正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。就好比用模具做产品，而正则就是这个模具，定义一种规则去匹配符合规则的字符。
一、正则表达式语法
1.1 元字符
-
特殊字符：\.^$?+*{}[]()| 以上特殊字符要想使用字面值，必须使用"\"进行转义.
-
字符类
| 表示方法 | 意思 | 举例 |
|---|---|---|
| \b | 不会消耗任何字符只匹配一个位置，常用于匹配单词边界。 | 例如我想从字符串中"This is Regex"匹配单独的单词 "is" 正则就要写成 "\bis\b" ，\b 不会匹配is 两边的字符，但它会识别is 两边是否为单词的边界 。 |
| \d | 匹配数字。 | 例如要匹配一个固定格式的电话号码以0开头前4位后7位，如0737-5686123 正则:^0\d\d\d-\d\d\d\d\d\d\d$ 这里只是为了介绍"\d"字符。 |
| \w | 匹配字母，数字，下划线。 | 例如我要匹配"a2345BCD__TTz" 正则："\w+" 这里的"+"字符为一个量词指重复的次数，稍后会详细介绍。 |
| \s | 匹配空格 。 | 例如字符 "a b c" 正则："\w\s\w\s\w" 一个字符后跟一个空格，如有字符间有多个空格直接把"\s" 写成 "\s+" 让空格重复。 |
| . | 匹配除了换行符以外的任何字符。 | 这个算是"\w"的加强版了"\w"不能匹配 空格 如果把字符串加上空格用"\w"就受限了，看下用 "."是如何匹配字符"a23 4 5 B C D__TTz" 正则：".+"。 |
| [abc] | 字符组 匹配包含括号内元素的字符 。 | 这个比较简单了只匹配括号内存在的字符，还可以写成[a-z]匹配a至z的所以字母就等于可以用来控制只能输入英文了， |
- 几种反义
写法很简单改成大写就行了，意思与原来的相反，这里就不举例子了
| 表示方法 | 意思 |
|---|---|
| \W | 匹配任意不是字母，数字，下划线 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 |
| [^abc] | 匹配除了abc以外的任意字符 |
1.2 量词
| 表示方法 | 意思 |
|---|---|
| ? | 匹配前面的字符0次或1次 |
| * | 匹配前面的字符0次或多次 |
| + | 匹配前面的字符1次或者多次 |
| {m} | 匹配前面表达式m次 |
| {m,} | 匹配前面表达式至少m次 |
| {,n} | 匹配前面的正则表达式最多n次 |
| {m,n} | 匹配前面的正则表达式至少m次，最多n次 |
注意点：以上量词都是贪婪模式，会尽可能多的匹配。
此外，还需要介绍两个概念：：
-
贪婪(贪心)。贪婪量词会尽可能匹配更多的字符，例如对于字符串“AAAAAAAAAAA”，如使用“A*”匹配则会得到整个字符串。贪婪量词会首先匹配整个字符串，尝试匹配时，它会选定尽可能多的内容，如果 失败则回退一个字符，然后再次尝试回退的过程就叫做回溯，它会每次回退一个字符，直到找到匹配的内容或者没有字符可以回退。
-
懒惰(勉强) 。懒惰量词会尽可能少的匹配字符，同样例如对于字符串“AAAAAAAAAAA”，如使用懒惰“A*？”匹配则只得到“A”。懒惰量词使用另一种方式匹配，它从目标的起始位置开始尝试匹配，每次检查一个字符，并寻找它要匹配的内容，如此循环直到字符结尾处。
如果要将贪婪量词改为懒惰量词，通过在量词后面跟随一个?来实现。
| 表示方法 | 意思 | 举例 |
|---|---|---|
| *? | 重复任意次，但尽可能少重复。 | 如 "acbacb" 正则 "a.*?b" 只会取到第一个"acb" 原本可以全部取到但加了限定符后，只会匹配尽可能少的字符 ，而"acbacb"最少字符的结果就是"acb" 。 |
| +? | 重复1次或更多次，但尽可能少重复。 | 与上面一样，只是至少要重复1次。 |
| ?? | 重复0次或1次，但尽可能少重复。 | 如 "aaacb" 正则 "a.??b" 只会取到最后的三个字符"acb"。 |
| {n,m}? | 重复n到m次，但尽可能少重复。 | 如 "aaaaaaaa" 正则 "a{0,m}" 因为最少是0次所以取到结果为空。 |
| {n,}? | 重复n次以上，但尽可能少重复。 | 如 "aaaaaaa" 正则 "a{1,}" 最少是1次所以取到结果为 "a"。 |
二、正则进阶
2.1组与捕获
-
正则中的捕获分组，其实就是一个括号内的内容 如 "(\d)\d" 而"(\d)" 这就是一个捕获分组。 每一个没有使用?:的小括号都会分配一个组好，从1开始，从左到右递增，可以通过\i引用前面()内表达式捕获的内容。如(\d)\d\1 这里的"\1"就是对"(\d)"的后向引用。
-
分组的另一个作用就是将正则表达式的一部分内容进行组合，以便使用量词或者|。
下面列出捕获分组常有的用法：
| 表示方法 | 意思 |
|---|---|
| (exp) | 匹配exp,并捕获文本到自动命名的组里。 |
| (?<name>exp) | 匹配exp,并捕获文本到名称为name的组里。 |
| (?:exp) | 匹配exp,不捕获匹配的文本，也不给此分组分配组号。 |
引用方法：
- 通过组号反向引用： 每一个没有使用?:的小括号都会分配一个组好，从1开始，从左到右递增，可以通过\i引用前面()内表达式捕获的内容
- 通过组名反向引用前面小括号内捕获的内容：可以通过在左括号后面跟随?P<name>,尖括号中放入组名来为一个组起一个别名，后面通过(?P=name)来引用 前面捕获的内容。如(? P<word>\w+)\s+(?P=word)来匹配重复的单词。
注意点：反向引用不能放在字符类[]中使用。
2.2零宽断言
零宽断言正如它的名字一样，是一种零宽度的匹配，它匹配到的内容不会保存到匹配结果中去，最终匹配结果只是一个位置而已。作用是给指定位置添加一个限定条件，用来规定此位置之前或者之后的字符必须满足限定条件才能使正则中的字表达式匹配成功。
常用断言：
| 表示方法 | 意思 |
|---|---|
| ^ | 在起始处匹配，如果有MULTILINE标志，则在每个换行符后匹配 |
| $ | 在结尾处匹配，如果有MULTILINE标志，则在每个换行符前匹配 |
| \b | 匹配单词的边界，放在字符类[]中则表示backspace |
| \B | 匹配非单词边界，受ASCII标记影响 |
| \A | 在起始处匹配 |
| \Z | 在结尾处匹配 |
| (?=exp) | 零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。 |
| (?<=exp) | 零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp |
| (?!exp) | 零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp。 |
| (?<!exp) | 零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp |
例如：我们要查找hello，但是hello后面必须是world，正则表达式可以这样写："(hello)\s+(?=world)",用来匹配"hello wangxing"和"hello world"只能匹配到后者的hello
2.3选择匹配
可使用“|”进行表示选择，A|B可以匹配A或B。例如(P|p)ython可以匹配'Python'或者'python'。
网友评论