正则表达式的学习

第一次接触正则表达式的时候一脸懵逼，相信很多人都和我一样的感受。万幸最近找到一篇文章，学到很多，因此记录一下。

概念

正则表达式描述了一种字符串的匹配模式，可以用来检查一个串是否含有某种子串，将匹配的字串做替换或者取出符合匹配条件的字串。
它是由普通字符（a-z 、A-Z 、 0-9 等）以及特殊字符组成的规则，它作为一个模板，将其他字符串与之进行匹配，得到匹配结果（true/false）。

特点

正则表达式是简单的，同时又是复杂，特性：简单而又功能强大，因而就决定了它的复杂。

普通字符

首先来认识一下普通字符，字母、数字、汉字、下划线以及没有特殊含义（后面会有解释）的标点符号都是普通字符，在用正则匹配时，匹配的就是字符本身。

举例：

表达式	匹配
"c"	在匹配字符串"abcdefg"时，匹配到字符"c"，匹配成功
"abc"	在匹配字符串"abcdefg"时，匹配到字符"abc"，匹配成功
"我"	在匹配字符串"我爱学习"时，匹配到字符"我"，匹配成功

转义字符

不是原来的字面意思，转为其他含义。
如：

表达式	说明
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车符
\s	匹配一个任意空字符
\S	匹配一个任意非空字符

还有一些下面的特殊字符，在前面加""，表示匹配字符本身。

特殊字符

所谓特殊字符，就是有特殊含义的字符，在正则中含义是固定的。

表达式	说明
^	这个符号有两种意思，下面会有具体解释
$	匹配的字符的位置在末尾
.	可以匹配除换行符以外的任意字符

还有其他特殊字符，下面会分类进行解释和如何使用。对于这些特殊字符，在字符前加""，在匹配时匹配的是字符本身，如："^"、 "$"、 "." 其实匹配的是"^"、 "$"、 "."。

表达式

1、匹配多个字符

字符的一对一匹配很好解释和理解，但是还有一些其他的书写方式，用于一对多的匹配，即一个字符匹配多个字符中的任意一个，就表示匹配成功。虽然可以匹配其中多个字符，但是只能是一个字符。

表达式	说明
\d	0-9任意一个数字，只能是一个
\w	字母A-Z a-z 数字0-9 下划线_ 中的任意一个，只能是一个
\s	任意一个空字符

表达式的理解比较抽象，我们举例说明：
表达式 "\d\d" 在匹配 "123" 时，匹配成功，匹配到的内容是"12"。因为"\d"表示任意一个0-9的数字，所以两个"\d"就表示匹配两个连续的数字，即“12”。
表达式 "a.\w" 在匹配 "55a5b556"时，匹配成功，匹配的内容是"a5b"。表达式的意思是连续三个字符，第一个是"a",第2个是任意非换行符的字符，第3个是字母或数字或下划线，即"a5b"。当然，如果字符中有"acc"、"a55"、"a.5"也表示匹配成功。

2、匹配自定义的多个字符

要匹配自定义的多个字符就要用到集合符合[ ]，可以将要匹配的多个字符放在里面，如：[abc345]。
如果在集合的字符之前加"^"，如[abc345]，就表示匹配除了a、b、c、3、4、5以外其他任意一个字符。

表达式	说明
[a1b2c3]	可以匹配a、b、c、1、2、3中的任意一个
[^a1b2c3]	可以匹配a、b、c、1、2、3以外的任意一个字符
[a-f5-9]	可以匹配a-f之间和5-9之间的任意一个字符
[^a-f5-9]	可以匹配a-f以外或5-9以外的任意一个字符

举例：
表达式"[mq][abc][123]" 在匹配"mb3k56a"时，匹配成功，匹配到的内容是"mb3"。
表达式"[^mq][abc]"在匹配"mb3k56a"时，匹配成功，匹配到的内容是"6a"。表达式的意思是匹配两个字符，第一个不是m 不是q，第2个字符是a b c 三个字符中的一个。

3、匹配次数设置

匹配次数就是重复匹配的次数。有些字符比较长，对于相同规则的可以进行简化。比如上面提到的"\d\d"就可以简化成"\d{2}"，即两个连续的数字，因为第一个是数字，匹配两次，即匹配两个字符，第2个也是数字。

表达式	说明
{n}	匹配固定次数
{m,n}	至少匹配m次，最多匹配n次，（m<n）
{m,}	至少匹配m次
*	匹配任意次
?	匹配0次或匹配1次
+	至少匹配1次

举例：
表达式"\d{11}" 可以匹配连续的11个数字，{11}表示匹配11次，即11个字符
表达式"\d+.\d" 在匹配"it is ￥12.5"时，匹配成功，匹配到的内容"12.5"，表达式的含义：小数点前至少有一个数字，小数点后有一个数字
表达式"go{2,8}gle" 可以匹配"goooooogle"，{2,8}表示至少匹配两次，最多匹配8次，所以6个"o"能匹配上。

4、其他意义抽象的特殊符号

表达式	含义
"^"	与字符串开始的地方进行匹配，但不代表任何字符，也不匹配任何字符
"$"	与字符串结束的地方匹配，但不代表任何字符，也不匹配任何字符
"\b"	匹配一个字符串的边界，也就是一个位置，左右两边一边是字符，一边不是字符，是一个单词的边界，本身不代表任何字符，也不匹配任何字符

