正则表达式入门

正则表达式是处理字符串最有效的方法之一。最简单的例子：字符串“abc”，正则：b，匹配结果：“b”，在该正则中，会去先匹配字符串的第一个字符a，匹配失败，然后去匹配第二个字符b，匹配成功，输出结果（如果没有全局查找的声明，只会查找第一个符合条件的字串）。

限定符

日常使用时往往需要各种限制条件来完成更加复杂的匹配。使用限定符，用来表示匹配的次数，除三种常用的限定符外，用{}表示：

限定符	含义	举例
*	匹配前面的字符或表达式0次或无数次，等价于{0,}，可以理解为无限制	字符：haaaa，正则：ha*，匹配结果：haaaa。如果使用正则ho*，则可以匹配到h。
+	匹配前面的字符或表达式至少1次，等价于{1,}	字符：haaaa，正则：ha+，匹配结果：haaaa。如果使用正则ho+，则匹配失败，因为o一次也没有匹配到。
？	匹配前面的字符或表达式最多1次，等价于{0,1}	字符：haaaa，正则：ha？，匹配结果：ha。
{n}	匹配前面的字符或表达式n次	如ha{3}可以匹配到haaa，匹配不到haa
{n,m}	匹配前面的字符或表达式最少n次，最多m次	如ha{1,3}可匹配到ha，haa，haaa。
{n,}	匹配前面的字符或表达式最少n次	如ha{1,}等同于ha+。

贪婪和懒惰

*和+都是“贪婪的”，他们会尽可能多的匹配符合条件的字符，比如说字符串“<title>百度一下，你就知道</title>”，用正则<.*>可以匹配到整个字符串“<title>百度一下，你就知道</title>”，即从第一个“<”开始，到最后一个“>”之间的所有内容，如果只需要匹配第一个标签中的内容，即“<title>”，在正则中加入“？”即可实现最小匹配：<.*?>。

同理，+和？以及{n,m}都可以与？结合实现最小匹配。如字符串aaaabc，正则a??(等同于a{0,1}?)，结果是空，因为正则会尽量少匹配，而去取0次匹配这个值。

定位符

定位符用来描述字符串或者单词的边界

定位符	含义	举例
^	匹配字符串开头（在集合中出现表示否定）	正则^a可以匹配abc，aab等以a开头的字符
$	匹配字符串的结尾	正则a$可以匹配bca等以a结尾的字符串
\b	匹配单词的边界，包括单词的开头和结尾	\bapp可以匹配apple等以app开头的单词，le/b则可以匹配le结尾的单词

^定位字符串的开头，生效的对象是该符号之后的字符，$定位字符串的结尾，生效的对象是该符号之前的字符，两者可以同时使用精确匹配一个字符串。

\b用法与字符串首尾定位符类似，需注意该定位符出现的位置，会影响匹配的结果。与之相反，\B可以匹配非单词边界，如\Bapt可以匹配chapter中的apt，但不能匹配aptitude中的apt。

集合

集合用“[]”定义，表示可以被匹配的范围，如[123]，表示可以匹配的字符只有1，2，3。[a-z]表示可以匹配所有的小写字母，在集合中使用^表示否定，如[^0-9] 表示除了0-9以外的字符。如果要匹配多个字符的话还是要一一列举，所以也可以使用一些特定的字符来表示：

字符	含义
.	除了换行符以外的任何字符
\d	匹配一个数字，等价于[0-9]
\D	匹配除了0-9以外的字符，等价于[^0-9]
\w	匹配包括下划线在内的单个字符，等价于[A-Za-z0-9]
\s	匹配包括空格，换行等空白字符

如匹配任何一个正整数：^[1-9][\d]*$

匹配方式

匹配方式通常用于写在正则表达式的结尾，如：“/a+/g”。部分语言会作为参数进行传递，常用的有i：忽略大小写；g：全局模式；m：多行模式。
正如开头所提，不声明全局模式时，正则只会匹配到第一个符合条件的字符串。

分组

分组使用“()”定义，在“()”中的所有字符会被视为一个整体。比如正则(ab)+会将ab做为一个整体来使用，正则ab+只有b会受到限定符“+”的影响。在括号中可以使用“|”表示多个可选的分组，如(ab|cd)表示分组可以是ab或者cd。

负向引用

使用分组后，会将分组进行缓存，同时生成索引可供调用，索引从1开始，用\1表示，代表了第一个分组，最简单的应用就是查找相邻的重复字符，比如字符串：“It is is a book”，使用正则\b(\w+)\s\1\b，输出结果：is。(\w+)\s捕获一个或多个字母以及之后的空格，\1捕获之前已经缓存的分组，\b则确保捕获到的是一个完整的单词。
如果不需要缓存分组，使用(?:abc)即可。
注意：在实际应用中，如果存在“()”，匹配成功的话只会返回括号中的内容，多个括号会返回多个括号的内容，在无负向引用的情况下，使用(?:abc)可返回完整结果

消耗字符

一般情况下，正则表达式在匹配的过程中会消耗字符，即已经匹配过的字符不会再次匹配，比如，在全局模式下用正则a*去匹配字符串“haaa”，会得到三个结果：[’’, ‘aaa’, ‘’]，而第三个空结果正是因为前两次匹配已经消耗了字符串，所以会出现空的情况。
如果使用零宽断言，则可以只匹配位置，不消耗字符：
(?=exp)：匹配exp前面的位置。
(?<=exp)：匹配exp后面的位置。
(?!exp)：匹配后面不是exp的位置。
(?!<exp)：匹配前面不是exp的位置。
注意：零宽断言匹配的只是字符的位置，而不是字符，所以单纯使用零宽断言输出为空。
举例：字符串"this is this a book is",找出重复的单词，全局模式下使用正则\b(\w+).*\1\b，输出结果This is this，并没有找到重复的is，因为在匹配this的时候已经将”this is this“消耗了，之后的匹配是从”this is this“之后的“a”开始。利用(?=exp)匹配位置：\b(\w+)(?=.*\1\b)，可得到争取的结果：”this，is“。

转义

当遇到关键字时，需要使用”\“进行转义，比如”.“，”*“，”+“等本身带有意义的符号，如果需要表示这些符号，需进行转义，写作”\.“，”\*“，”\+“。