正则表达式规则——写正则式

最新推荐文章于 2024-08-21 18:19:42 发布

zsq_csh1

最新推荐文章于 2024-08-21 18:19:42 发布

阅读量811

点赞数 2

分类专栏：杂记文章标签：正则表达式

本文链接：https://blog.csdn.net/zsq_csh1/article/details/120449745

版权

杂记专栏收录该内容

2 篇文章 0 订阅

订阅专栏

功能分类：

1.单一字符

x	字符x（x 可代表任何合法的字符)
\0mnn	八进制数 0mnn 所表示的字符
\xhh	十六进制值 0xhh 所表示的字符
\uhhhh	十六进制值 0xhhhh 所表示的 Unicode 字符
\t	制表符（“\u0009”）
\n	新行（换行）符（‘\u000A’）
\r	回车符（‘\u000D’)
\f	换页符（‘\u000C’）
\a	报警（bell）符（‘\u0007’）
\e	Escape 符（‘\u001B’）
\cx	x 对应的的控制符。例如，\cM匹配 Ctrl-M。x 值必须为 A~Z 或 a~z 之一。

2.特殊含义实体字符（串）

.	除换行符以外任何字符（有些情况是任意字符）
\d	匹配 0~9 的所有数字
\D	匹配非数字
\s	匹配所有的空白字符，包括空格、制表符、回车符、换页符、换行符等
\S	匹配所有的非空白字符
\w	匹配所有的单词字符，包括 0~9 所有数字、26 个英文字母和下画线_
\W	匹配所有的非单词字符

d 是 digit 的意思，代表数字。

s 是 space 的意思，代表空白。

w 是 word 的意思，代表单词。

d、s、w 的大写形式恰好匹配与之相反的字符。

3.边界标记符

^	行的开头 ^abc ,表示 abc这个字符串，并且在开头
$	行的结尾 abc$，表示abc这个字符串，并且在结尾
\b	单词的边界
\B	非单词的边界
\A	输入的开头
\G	前一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符
\z	输入的结尾

4.括号表达式

（1）方括号：表示范围，方括号内可以加特殊的字符，如 - ，^ , &&

枚举	例如 [abc] 表示 a、b、c 其中任意一个字符；[gz]表示 g、z 其中任意一个字符
范围：-	例如 [a-f] 表示 a~f 范围内的任意字符；[\\u0041-\\u0056] 表示十六进制字符 \u0041 到 \u0056 范围的字符。范围可以和枚举结合使用，如 [a-cx-z]，表示 a~c、x~z 范围内的任意字符
求否：^	例如 [^abc]表示非 a、b、c 的任意字符；[^a-f] 表示不是 a~f 范围内的任意字符
“与”运算：&&	例如 [a-z&& [def] ] 是 a~z 和 [def] 的交集，表示 d、e f [a-z && [^bc] ]是 a~z 范围内的所有字符，除 b 和 c 之外 [ad-z] [a-z&&[m-p]]是 a~z 范围内的所有字符，除 m~p 范围之外的字符
“并”运算	并运算与前面的枚举类似，直接写在一起即可。例如 [a-d [m-p] ] 表示 [a-dm-p]

注：在中括号中，也可以使用\w,\b,\c等用法

（2）圆括号：

本身的含义：增加优先级，表示括号内的先运行

特殊用法：

()括号中的表达式，可以作为单独的匹配结果，存储在特定的方法中，python中是group方法，group(0)是匹配的全部字符串，从group(1)开始，是圆括号中存储的匹配结果。

(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '$' 或 '$'。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (\|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y\|ies) 就是一个比 'industry\|industries' 更简略的表达式。
(?=pattern)	正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95\|98\|NT\|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95\|98\|NT\|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?<=pattern)	反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95\|98\|NT\|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95\|98\|NT\|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。

（3）花括号：表示数量

{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

5、数量模式

符号	说明
X?	X零次或一次 [0,1]
X+	X一次或多次 [1,∞]
X*	X零次次或多次 [0,∞]
X{n}	X n 次 n
X{n,}	X最少出现 n次 [n,∞]
X{n,m}	X最少出现 n 次，最多出现 m 次 [n,m]

6.匹配修饰变量，用于控制匹配模式

g ：全局模式，表示查找字符串的全部内容，而不是找到第一个匹配的内容就结束。

i ：不区分大小写，表示在查找匹配时忽略 pattern 和字符串的大小写。

m ：多行模式，表示查找到一行文本末尾时会继续查找。

y ：粘附模式，表示只查找从 lastIndex 开始及之后的字符串。

u ： Unicode 模式，启用 Unicode 匹配。

s：dotAll 模式，表示元字符 . 匹配任何字符（包括 \n 或 \r）。

在js中，一般的写法是 / /g, 在斜杠中直接写正则式，在斜杠后面加修饰变量，

在java中，一般会使使用 " " , " " 前面是一个字符串，表示正则式，后面也是一个字符串，表示匹配修饰符

7、贪婪模式

1.正则匹配引擎原理：

预读取功能：在目前流行的引擎中，如java、python中，是正则式匹配文本。即以正则式为准，看文本是否匹配。读取时，会有两个缓冲区，正则式缓冲区，和带匹配文本（字符串）的缓冲区。引擎先从正则式中读取，根据正则式优先级，从左往右读取单个字符（组），再从待匹配文本的字符串缓冲区读取一个字符文本，看是否匹配。

数量模式匹配：正则式中一个数量模式的字符组，与后面的文字匹配，根据贪婪模式从最小范围或者最大范围开始匹配。如果当前数量不匹配，则增加/减少数量，直至匹配到为止。

回溯机制：回溯机制只在贪婪模式和懒惰模式中有，独占机制不进行回溯。回溯的规则是，如果数量模式字符组已经和文本匹配，进行后面的字符匹配，如果后面的字符不匹配，则会再回到之前数量模式的字符组，增加/减少数量，直至后面的字符也匹配位置。

当前的流行语言，正则引擎大多默认是贪婪模式。

2.贪婪模式匹配机制

（注）该功能是在数量模式的基础上使用的，_代表数量模式的6种简写

模式	说明
_	贪婪模式——优先选择最多的数量范围，倒着开始匹配范围。并且如果后面不匹配，还会减少前面范围，匹配范围内的所有情况。故称为贪婪模式。
_？	懒惰模式——优先选择最少的范围，如果没有，则一步一步往上加。选择的顺序与贪婪相反而已。同样有预读取。
_+	独占模式——首先选择最多的数量范围，倒着开始匹配。在当前范围中如果某个数量已经匹配到文本，正则式继续往后走，无论后面是否能匹配，都不会再改变前面数量范围的结果