正则表达式

目录

1. 基本匹配
2. 元字符
   2.1 点运算符 .
   2.2 字符集
   2.2.1 否定字符集
   2.3 重复次数
   2.3.1 * 号
   2.3.2 + 号
   2.3.3 ? 号
   2.4 {} 号
   2.5 (…) 特征标群
   2.6 | 或运算符
   2.7 转码特殊字符
   2.8 锚点
   2.8.1 ^ 号
   2.8.2 $ 号
3. 简写字符集
4. 零宽度断言(前后预查)
   4.1 ?=… 正先行断言
   4.2 ?!.. 负先行断言
   4.3 ?<= … 正后发断言
   4.4 ?<!.. 负后发断言
5. 标志
   5.1 忽略大小写（Case Insensitive）
   5.2 全局搜索（Global search）
   5.3 多行修饰符（Multiline）

1. 基本匹配

正则表达式其实就是在执行搜索时的格式，它由一些字母和数字组合而成。 例如：一个正则表达式 the，它表示一个规则：由字母t开始，接着是h，再接着是e。

“the” => The fat cat sat on the mat.

正则表达式123匹配字符串123。它逐个字符的与输入的正则表达式做比较。

正则表达式是大小写敏感的，所以The不会匹配the。

“The” => The fat cat sat on the mat.

2. 元字符

正则表达式主要依赖于元字符。 元字符不代表他们本身的字面意思，他们都有特殊的含义。一些元字符写在方括号中的时候有一些特殊的意思。以下是一些元字符的介绍：

2.1 点运算符 .

.是元字符中最简单的例子。 .匹配任意单个字符，但不匹配换行符。 例如，表达式.ar匹配一个任意字符后面跟着是a和r的字符串。
“.ar” => The car parked in the garage.

2.2 字符集

字符集也叫做字符类。 方括号用来指定一个字符集。 在方括号中使用连字符来指定字符集的范围。 在方括号中的字符集不关心顺序。 例如，表达式[Tt]he 匹配 the 和 The。
“[Tt]he” => The car parked in the garage.
方括号的句号就表示句号。 表达式 ar[.] 匹配 ar.字符串
“ar[.]” => A garage is a good place to park a car.

2.2.1 否定字符集

一般来说 ^ 表示一个字符串的开头，但它用在一个方括号的开头的时候，它表示这个字符集是否定的。 例如，表达式[^c]ar 匹配一个后面跟着ar的除了c的任意字符。
“[^c]ar” => The car parked in the garage.

2.3 重复次数

后面跟着元字符 +，* or ? 的，用来指定匹配子模式的次数。 这些元字符在不同的情况下有着不同的意思。

2.3.1 * 号

“[a-z]" => The car parked in the garage #21.

"\scat\s*” => The fat cat sat on the concatenation.

2.3.2 + 号

+号匹配+号之前的字符出现 >=1 次。 例如表达式c.+t 匹配以首字母c开头以t结尾，中间跟着至少一个字符的字符串。

“c.+t” => The fat cat sat on the mat.

2.3.3 ? 号

在正则表达式中元字符 ? 标记在符号前面的字符为可选，即出现 0 或 1 次。 例如，表达式 [T]?he 匹配字符串 he 和 The。

“[T]he” => The car is parked in the garage.

“[T]?he” => The car is parked in the garage.

2.4 {} 号

在正则表达式中 {} 是一个量词，常用来限定一个或一组字符可以重复出现的次数。 例如， 表达式 [0-9]{2,3} 匹配最少 2 位最多 3 位 0~9 的数字。

“[0-9]{2,3}” => The number was 9.9997 but we rounded it off to 10.0.
我们可以省略第二个参数。 例如，[0-9]{2,} 匹配至少两位 0~9 的数字。

“[0-9]{2,}” => The number was 9.9997 but we rounded it off to 10.0.
如果逗号也省略掉则表示重复固定的次数。 例如，[0-9]{3} 匹配3位数字
“[0-9]{3}” => The number was 9.9997 but we rounded it off to 10.0.

2.5 (…) 特征标群

特征标群是一组写在 (…) 中的子模式。(…) 中包含的内容将会被看成一个整体，和数学中小括号（ ）的作用相同。例如, 表达式 (ab) 匹配连续出现 0 或更多个 ab*。如果没有使用 (…) ，那么表达式 ab* 将匹配连续出现 0 或更多个 b 。再比如之前说的 {} 是用来表示前面一个字符出现指定次数。但如果在 {} 前加上特征标群 (…) 则表示整个标群内的字符重复 N 次。
我们还可以在 () 中用或字符 | 表示或。例如，(c|g|p)ar 匹配 car 或 gar 或 par.
“(c|g|p)ar” => The car is parked in the garage.

2.6 | 或运算符

或运算符就表示或，用作判断条件。
例如 (T|t)he|car 匹配 (T|t)he 或 car。
“(T|t)he|car” => The car is parked in the garage.

