正则表达式（一）：常用元字符

正则是什么

正则表达式是一种字符串模式，用来对某些规则的文本内容进行处理。利用字符串构成成的数据结构，来完成对文本内容的匹配。

经常可以看到正则表达式的句子里包含了一些\d、\w和()之类的符号，这些特殊格式的符号可以看做正则结构中的元素，这些符号也成之为元字符，下面介绍下这些元字符的作用。

常用元字符

下面列出正则中常用元字符及表示意思，这些通用元字符的使用在不同语言中表达作用是相同的。

1. 匹配字符内容

符号	代表意思	使用场景
\d	数字0-9	\d 匹配单个数字，1、2、3
\D	非数字	\D 匹配单个非数字，a、-、'
\w	字母、数字、下划线	\w 匹配单个字母、数字、下划线，a、1、_
\W	非字母、数字、下划线	\W 匹配单个非字母、数字、下划线，{、-、[
\s	空白字符	\s 匹配单个空格、回车(\n)、制表符(\t)
\S	非空白字符	\S 匹配单个非空格、换行(\n)、制表符(\t)
.	匹配除换行之外的所有字符	. 单个换行之外所有字符

以上表格中元字符为常用通配字符，使用形式如：

\d\d\d                       ---------           123
\w\w\w\w\w\s\w\w\w\w\w       ---------         hello world

但是上述写法存在一个很明显的缺陷，就是\d、\w的重复次数问题。所以下面列举表达次数的元字符

2. 匹配次数

符号	代表意思	使用场景
*	0次及0次以上	\d* 匹配数字，123、02、空
+	1次及1次以上	\d+ 匹配数字，123、02、3
?	0次或1次	\d? 匹配数字，2、空
{m,n}	m次到n次	\d{1,3} 匹配数字，2、12、123
{n}	n次	\d{2} 匹配数字，12
{n,}	n次及n次以上	\d{2,} 匹配数字，12、123、1234

有了表达次数的元字符后，上述形式的字符串模板写法就简单些了

\d{3}                      ---------           123
\w{5}\s{5}                 ---------         hello world

但是只有通配符号、和次数的元字符还不足以应对常用场景：

String line = "hello world!"

这里如果要匹配整个字符串内容，或者只匹配hello这一个单词，也就是需要对字符串的位置进行校验，下面列出匹配位置的元字符

---

3. 分组符号

在继续之前，首先介绍下"()"，这里的小括号"()"，称之为分组，分组匹配的内容可以在后续的正则中重复使用，只需要指定分组的序号即可。分组的序号是从左往右以此递增的

示例：

 ^(\w{4})\s\1\b    ---------     long long ago  ---  >    匹配"long long"  

分组的作用，除了提供后续引用之外，也用作捕获组，即正则中分组对应的匹配内容

示例：

import re

reg = "(\w{2})(\w{3})"
print(re.match(reg,"hello").groups())
输出结果：
('he', 'llo')
he
llo

由例子中可以看出这里的()分组捕获的匹配内容

有捕获分组，自然也有非捕获分组，在分组开头添加?:，表示该分组对应内容为非捕获分组

示例：

import re

reg = "(?:\w{2})(\w{3})"
print(re.match(reg,"hello").groups())
print(re.match(reg,"hello").group(1))
输出结果：
('llo',)
llo

其中分组的序号由"("出现的顺序确定，第一个"("序号为1，从左往右递增

示例：

import re

reg = "((?:\w{2})(\w{3}))"
print(re.match(reg,"hello").groups())
print(re.match(reg,"hello").group(1))
print(re.match(reg,"hello").group(2))
输出结果：
('hello', 'llo')
hello
llo

---

4. 匹配位置

符号	代表意思	使用场景
^	字符串开始位置	(^)abc 匹配字符串开头位置，a前面的位置
$	字符串结束位置	abc($) 匹配字符串结束位置，c后面的位置
\b	单词(\w)与非单词之间的位置	a(\b)= 匹配"a"与"="之间的位置
\B	字符与字符之间的位置	a(\B)b 匹配"a"与"b"之间的位置

这里的元字符只是匹配位置，通过使用位置元字符来限制、过滤指定位置条件的内容。

^(\w{5})\b   -----      hello world ->  匹配内容为: hello

这里的匹配过程是：

• ^指定字符串开头位置
• \w{5}匹配内容
• \b用来匹配"o"于空格之间的位置

5. 其他元字符

符号	代表意思	使用场景
[]	匹配范围	[a-zA-Z] 匹配单个英文字母
^	在上面的匹配位置元字符中，仅仅介绍了匹配字符串开头位置的作用，这里另外一个作用就是放在范围元字符中，起到取反的作用	[^a-d] 匹配单个非a,b,c,d四个英文字母之外的字符
\	转义元字符	1\+ 匹配"1+"
|	分支条件	ab|cd 匹配ab、cd

关于断言、懒惰匹配相关内容在下一章介绍正则表达式（二）：断言