正则表达式快速入门

1. 正则表达式介绍

1.1 概念解释

正则表达式，又称正规表示法、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。
以上百度百科抄袭【传送门】

1.2 引擎

• DFA
• 传统型NFA
• POSIX NFA

详细介绍还是继续看百度百科吧 (＞﹏＜) 【 传送门】

2. 正则表达式使用

2.1 表达式总览

总览表

2.2 常用元字符

2.2.1 内容性字符

字符	理解
.(点)	匹配任意单个字符。
\w	单词字符，大多数情况下可等同[A-Za-z0-9_]，有得引擎可匹配中文，有的不可以，如果在特殊情况下需要进行测试
\d	数字，等同[0-9]
\b	单词边界，即排除\w以外的字符
\W \D	\w, \d 互斥集合
\s	空白字符，等价与[\f\n\r\t\v], 互斥集合\S

2.2.2 功能性字符

字符	理解
[]	区间段，比如[A-Fa-f0-7]、[aui391]，前后字符ascii码值大小不可颠倒。
^	匹配字符开始的位置。 如果在[]里使用则表示匹配字符不再区间内，例如[^\d]标识匹配除\d以外的字符。
$	匹配字符的结束位置。
+,?,*	表达式的出现次数或重复次数(不明确次数)。 +表示表达式出现1次或重复多次; ?表示表达式出现0次或1次; *表示表达式出现任意次数
{n}, {n,m}, {n,}	表达式出现的次数（明确的次数）。{n}表示出现n次，{n, m}表示出现n到m次，{n,}出现大于n次
\	转义符
()	分组获取，可使用$1...$99(最大数百度百科上是9)获取到分组匹配的结果，具体可以看总览表。
	逻辑或，表达式的顺序会影响匹配结果，会将最先匹配到的结果返回
(?=pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻后部分需要符合pattern表达式
(?!pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻后部分不符合pattern表达式
(?<=pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻前部分需要符合pattern表达式
(?<!pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻前部分不符合pattern表达式

2.3 使用技巧

正则表达式不支持逻辑计算。
编写正则表达式的思路：

1. 观察需要匹配的文本特点和规律。
2. 尝试性编写正则表达式，由简入深的编写。
3. 反复测试正则表达式和完善表达式。

单次匹配

单词列表

 house
 write
 first
 so
 these
 her
 long
 picture
 point
 animal
 again
 us
 try

查找长度5，第二个字符是o的单词
.o...(这样匹配的时候会匹配上部分文本，以下有解决方法)

第二位是o或i的单词
.[oi]...
该表达式会匹配picture、animal的部分，解决这个问题可以在表达式两边加上\b, 结果
\b.[oi]...\b

子表达式和重复匹配

子表达式是表示一个复杂匹配的单元，使用()括起来的一组复杂的正则表达式。
这里写一个正则来匹配正确的IP地址作为。
((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)(25[0-5]|1\d\d|2[0-4]\d|[12]\d|\d)等价于
((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.){3}(25[0-5]|1\d\d|2[0-4]\d|[12]\d|\d)

以上(\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])和((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)是子表达式。

回溯引用

回溯引用需要将要匹配的表达式分组。以下给出两个示例。

1. 匹配Html的中的h标签的文本段落

 <h1>h1段落</h1>
 <h1>h1段落</H1>
 <h2>h21段落</h1>
 <h2>h2段落</h2>

正确匹配的正则表达式<([Hh][1-6])>.*</\1>其中\1就是回溯的([Hh][1-6])表达式。

2. 查找文本中的相邻重复单词
   文本

This is a block of of text, serveral words here are are repeated, and and they should not be.

表达式[ ](\w+)[ ]+\1，会 将以上文本中的of of 、 are are和and and查找出来。

3. 回溯替换，以下使用js代码作为示例了

 var str = '2016-02-16';
 var reg = /(\d{4})-(\d{2})-(\d{2})/;
 var ret = str.replace(reg, "$1-$3-$2");
 console.log(ret);

贪婪匹配和非贪婪匹配

贪婪匹配，尽可能多的匹配文本，正则表达式默认启用的就是贪婪模式， +和都是贪婪匹配的字符；而非贪婪匹配，则是尽可能少的匹配文本，启用非贪婪模式则使用*?。

文本aaaaa
使用a+（贪婪模式）则会匹配整段文本
而使用a+?只则匹配文本中的单个a字符;

html <div>第一段文本html内容</div><div>第二段html内容</div>
<div>.*</div>表达式会匹配整段代码，即贪婪模式。
<div>.*?</div>表达式只会匹配 <div>第一段文本html内容</div>，即非贪婪模式。