正则指令集

正则表达式笔记

---

---

文献参考

正则指令集

ps: 引号为标注

一 、 特殊指令

匹配内容

指令	规则释义
.	匹配除了换行符以外的任意字符
*	代表匹配数量 指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配
{N}	代表前面连续匹配多少次
{5,12}	代表指定前面连续匹配次数 重复的次数不能少于5次，不能多于12次
\s	任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等
\w	匹配字母或数字或下划线或汉字等
+	匹配重复1次或更多次 类似 * 指令 区别 *指令可以匹配 0 次 + 指令 1次及以上

匹配位置

指令	规则释义
\b	代表单词的开头或结尾也就是单词的分界处 只匹配一个位置不匹配内容
^	匹配字符串的开始
$	匹配字符串结尾 如果 ^ $ 一起使用代表是精准匹配

字符转义符

指令	规则释义
\	来转义 可以将指令取消特殊意义 例如：匹配 . 或 * 你应该使用.和*。当然，要查找\本身，你也得用\.

重复类限定符

指令	规则释义
*	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次或更多次
{n,m}	重复n到m次

字符类

ps : 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)

例如: 
[0-9] : 匹配字符范围
[a-z0-9A-Z_] : 匹配 字母A到Z 和数字 0至9 

二、 逻辑指令

分枝条件

指令	规则释义
exp | exp	使用多个逻辑匹配规则进行选择 满足其中任意一种规则都应该当成匹配

三、 子表达式指令 (分组)

ps : 可以将表达式拆分成多个子表达式 并且可以重复匹配使用以及一些高级操作

"()" : 小括号的方式来表示组成子表达式

例如：

1.  "(\d{1,3}\.){3}\d{1,3}"  : 匹配IP格式地址 \d{1,3} 匹配三位数字 \. 转义匹配 . "(\d{1,3}\.)" 整体就是个分组 {3} 重复匹配3次 最后再加上一个1到3位的数字 (\d{1,3})

2.  "((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)"  : 匹配标准IP地址 分组基础上 加入字符类的限定和分支逻辑判断即可

四、 反义指令

ps: 查找不属于某个能简单定义的字符类的字符

反义指令

"\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

五、 后向引用

ps: 用于重复搜索前面某个分组匹配的文本; 使用场景: 用于和分组组合使用

使用小括号指定一个子表达式后，匹配这个子表达式的文本（也就是此分组捕获的内容）可以在表达式或其他程序中作进一步处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

例如：

"\b(\w+)\b\s+\1\b" : 可以用来匹配重复的单词 像go go 就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。  此处为什么使用 "\1" 呢 因为在表达式中使用\n 是代表反向引用使用的 "代表获取第几组捕获内容"
"\b(?<Word>\w+)\b\s+\k<Word>\b" : 跟上个例如一样, 此处自定义了组名 不以数字编号为组名了。"(?<name>exp)" 自定义分组名称 "\k<"name">" 调用分组了

六、 零度断言

定义：

如同 ^ 代表开头，$ 代表结尾，\b
代表单词边界一样，先行断言和后行断言也有类似的作用，它们只匹配某些位置，在匹配过程中，不占用字符，所以被称为"零宽"。所谓位置，是指字符串中(每行)第一个字符的左边、最后一个字符的右边以及相邻字符的中间（假设文字方向是头左尾右）。

1、关于先行(lookahead)和后行(lookbehind)：

正则表达式引擎在执行字符串和表达式匹配时，会从头到尾（从前到后）连续扫描字符串中的字符，设想有一个扫描指针指向字符边界处并随匹配过程移动。

先行断言: 是当扫描指针位于某处时，引擎会尝试匹配指针还未扫过的字符，先于指针到达该字符，故称为先行。
后行断言: 引擎会尝试匹配指针已扫过的字符，后于指针到达该字符，故称为后行。

2、关于正向(positive)和负向(negative)：正向就表示匹配括号中的表达式，负向表示不匹配。

对这 4 个断言形式的记忆：

1、先行和后行：后行断言 (?<=pattern)、(?<!pattern) 中，有个小于号，同时也是箭头，对于自左至右的文本方向，这个箭头是指向后的，这也比较符合我们的习惯。把小于号去掉，就是先行断言。
2、正向和负向：不等于 (!=)、逻辑非 (!) 都是用 !号来表示，所以有 ! 号的形式表示不匹配、负向；将 ! 号换成 = 号，就表示匹配、正向。

七、贪婪与懒惰

定义：

—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。
以这个表达式为例：a.b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
例如:
"." 匹配最长 但遇到后面有其他限定符则不会贪婪匹配 比如： .*?

—懒惰

1. 有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。

2. 前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着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

例如：

"*?"    : 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