【笔记】正则入门学习

对于正则，久闻大名却一直不敢直视。
今天终于鼓起勇气，咱就好好的，仔细的，一点点的盯着她看看。看看她是怎么三头六臂，独步天下的。

1.她到底是什么？

在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

2.常用元字符和表达式

符号	说明	示例
\b	代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。	hi后面不远处跟着一个Lucy，你应该用\bhi\b.*\bLucy\b
.		匹配除了换行符以外的任意字符,不过它代表的不是字符，也不是位置，而是数量——它指定*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
\d	匹配一位数字	0\d\d-\d\d\d\d\d\d\d\d ：以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字。可以这样写这个表达式：0\d{2}-\d{8}， \d后面的{2}({8})的意思是前面\d必须连续重复匹配2次(8次)
\s	匹配任意的空白符，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	\ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。
+	匹配重复1次或更多次。
*	匹配重复任意次(可能是0次)
{}	{5,12}和前面介绍过的{2}是类似的，只不过{2}匹配只能不多不少重复2次，{5,12}则是重复的次数不能少于5次，不能多于12次，否则都不匹配。	\b\w{6}\b 匹配刚好6个字符的单词。
?	重复零次或一次
^	匹配行的开始处	QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$
$	匹配行的结束处
\	取消元字符的特殊意义	查找.或者*使用.和*。当然，要查找\本身，你也得用\\ .C:\\Windows匹配C:\Windows。
[]	匹配没有预定义元字符的字符集合,指定一个字符范围	[aeiou]就匹配任何一个英文元音字母; [.?!]匹配标点符号(.或?或!) ; [0-9]代表的含意与\d就是完全一致的;[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）
|	分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开 .使用分枝条件时，要注意各个条件的顺序。如果\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。	0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)
()	用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作	IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
\W	\w的反意，匹配任意不是字母，数字，下划线，汉字的字符
\S	\s的反意，匹配任意不是空白符的字符	\S+匹配不包含空白符的字符串
\D	\d的反意，匹配任意非数字的字符
\B	\b的反意，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	<a[^>]+>匹配用尖括号括起来的以a开头的字符串。
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符
\1	后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本	\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也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)。
(?‘’) \k	要指定一个子表达式的组名，请使用这样的语法：(?\w+)(或者把尖括号换成’也行：(?‘Word’\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k<Word>	上一个例子也可以写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b
(?=exp)	它断言自身出现的位置的后面能匹配表达式exp	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 while you’re dancing.时，它会匹配sing和danc。
(?<=exp)	它断言自身出现的位置的前面能匹配表达式exp	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，它匹配ading。(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。
(?!exp)	此位置的后面不能匹配表达式exp	\d{3}(?!\d)匹配三位数字，而且这三位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)	此位置的前面不能匹配表达式exp	(?<![a-z])\d{7}匹配前面不是小写字母的七位数字
(?#comment)	小括号的另一种用途是通过语法(?#comment)来包含注释。要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略	例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
.*	匹配尽可能多的字符	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。
.*?	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	a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
*?	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

常用分组语法

常用的处理选项

名称	说明
IgnoreCase(忽略大小写)	匹配时不区分大小写。
Multiline(多行模式)	更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)
Singleline(单行模式)	更改.的含义，使它与每一个字符匹配（包括换行符\n）。
IgnorePatternWhitespace(忽略空白)	忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获)	仅捕获已被显式命名的组。

. 练习

语句	解释
(?0\d{2}[) -]?\d{8}	匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。我们对它进行一些分析吧：首先是一个转义字符(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。
(?<=<(\w+)>).*(?=</\1>)	匹配不包含属性的简单HTML标签内里的内容。(?<=<(\w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是<b>)，然后是.*(任意的字符串),最后是一个后缀(?=</\1>)。注意后缀里的/，它用到了前面提过的字符转义；\1则是一个反向引用，引用的正是捕获的第一组，前面的(\w+)匹配的内容，这样如果前缀实际上是<b>的话，后缀就是了。整个表达式匹配的是和之间的内容(再次提醒，不包括前缀和后缀本身)。

原文：deerchao.cn
工具下载: regester