正则基础之字符组、量词

1. 字符组

1.1 普通字符组

• 字符组中的字符排列顺序并不影响字符组的功能，出现重复字符也不会影响
  • 比如：[123], [312],[1223]
• -范围表示法
  • 比如 [a-z]表示 a 到 z 整个范围内的字符，省去一一列出的麻烦
  • 在字符组中，-表示的范围，一般是根据字符对应的码值（Code Point，也就是字符在对应编码表中的编码的数值）来确定的，码值小的字符在前，码值大的字符在后

示例：
匹配十六进制字符
正则表达式：[0-9a-fA-F]

1.2 元字符与转义

• 转义：取消特殊含义
• 元字符可以通过加反斜杠\ 来转义
• 字符组中的横线-并不能匹配横线字符，而是用来表示范围
  • –出现在不同位置，含义不同；- 如果紧邻着字符组中的[，那么它就是普通字符，其他情况下都是元字符
  • 正则表达式原生字符串 [0\-9]
  • 程序代码 String regx = "[0\\-9]";
• \ 也是一个元字符，匹配本身 \\

1.3 排除型字符组

• [^...]
  • 第一个非数字，第二个是数字 [^0-9][0-9]

1.4 字符组简记法

• \d 等价于 [0-9]
• \w 等价于 [0-9a-zA-Z_], w 代表单词字符（word）
• \s 等价于 [\t\r\n\v\f]

1.5 字符组运算

匹配元音字母 [aeiou]
匹配辅音字母 [[a-z]&&[^aeiou]], 即从26个字母中“减去”元音字母，剩下的就是辅音字母

2. 量词

2.1 通用形式 {m,n}

• 不确定长度的量词 d{m,n}（逗号之间不能有空格）
• {n} 出现 N 次
• {m,n} 出现 m ~ n 次
• {m,} 至少 m 次
• {0,n} 最多 N 次，隐式的上限是65536

2.2 常用量词（*、+、?）

• * 等价 {0,}
• + 等价 {1,}
• ? 等价 {0,1}

示例1: 量词 ?
匹配 http和https，正则 https?

image.png

示例2: 量词 +
HTML tag 标签，如 <table>
正则表达式：<[^>]+>
说明：用<匹配开头的<，用>匹配结尾的>，用[^>]+匹配中间的“若干字符”

image.png

表达式 <[^/>][^>]*> 匹配 open tag，排除 </img>之类的close tag

image.png

示例3:量词 *
匹配双引号字符串（可以为空串 ""）
正则表达式："[^"]*"

image.png

3. 点号

• 点号可以匹配“任意字符”（除：换行符\n），常见的数字、字母、各种符号都可以
• 真正匹配“任意字符”可用 [\s\S]

3.1 匹配优先量词（greedy quantifier）

• 匹配优先量词，顾名思义，就是在拿不准是否要匹配的时候，优先尝试匹配

假设匹配引号里字符串用正则 ".*"
分析：
.可以匹配任何字符，*表示长度没有限制
此时 "try" 和 "try" and demo" 都能被匹配

image.png

3.2 忽略优先量词（lazy quantifier或reluctant quantifier）

忽略优先量词，把 * 改为 *?
*? 限定的元素出现次数范围与 * 完全一样，都表示“可能出现，也可能不出现，出现次数没有上限”
在实际匹配过程中，遇到能匹配的字符，先尝试“忽略”，如果后面的元素不能匹配，再尝试“匹配”