正则表达式入门经典|学习笔记（一）

从今天开始试着把自己看过的书里的东西有条理的记录在这里。希望可以坚持。

 

正则表达式是一种匹配文本中的字符序列的字符模式。提到正则表达式应该立刻想到它的应用范围是文本，而正则表达式实际上利用的是文本中字符的模式匹配。

 

使用正则表达式可以做什么？

（1）查找重复单词。

（2）检查web表单的输入是否符合服务器端数据库存储所允许的格式。正则是确保在客户端发现不适当数据的理想选择。

（3）转换日期格式。美式日期12/25/2009，英式日期25/12/2009，其他2009-12-25

（4）发现错误拼写。检查替换错误的拼写，如行首字母大小写。

（5）为URL添加链接。查找文本中包含的URL，如转换成<a href="the URL">theURL</a>

 

正则表达式没有统一的标准，不同实现工具之间的差异非常多。

元字符：指在正则模式中具有特殊含义的字符或字符序列。

同一元字符在同一语言的不同环境下可能表示不同的涵义。^可以是行首标识，如^and，也可能是取反标识，如[^and]（[]包围的叫做字符类）

 

数据决定了模式的匹配行为。如URL以HTTP开头或以WWW开头，对应的想匹配文本中的URL，需要分开处理。

 

创建合适的正则表达式需要对自己的需求有过认真的分析，并且在对数据源进行研究的基础上充分理解了数据内容的特点。

 

简单的正字表达式：

包括直接量字符和字符序列。

一个元字符通常会匹配一类字符，如/d匹配数字的字符类。

匹配单个可选的字符。如colou?r，?标示它前面的一个字符时可选的，可以出现0次或1次，因而color和colour都将匹配。

匹配多个可选的字符。如colou?r'?s?'?，希望匹配color或者colour的单复数形式以及所有格形式，因而诸如color's可以匹配；但是，如果出现color's'这样的字符序列也会匹配，这显然是错误的。实现初衷的做法是，只有在第一个撇号'不存在时（0次匹配）才可以匹配第二个撇号。这个工作留待后续研究。

其它的限定符：

* ： 相关的模式(*前面的“块”)出现0次或多次。 如[0-9]*表示匹配0个数字或者多个数字。

+ ： 匹配一次或多次前面的块。

{} ： 有几种语法---{n}精确指定匹配次数为n，如ABC[0-9]{3}，ABC后跟3个数字

                           {n,m}匹配最少n次最多m次

                           {0,m}匹配0次到指定次数

                           {n,}匹配n到无限次