正则表达式 笔记

http://www.oschina.net/question/12_9507

1.\b 单词的开头或者结尾，即单词的分界线

\bhi\b 匹配单词hi 而不是him或者his
\bhi\b.*\bLucy\b 匹配hi后不远处跟着Lucy
2. . 代表了除了换行符以外的任意字符
3. *  数量，标识* 前面的内容可以出现任意次
4. \d 匹配数字，0~9
5. {n} 表示{n} 前面的内容出现n次  \d{2} 两个数字
6. \s 表示任意空白符 包括空格，制表符 tab，中文全角空格
7. \w 匹配字母或者数字或者下划线或者汉字等
\ba\w*\b 表示a开头的单词
8. + 表示前面的内容1个或者更多
\d+ 一个以上的数字
\b\w{6}\b 6个字母或者数字
2中的 . 可以使0次
9. ^ 匹配字符串的开始，匹配一个位置  \b是单词，这个是字符串
10 $ 匹配字符串的结束，匹配一个位置
用于验证的时候很有用：
^\d{5,12}$ 表示qq号码 5 - 12的数字
有些正则表达式中还有处理多行的选项，如果勾选，则这两个表示行的开始和结束
11. {m,n} 数量在m <= x <= n
12 \ 转义字符 
\.,\*,\\ 分别匹配.,*,\ 因为如果不转义则会被解释成元字符, () 括号也要转义
13 ? 表示数量是0 或者 1
14 {n,} 表示数量>= n


字符类
15 [] 匹配集合：
a.[aeiou] 用来匹配其中的一个，[?.,] 匹配一个标点符号
b.[0-9] 表示0 ~ 9的数字中一个 与\d一个意思
c. [0-9a-zA-z] 表示很多。 除了汉字外就是\w

例子：\(0\d{2}[)-]?\d{8} 电话号码

16. 分支条件： 指有几种规则用 | 分隔开，如果满足其中任意一种规则都应该当成匹配。 能匹配一定要匹配，不像? 可是可不是
\(0\d{2}\)[-]?\d{8}|0\d{3}[-]?\d{7}  三位区号或者四位区号
\(0\d{2}\)[-]?\d{8}|0\d{2}[-]?\d{8} 三位区号，被()或者没有
\(0\d{3}\)[-]?\d{7} 四位区号

顺序很重要，因为如果匹配了其中一个则不去管其他了

17 分组 () 用()起来的子表达式重复多次
(\d{1,3}\.){3}\d{1,3} 简单的错误IP地址匹配
正确的： ((2[0-4]\d|25[0-5]|[0,1]?\d\d?\.){3})((2[0-4]\d)|25[0-5]|[0,1]?\d\d?)

 反义 大写'
18 \W 匹配任意不是字母，数字，下划线，汉字的字符
19 \S 匹配任意不是空白符的字符
20 \D 匹配任意不是数字的字符
21 \B 匹配任不是单词揩油或者结束的位置
22 [^X] 匹配除了X以外的任意字符,
23 [^aeiou] 匹配除了aeiou这几个字母以外的任意字符


向后引用
用小括号() 起来的子表达，匹配这个字表达式后，默认每个小组（子表达式）会有一个组号,第一个出现开始的为1,2,3...
向后引用用于重复搜索前面某个分组匹配的文本， \1 表示匹配分组1 的文本
\b(\w+)\b\s+\1\b    \1 匹配\w+ 例如 go go  jee jee等
修改：可以自定义组名 (?<name>\w+) 这样 name就是组名了 也可以把<> 换成''，引用：
捕获：\b(?<words>\w+)\s+\k<words\>\b

(?:exp) 匹配exp但不捕获匹配的文本，也不自动命名，将来命名\1,\2跳过这个

小括号的其他很多很难的用法：
捕获
零宽断言
注释 (?#comment)

贪婪和懒惰
24 *? 重复任意次，但是尽可能少
25 +? 重复一次或者任意次，尽可能少
26 ?? 重复0或者1次，及可能少
27 {m,n}? 重复m到n次，尽可能少
28 {m,}? 重复m次以上，尽可能少
 
处理选项
29 i IgnoreCase 忽略大小写
30 m Multiline 多行模式 ^ $ 可以匹配行开头和结尾
31 s dotall . 可以匹配换行符
32 g 匹配多个，默认是一个就结束
33 x 允许拓展的正则表达式。 可以在正则表达式中加入空格(看起来更直观)，而且被忽略，无效的空格