[regex] 正则表达式入门教程

本文译自：Regex tutorial — A quick cheatsheet by examples
一个测试regex的网站：https://regex101.com/

标志

regex通常包含在一对/中，如/abc/。在第二个/后面可以指定标志：

• g（global）：匹配成功后继续往下匹配。
• m（multi-line）：^和$在行内搜索，而不是整个字符串
• i（insensitive）：大小写不敏感

锚定— ^ and $

^begin			匹配开始的begin字符串
end$			匹配结尾的end字符串
^begin end$		匹配开始为begin结尾为end的字符串
foobar			匹配字符串foobar

这里开头结尾的定义受标志m影响。

量词— * + ? and {}

abc*			匹配ab之后紧跟0个或多个c
abc+			匹配ab之后紧跟1个或多个c
abc?			匹配ab之后紧跟0个或1个c
abc{num}		匹配ab之后紧跟num个c
abc{num,}		匹配ab之后紧跟num个或更多c
abc{num1,num2}	匹配ab之后紧跟num1到num2个c
a(bc)*			匹配a之后紧跟0个或多个bc

“或”运算符 — | or []

a(b|c)			匹配a之后紧跟b或c
a[bc]			同上

字符类别— \d \w \s and .

\d				匹配一个数字字符
\w				匹配一个单词
\s				匹配一个空白字符
.				匹配任意字符

将上面的字母大写进行反向匹配：

\D				匹配一个非数字字符
\W				匹配一个非单词
\S				匹配一个非空白字符

转义字符

下面几个字符都需要进行转义，在字符前加\即可：
^ . [ $ ( ) | * + ? { \

分组和捕获 — ()

a(bc)				匹配abc，bc分组捕获
a(?:bc)				匹配abc，bc分组，禁用捕获
a(?bc)			匹配abc，bc分组捕获，将分组命名为foo

括号内的字符串形成一个分组，可以和“量词”连用。
分组捕获的内容可以用于“反向引用”（见后文），还可以用编程语言（JS,C/C++,Python,Java）提取出来。多个匹配结果以数组的形式输出；如果使用分组命名，将以map的形式输出，键名为每个分组的名称。

括号表达式 — []

[abc]				匹配其中任一字符
[a-z]				匹配a-z的任一字符
[a-fA-F0-9]			匹配这些范围内的任一字符
[^a-zA-Z]			匹配任一不在这些范围内的字符

贪婪和懒惰匹配

* + {}默认以贪婪模式进行搜索，尽可能地扩展搜索范围。

比如对This is a

simple div

test执行<.+>模式匹配，将得到

simple div

。

在后面加上?可以让它以lazy模式进行搜索。

<.+?>					匹配<和>中的任意内容，必要时才扩展
<[^<>]+>				比上面的更严谨一些

分界符— \b and \B

\babc\b					对abc全词匹配
\Babc\B					abc必须被其他字符环绕

反向引用 — \1

([abc])\1				匹配和第一个捕获分组相同的内容
([abc])([de])\2\1		\n代表从左到右第n个捕获分组
(?[abc])\k	通过名称引用之前的捕获分组

先行断言和后行断言 — (?=) and (?<=)

d(?=r)					匹配d后紧跟r的字符串，不把r包括在内
(?<=r)d					匹配d之前紧跟r的字符串，不把r包括在内

同样可以使用它的否定操作符：(?!r)和(?。