2.7 转码特殊字符

反斜线 \ 在表达式中用于转码紧跟其后的字符。用于指定 { } [ ] / \ + * . $ ^ | ? 这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线 \。
例如 . 是用来匹配除换行符外的所有字符的。如果想要匹配句子中的 . 则要写成 . 以下这个例子 .?是选择性匹配.
“(f|c|m)at.?” => The fat cat sat on the mat.

2.8 锚点

在正则表达式中，想要匹配指定开头或结尾的字符串就要使用到锚点。^ 指定开头，$ 指定结尾。

2.8.1 ^ 号

^ 用来检查匹配的字符串是否在所匹配字符串的开头。
例如，在 abc 中使用表达式 ^a 会得到结果 a。但如果使用 ^b 将匹配不到任何结果。因为在字符串 abc 中并不是以 b 开头。
例如，^(T|t)he 匹配以 The 或 the 开头的字符串。
“(T|t)he” => The car is parked in the garage.
“^(T|t)he” => The car is parked in the garage.

2.8.2 $ 号

同理于 ^ 号，$ 号用来匹配字符是否是最后一个。
例如，(at.)$ 匹配以 at. 结尾的字符串。
“(at.)” => The fat cat. sat. on the mat.
“(at.)$” => The fat cat. sat. on the mat.

3. 简写字符集

正则表达式提供一些常用的字符集简写。如下:

4. 零宽度断言（前后预查）

先行断言和后发断言（合称 lookaround）都属于非捕获组（用于匹配模式，但不包括在匹配列表中）。当我们需要一个模式的前面或后面有另一个特定的模式时，就可以使用它们。

例如，我们希望从下面的输入字符串 $4.44 和 $10.88 中获得所有以 $ 字符开头的数字，我们将使用以下的正则表达式 (?<=$)[0-9.]*。意思是：获取所有包含 . 并且前面是 $ 的数字。
零宽度断言如下：

4.1 ?=… 正先行断言

?=… 正先行断言，表示第一部分表达式之后必须跟着 ?=…定义的表达式。
返回结果只包含满足匹配条件的第一部分表达式。 定义一个正先行断言要使用 ()。在括号内部使用一个问号和等号： (?=…)。

正先行断言的内容写在括号中的等号后面。 例如，表达式 (T|t)he(?=\sfat) 匹配 The 和 the，在括号中我们又定义了正先行断言 (?=\sfat) ，即 The 和 the 后面紧跟着 (空格)fat。
“(T|t)he(?=\sfat)” => The fat cat sat on the mat.

4.2 ?!.. 负先行断言

负先行断言 ?! 用于筛选所有匹配结果，筛选条件为 其后不跟随着断言中定义的格式。 正先行断言 定义和 负先行断言 一样，区别就是 = 替换成 ! 也就是 (?!..)。
表达式 (T|t)he(?!\sfat) 匹配 The 和 the，且其后不跟着 (空格)fat。
“(T|t)he(?!\sfat)” => The fat cat sat on the mat.

4.3 ?<= … 正后发断言

正后发断言 记作(?<=…) 用于筛选所有匹配结果，筛选条件为 其前跟随着断言中定义的格式。 例如，表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat，且其前跟着 The 或 the。
“(?<=(T|t)he\s)(fat|mat)” => The fat cat sat on the mat.

4.4 ?<!.. 负后发断言

负后发断言 记作 (?<!..) 用于筛选所有匹配结果，筛选条件为 其前不跟随着断言中定义的格式。 例如，表达式 (?<!(T|t)he\s)(cat) 匹配 cat，且其前不跟着 The 或 the。
“(?<!(T|t)he\s)(cat)” => The cat sat on cat.

5. 标志

标志也叫模式修正符，因为它可以用来修改表达式的搜索结果。 这些标志可以任意的组合使用，它也是整个正则表达式的一部分。

5.1 忽略大小写 (Case Insensitive)

修饰语 i 用于忽略大小写。 例如，表达式 /The/gi 表示在全局搜索 The，在后面的 i 将其条件修改为忽略大小写，则变成搜索 the 和 The，g 表示全局搜索。
“The” => The fat cat sat on the mat.
“/The/gi” => The fat cat sat on the mat.

5.2 全局搜索 (Global search)

修饰符 g 常用于执行一个全局搜索匹配，即（不仅仅返回第一个匹配的，而是返回全部）。 例如，表达式 /.(at)/g 表示搜索 任意字符（除了换行）+ at，并返回全部结果。
“/.(at)/” => The fat cat sat on the mat.
“/.(at)/g” => The fat cat sat on the mat.

5.3 多行修饰符 (Multiline)

多行修饰符 m 常用于执行一个多行匹配。

6. 贪婪匹配与惰性匹配 (Greedy vs lazy matching)

正则表达式默认采用贪婪匹配模式，在该模式下意味着会匹配尽可能长的子串。我们可以使用 ? 将贪婪匹配模式转化为惰性匹配模式。
“/(.at)/" => The fat cat sat on the mat.
"/(.?at)/” => The fat cat sat on the mat.