还是举例说明：
a、表达式"^aaa" 在匹配"aaabbccc"是匹配成功，因为"^"要求三个连续的"a"必须在字符串的开始的位置，在匹配"xxxaaaxxx"时，匹配失败，因为"aaa"不在字符串开始的位置。
b、表达式"$bbb"在匹配"aaaccbbb"时匹配成功，因为"$"要求三个连续的"b"必须在字符串结束的位置，在匹配"xxxbbbxxxx"时，匹配失败，因为"bbb"不在字符串结束的位置。
c、表达式".\b."在匹配"@@@abc"时匹配结果："@a"，因为"."表示任意非换行符的字符，"\b"是一个限制条件，要求左右两边一边是字符，一边不是字符，所以就匹配到"@a"。
d、进一步说明，"\b"和"^"、"$"本质是一样的，符号本身不匹配任何字符，都是限制条件。
举例"\bend\b"在匹配"weekend,endfor,end"时，匹配成功，因为表达式中的"e"和"d"都是字符，而"\b"要求匹配的位置一边是字符，一边不是，所以"e"左边必须不是字符，"d"右边必须不是字符，所以匹配到最后的"end"，因为之后最后的"end"左右两侧才不是字符，而是字符的边界。

5、表达式优先级设置

表达式	含义
"|"	或的意思，两者符合一个就行
"（）"	一组括号，两层含义：①、在被修饰匹配次数的时候，括号中的表达式可以作为一个整体被修饰;②、取匹配结果的时候，括号中的表达式匹配的内容可以作为一个整体被单独得到

举例：
表达式"Tom|Jack"在匹配字符串是时"I'm Tom,he is Jack" 匹配到的数据是"Tom"，匹配下一个时匹配的是"Jack"。
表达式"(go\s)+"在匹配"Let's go go go!"时，匹配到的内容是"go go go"，"\s"表示任意一个空白字符，" * "表示任意次数，所以"( )"匹配到的内容是"go "[ go后面是有空格的 ]，"+"表示最少出现一次，所以可以匹配多次"go "，所以匹配到到"go go go"
表达式"￥（\d+.\d）"在匹配"$12.9,￥20.5"时，匹配成功，匹配到"￥20.5"。

6、反向引用\1、\2......

表达式在匹配时，经常使用"( )"将其作为一个整体进行匹配，同时又将匹配到的结果保存下来。而在实际应用开发中，在匹配到结果之后，我们在后边的表达式中还想用，简单的方法是将其重新写一下，但是如果是复杂的，再重新写就比较麻烦，而且如果多次使用的话就更麻烦，针对这个问题，正则给了一个简单的使用方法：反向引用。
引用方法是""再加上数字序号，数字序号的意思是表示引用第几个括号，如"\1"引用第一个括号匹配的值，"\20"引用第20个括号匹配的值........以此类推，如果一个括号内包含另一对括号，则从外向内、从做向右编号。
举例：
表达式"('|")(.?)(\1)"在匹配" 'Hello',"world" "时匹配到" 'Hellow' ",下次匹配时匹配到" "World" "，其中"(\1)"表示"('|")"匹配到的内容。
表达式"(\w)\1{4,}"在匹配"aa bbbb ccccc 111121111 999999999"时匹配到"ccccc"，再次匹配时匹配到"999999999"，"(\w)"最少出现5次。
表达式"<(\w+)\s(\w+(=('|").?\s)>.?</\1>)"在匹配" <td id='td' style="bgcolor.white"></td>"匹配成功，如果<td></td>不配对，则匹配失败。
上图：

image.png
图中的序号就是在引用时的顺序，方便大家理解。

7、正则表达式的高级规则（贪婪模式和非贪婪模式）

贪婪模式：
在使用次数修饰符修饰表达式的时候，有几种表示方法可以使同一个表达式能够匹配多次，比如"{m}"、"{m,n}"、"?"、" * "，这种重复的匹配次数的表达式在匹配过程中，总是尽可能的多匹配，这种模式就是贪婪模式。
举例：针对字符串"dxxxdxxxd"

表达式	解释
(d)(\w+)	"(\w+)"将匹配字符"d"之后的所有字符，即"xxxdxxxd"
(d)(\w+)(d)	"(\w+)"将匹配第一个"d"和最后一个"d"之间的所有字符，即"xxxdxxx"，虽然"(\w+)"也能匹配上最后一个"d"，但如果匹配了最后一个"d"，则表达式就不能匹配成功，所以"(\w+)"会让出最后的一个"d"，从而促使表达式匹配成功

由此可见，"\w+"在匹配的时候总是尽可能多的匹配符合它规则的字符，虽然第2个举例中它没有匹配最后的一个"d"，但那是为了让整个表达式能够匹配成功；同理，在使用" * "、"{m,n}"时都是尽可能多的去匹配，在使用"?"进行可有可无的匹配时也是尽可能要匹配，这就是贪婪模式。

非贪婪模式：（容易满足）
在修饰匹配次数的符号后加上符号"?"，则可以使匹配次数不定的表达式尽可能少的匹配，只要满足规则就行，不需要对整个字符串匹配，在可有可无的进行匹配时选择不匹配，这种匹配模式称为“非贪婪模式”，当然如果在匹配中少匹配会导致匹配失败的话，还是会进行贪婪模式的多匹配，以使表达式匹配成功。

非贪婪模式的匹配原则：如果少匹配能是表达式匹配成功，则少匹配；如果少匹配时匹配失败，则进行多匹配，保证匹配成功。
举例：针对字符串"dxxxdxxxd"

表达式	解释
(d)(\w+?)	根据非贪婪模式的原则，"\w+?"尽可能少的匹配，所以只能匹配到一个字符，即字符"d"后面的"x"
(d)(\w+?)(d)	根据非贪婪模式的原则，尽可能少的匹配，所以"\w+?"能匹配到第一个"d"和第二个"d"之间的字符"xxx"，如果第二个"d"改成其他字符，则匹配到的是第一个和最后一个之间的所有字符

外篇：（一起共同学习进步）
QQ群：541144061

QQ群.png