至少一次，多了不限。

1.4 选择和分组

（1） 选择

• 选择，是指在多个子规则中选其一匹配。当需要在多个子规则中选其一匹配时，就可以使用选择。

• 语法：
  子规则1|子规则2
  注意：“|”选择符只分左右，不考虑单个字符。

• 比如：

    正则表达式为：西南|大学；
    匹配字符串：西南、大学。
  

（2） 分组

• 分组，将多个子规则视为一组，再和分组外的规则匹配。当希望将多个子规则视为一个整体，再和其它规则匹配时，就可以使用分组。

• 语法：
  其它规则 (多个子规则)

• 比如：

    正则表达式为：西([南大]|学)；
    匹配字符串为：西南、西大、西学。
  

1.5 指定匹配位置

• 在一个字符串中有三个位置比较特殊：字符串开头、字符串结尾以及英文字母中每个单词中间的空白部分（单词边界）。如果只希望匹配特殊位置上的关键词时，则可以使用特殊符号表示特殊位置：
  （1）^ 表示字符串开头；
  （2）$ 表示字符串结尾；
  （3）\b 表示单词边界，它可以匹配空格、标点符号、字符串开头或结尾等可以将一个单词与其他单词分隔开的符号。

• 比如：

    匹配开头的空字符串：
    ^\s+
    找到每个单词的首字母：
    \b[a-z]