正则表达式

正则表达式是什么？

自身是一个字符串，用于匹配、查找或替换符合某些复杂规则的字符串

比如网址可以使用正则表达式[a-zA-z]+://[^\s]*匹配
比Windows文件通配符*和?表达能力更强

参考教程：http://deerchao.net/tutorials/regex/regex.htm

元字符

例子：

1. \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) 。
2. \d+匹配1个或更多连续的数字。这里的+是和类似的元字符，不同的是匹配重复任意次(可能是0次)，而+则匹配重复1次或更次。
3. \b\w{6}\b匹配刚好6个字符的单词。

常用的元字符如下：

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

• 元字符^和$都匹配一个位置，这和\b有点类似。^匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$。
• 和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，^和$的意义就变成了匹配行的开始处和结束处

转义字符

• 如果你想查找元字符本身的话，比如你查找.，或者*，就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。
• 这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\。

例子：
– deerchao.net匹配deerchao.net。
– C:\Windows匹配C:\Windows。

限定符

例子：
– Windows\d+匹配Windows后面跟1个或更多数字。
– ^\w+匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置)

代码/语法	说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),应该怎么办？

• 很简单，你只需要在方括号里列出它们就行了，像[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。
• 我们也可以轻松地指定一个字符范围，像[0-9]代表的含意与\d就是完全一致的：一位数字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）

分枝条件

例子：
– 0\d{2}-\d{8}|0\d{3}-\d{7}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)。
– \(?0\d{2}\)?[- ]?\d{8}|0\d{2}[- ]?\d{8}匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。
– \d{5}-\d{4}|\d{5}匹配美国的邮政编码。美国邮编是5位数字，或者用连字号间隔的9位数字。

使用分枝条件时，要注意各个条件的顺序。

分组

• 我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复多个字符又该怎么办？
• 你可以用小括号来指定子表达式(也叫做分组)，然后就可以指定这个子表达式的重复次数了。

-(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式：\d{1,3}匹配1到3位的数字，(\d{1,3}.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供任何算术功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。

反义

例子：
– \S+匹配不包含空白符的字符串。
– <a[^>]+>匹配用尖括号括起来的以a开头的字符串。

代码/语法	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	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
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

后向引用

使用小括号指定一个子表达式后， 匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。
后向引用用于重复搜索前面某个分组匹配的文本。比如\1代表分组1匹配的文本。

例子：
– \b(\w+)\b\s+\1\b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)。

零宽断言

• 零宽断言用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言) 。
• 四种零宽断言

1. (?=exp)断言此位置的后面能匹配表达式exp。比如\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。
2. (?<=exp)断言此位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b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。
3. (?!exp)断言此位置的后面 不能匹配表达式exp。比如\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。
4. (?<!exp)断言此位置的前面不能匹配表达式exp。比如(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

贪婪和懒惰

• 贪婪匹配：当正则表达式中包含能接受重复的限定符时，匹配尽可能多的字符。比如a.*b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。
• 懒惰匹配：匹配 尽可能少的字符。前面给出的限定符都可以在后面加上一个问号?转化为懒惰匹配模式。比如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）。

代码/语法	说明
*?	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

模式修饰符

代码语法	说明
(?i)	即匹配时不区分大小写。表示匹配时不区分大小写。
(?s)	即Singleline(单行模式)。表示更改.的含义，使它与每一个字符匹配（包括换行 符\n）。
(?m)	即Multiline(多行模式) 。 表示更改^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.)
(?x)	表示如果加上该修饰符，表达式中的空白字符将会被忽略，除非它已经被转义。
(?e)	表示本修饰符仅仅对于replacement有用，代表在replacement中作为PHP代码。
(?A)	表示如果使用这个修饰符，那么表达式必须是匹配的字符串中的开头部分。比如说"/a/A"匹配"abcd"。
(?E)	与"m"相反，表示如果使用这个修饰符，那么"$"将匹配绝对字符串的结尾，而不是换行符前面，默认就打开了这个模式。
(?U)	表示和问号的作用差不多，用于设置"贪婪模式"。

常用的正则表达式