正则表达式 笔记整理

简介

概念

正则表达式（Regular Expression）是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和 特殊字符（称为 “元字符"）。
正则表达式使用单个字符串来描述、匹配一系列匹配某个语法规则的字符串。

为什么使用正则表达式

典型的搜索替换操作，针对静态文本的任务虽然足够，但缺乏灵活性。典型的方法可使用于动态文本，但会变得很困难
通过使用正则表达式，可以

• 测试字符串内的模式
  例如，测试输入字符串，以及查看字符串内容是否出现电话号码或信用卡号码模式。称之为数据验证
• 替换文本
  可以使用正则表达式来识别文档中的特定文本，完全删除文本或者用其他文本替换它。
• 基于匹配模式从字符串中提取子字符串
  可以查找文档内或输入域内特定的文本

语法

普通字符

普通字符包括没有显示指定元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

元字符

字符	说明
.	匹配除换行符以外的任意字符
\w	匹配字母、数字、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

字符转义

查找元字符本身，例如查找 . 或 * ，就会出现问题。
这里无法指定它们，因为它们会被解释成别的意思。这里需要使用 \ 来取消这些字符的特殊意义。因此，应该使用 \. 和 \*。当然，查找 \ 本身，也得用 \\ 。

限定符

字符	说明
*	重复零次或多次
+	重复一次或多次
?	重复零次或一次
{n}	重复 n 次
{n, }	重复 n 次或多次
{n, m}	重复 n 到 m 次

*、+ 和 ？ 限定符都是贪婪的，因为它们会尽可能的匹配文字，只有在它们的后面加上 ？ 就可以实现非贪婪或最小匹配
例如，搜索 HTML 文档，以查找括在 H1 标记内的章节标题。文档如下：

<h1>Introduction to Regular Expressions</h1>

匹配从小于符号（<）开始到关闭 h1 标记的大于符号（>）之间的所有内容，表达式如下

<.*>

匹配开始的 h1 标记，下面是 ”非贪心“ 表达式

<.*?>

反义字符

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	匹配不是单词开头或结束的位置
[^x]	匹配除 x 以外的任意字符

反向引用

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可以在表达式或其他程序中进一步处理。默认情况下，每个分组会自动拥有一个组号，但(?:exp) 这样的语法会剥夺一个分组对组号分配的参与权。分组 0 对应整个正则表达式。

常用的分组语法

分类	符号	说明
捕获	(exp)	匹配 exp，并捕获文本到自动命名的组里
	(?exp)	匹配 exp，并捕获文本到名称为 name 的组里，也可以写成(?'name’exp)
	(?:exp)	匹配 exp，不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=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
注释	(?#comment)	用于提供注释让人阅读

零宽断言

(?=exp) 也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式 exp。比如 \b\w+(?=ing\b)，匹配以 ing 结尾的单词的前面部分（除了 ing 以外的部分）。如查找 I’m singing，它会匹配 sing。

(?<=exp) 也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式 exp 。例如 (?<=\bre)\w+\b 会匹配以 re 开头的单词的后半部分（除了 re 以外的部分），例如在查找 reading a book 时，它会匹配 ading 。

负向零度断言

(?!exp) 零宽度负预测先行断言，断言位置的后面不能匹配表达式 exp。例如: \d{3}(?\d)，能匹配三位数字，而且三维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。

(?<!exp) 零宽度负回顾后发断言，断言位置的前面不能匹配表达式 exp。例如：(?<![a-z])\d{7} 匹配前面不是小写字母的七位数字。