正则表达式学习（上）

学习资料：

• 《学习正则表达式》

哈哈，购买链接，以后做书托 ：）

1. 开始，零碎知识点

• 配合书练习的网站：Regex Pal

• 匹配任意字符

. 点：英文句号，一个通配符，可以匹配任意字符，但一些特殊情况下不能匹配行起始符，例如，U+000A，也可以匹配%或者|

---

1.1 捕获分组和向后引用

捕获分组，向后引用

1. (\d):匹配第一个数字7，并将其捕获
2. \d:匹配第二个数字0，但没有对其捕获
3. \1:对捕获的数字进行方向引用，数字7

将一个目标用()括起来，就创建捕获分组，\1则表示引用

---

1.2 使用量词

量词

1. (:左圆括号，捕获分组的起始符
2. \\: 反斜杠，字符组简写式的起始符，对之后的字符进行转义
3. d:字符d，字符组的简写式的结束符，d，匹配[0-9]内任意数字
4. {:左花括号，量词起始符
5. 3:数字3，匹配目标字符个数的最小数量
6. ,:逗号，分隔作用，这里分隔开不同的数量
7. }:右花括号，量词结束符
8. [:左方括号，字符组的起始符
9. .:点号，匹配点号本身
10. -:连接符，匹配本身
11. ]:右方括号，字符组结束符
12. ?:问号，表示量词，零个或者1个
13. ):右圆括号，捕获分组的结束符
14. +:加号，表示量词，一个或者多个

整个表达式含义：括号里的模式出现一次或者多次，括号里的规则是匹配三位数字或者四位数字，后面跟一个点号或者连字符

花括号包括的数字表示待查找的目标出现的次数。花括号是一种量词，本身用做元字符

问号，是另一种量词，在上面的表达式中表示连字符是可选的，也就是说连字符-可以出现一次，也可以一次都不出现

*星号，零个或者多个

注意：上面的表达式虽然匹配了电话字符串，但并不完全正确，因为只是匹配了3位或者4位数字，而不管是否符合电话号码的格式

改进：

(\d{3}[.-]?){2}\d{4}

改进后的含义：连续两个无括号3位数字后，每个3位数后面可以有连字符也可以没有，最后一个4位数字

---

1.3 括选文字符

无括号区号

有括号区号

上面一个表达式，可以匹配两种形式的电话号码字符串，开始的3位数区号，可以带括号，也可以不带括号

1. 开头的脱字符^或者中间位置的^，表示匹配出现在一行 起始位置的目标字符
2. (:，捕获分组起始符
3. \(:，表示括号(字符本身，\作为转义字符，(本身有捕获分组的起始符的含义，需要转义字符
4. d{3}:，匹配3位数字
5. \):，表示)自身，与第3条同理
6. ** |:**，表示选择，可以从多个选项中选择一个。本例中就是匹配一个带括号或者不带扩号的区号
7. 脱字符^:，匹配行起始位置
8. ** \d{3}:**，匹配3位数字
9. [.-]?:，匹配一个可选的.点号或者-连字符
10. ):，右圆括号，捕获分组结束符
11. ?:，表示之前的(\(\d{3}\)|^\d{3}[.-]?)整个分组，都是一个可选项，可有可无
12. \d{3}:，匹配3位数字
13. [.-]?:，匹配一个可选的.点号或者-连字符
14. \d{4}:，匹配4位数字
15. $:，匹配行结束位置

以上正则表达式中的捕获分组并不是必需的。分组是必要的，但是捕获不需要。更好的方法是使用非捕获分组

---

2. 简单的模式匹配

• 配合学习的网站：RegExr
• 配合学习的示例文本：rime-intro.txt

2.1 零碎

• \d:绝大多数情况下，都可以用来匹配阿拉伯数字
• [0-9]:匹配数字，比\d更灵活，例如，[1-3]，只匹配1,2,3这三个数字
• \D:匹配非数字字符，包括空格、标点符号（引号、连字符、反斜杠、方括号）等字符；[^0-9],[^\d]，同作用
• \w:匹配字母，数字，下划线，在匹配英文字符组时，[_a-zA-Z0-9]，同作用
• \W:匹配空格、标点，其他非字母字符，非数字字符（包括中文），[^_a-zA-Z0-9]，同作用，简写式就是[^\w]

---

2.2 匹配空白字符

\s匹配空白符

• \s:匹配空白字符，[ \t\n\r] ，间括号内开始有空格，同作用

可以匹配：

1. 空格
2. 制表符\t
3. 换行符\n
4. 回车符\r

• \S:匹配非空白字符,包含中文字符，[^ \t\n\r]，同作用

---

2.3 匹配任意字符

去掉global全局模式，用来得到匹配文本中第一个符合匹配项

匹配 THE RIME

.点号在绝大多数情况下，都可以匹配除了行结束符外的任意字符

8个点，可以用.{8}来代替

---

特执性匹配ANCYENT

这个表达性具有很强的 特指性specificity，只要是A*****T这样形式的单词就符合条件

1. \b:简写式匹配单词边界，不消耗任何的字符
2. A，T:限定单词首尾字母
3. .{5}:匹配任意5个字符
4. \b:结束边界

---

匹配换行符前的字符

.*：匹配零个或者多个字符，在取消global模式下，匹配换行符前的字符，也就是只匹配第一行的字符，.+，[^\n]或者[^\n\r],同作用。在global模式下，.+，[^\n]或者[^\n\r]则匹配全部的字符

若发现不正常匹配的，将文本时的格式整理整理，删除文本中间的复制时，带的多余无用的回车符

---

3. 边界

断言标记边界，但并不消耗字符，字符并不会返回到结果中。断言也被称为零度宽断言zero-width assertion。零度宽断言不匹配字符，而是匹配字符串中的位置。其中，^和$也叫做锚位符anchor

本章节主要学习：

• 行或者字符串的起始和结束位置
• 单词的边界（两种）

---

3.1 行的起始和结束

脱字符^:匹配行或者字符的起始。根据上下文，^会匹配行或者字符串的起始位置，也可以匹配整个文档的起始位置

$：匹配行或者字符串结束位置

multiline模式:多行，勾选后，整个目标文件被视为一个字符串

匹配How开头Country结束的字符串

^How.*Country\.$:匹配How开头的整行。\反斜杠的是做转义字符，对.点号进行转义，点号被解释为字面值，也就是点号本身，而不是匹配任意字符

如果不勾选mutiline模式，则不能匹配到图中的高亮部分，表达式无效

---

3.2 单词边界与非单词边界

匹配THE

\bTHE\b:在勾选global模式下，第一行两个THE都会匹配

就像^和$一样，\b是个零度宽断言，表面上会匹配空格或者是行起始，而实际上它匹配的是个零宽度的不存在的东西。第2个THE的两边的空格并没有标亮，并不会被匹配到

读了2遍，也不是很明白

---

匹配单词首尾外位置的e

\B:非单词边界，匹配单词首尾之外位置，例如单词或者字符串中间位置出现的字母或数字

图中有个很典型的便是倒数第2行的eye，没有高亮

---

4. 最后

哈哈，单身狗，平安夜，学习知识

正则的知识点，好零碎，需要多看多练习。书一共9章，就打算一篇博客记录3章学习的知识点

本人很菜，有错误请指出

共勉 ：）