什么是正则表达式
简单来说，正则表达式是一些用来匹配和处理文本的字符串。它主要有两种使用场景：一种是查找特定的信息（搜索），另一种是查找并编辑特定的信息（替换）。
参考正则表达式30分钟入门：(https://deerchao.cn/tutorials/regex/regex.htm)
匹配单个字符
- 匹配特定纯文本
普通字符可作为正则表达式，匹配该字符本身。 - 匹配任意字符
正则表达式中，.可以匹配任何一个单个的字符，除了换行符外，类似于DOS中的?字符和SQL中的_（下划线）字符。 - 匹配特殊字符
正则表达式中，\是一个元字符（metacharacter），表示这个字符有特殊含义，而不是字符本身的含义。\后面跟着一个特殊字符，可对该特殊字符转义。要匹配一个特殊字符时，应该由\跟着特殊字符去匹配。比如\.表示匹配一个.。
匹配一组字符
元字符[和]用来定义一个字符集合，其含义是必须匹配该集合中的一个字符。定义一个字符集合具体做法有两种：一是把所有的字符都列举出来，该做法通常用于要列举的字符较少时，例如[abc]；二是利用元字符-以字符区间的方式给出，例如[0-9]将匹配0-9中的任意一个。注意在定义一个字符区间的时候，一定要避免让这个区间的尾字符小于它的首字符，如[3-1]，这种区间是无意义的，而且往往会让整个模式失效。-（连字符）是一个特殊的元字符，作为元字符它只能用在[和]之间。在字符集合外，-只是一个普通字符，只能匹配-自身，因此-字符不需要转义。
此外，字符集合可以用元字符^来求非：这将把给定集合里的字符强行排除在匹配操作之外。例如[^a-b]将匹配除了a，b以外的字符。
使用元字符
- 对特殊字符转义
要匹配特殊字符，必须使用\进行转义
要转义个字符：
$
()
*
+
.
[]
?
\
^
{}
|
'
"
- 匹配空白字符
元字符大致分为两种：一种是用来匹配文本的（比如.），另一种是正则表达式语法要求的（比如[和]）。匹配非打印空白字符的元字符如下：
\b Backspace键，匹配一个单词的头尾
\f 换页符
\n 换行符
\r 回车符
\t 制表符
\v 垂直制表符
Windows结束行：\r\n，Unix/Linux结束行：\n，匹配一个空白行可以用\r\n\r\n或者\n\n。
- 匹配特定的字符类别（字符类）
\d 任何一个数字字符（等价于[0-9]）
\D 任何一个非数字字符（等价于[^0-9]）
\w 等价于[a-zA-Z0-9]
\W 等价于[^a-zA-Z0-9]
\s 任何一个空白字符（等价于[\f\n\r\t\v]）
\S 任何一个非空白字符（等价于[^\f\n\r\t\v]）
重复匹配
- 有多少个匹配
+: 匹配一个或者多个字符（字.符集合）。[0-9]+会匹配一个或多个数字。+是元字符，要匹配+必须转义：\+。
一般来说，当在字符集合里使用像.、+这样的元字符的时候，元字符会被解释为普通字符，不需要被转义，但转义了也是可以的。
[\w.]的使用效果和[\w\.]是一样的。
*: 匹配零个或者多个字符（字符集合）。*也是一个元字符，要匹配*本身必须使用\*
?: 匹配零个或者一个字符（字符集合）。\?匹配?本身。[\r]?\n匹配Windows或者Unix/Linux下的换行符。
- 匹配的重复次数
在字符或者字符集合后面跟着元字符{和}可以设置要匹配的重复次数。如果要匹配{和}本身，必须使用转义{和}。
[[:xdigit:]]{6}: 匹配336633和FFFFFF等
a{2,4}：匹配2-4个连续的a
a{2,}: 匹配至少连续两个a
- 防止过度匹配
贪婪模式与懒惰模式
* *?
+ +?
{n, } {n, }?
位置匹配
- 单词边界（boundary）
边界限定符
\b用来匹配单词的边界，\b匹配这样的一个位置，它位于一个\w和一个\W之间。
\B用来这样一个位置，它前后都是\w，或者前后都不是\w。
\b匹配且只匹配一个位置，不匹配任何字符，即不消耗字符。用\bcat\b匹配到的字符串的长度是3，而不是5。 - 字符串边界
^匹配字符串的开头，$匹配字符串的结尾。注意^只有出现在一个字符集合里[]并且紧跟在[之后才能发挥取非的作用。
分行匹配模式
启用分行匹配模式后，^不仅匹配正常的字符串开头，还将匹配行分隔符（分行符）后面的开始位置（这个位置是不可见的）；类似的，$不仅匹配正常的字符串结尾，还将匹配行分隔符（换行符）后面的结束位置。
使用子表达式
- 子表达式
子表达式是一个更大的表达式的一部分，用(和)括起来，当做一个独立元素来使用。(和)是元字符，要匹配(和)自身，必须使用转义序列\(和\)。
|是正则表达式里面的或操作符，(19|20)\d{2}匹配年份
匹配IP地址。一个合法IP地址的各组数字必须且只能符合以下规则：
- 任何一个1位或者2位数字（0-99）
- 任何一个以1开头的3位数字（100-199）
- 任何一个以2开头、第二位数字在0-4之间的3位数字（200-249）
- 任何一个以25开头、第3位数字在0-5之间的3位数字。（250-255）
所以可以写出匹配IP地址的正则表达式：
(((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))
回溯应用：前后一致匹配
回溯引用指的是模式的后半部分引用在前半部分中定义的子表达式。回溯引用只能用来引用模式里的子表达式（用(和)括起来的正则表达式片段）。回溯引用匹配通常从1开始计数（\1、\2等），第0个匹配用来替代整个表达式。
比如[ ]+(\w+)[ ]+\1用来匹配连续两个重复单词。
前后查找（只匹配不消费）
- 向前查找（lookahead）
文本
http://www.forta.com/
https://mail.forta.com/
ftp://ftp.forta.com/
正则表达式
.+(?=:)
只匹配:，不消费它，提取协议。向前查找（和向后查找）匹配本身是有返回结果的，只是这个结果的字节长度永远是0而已。因此，前后查找操作也被成为零宽度匹配操作（zero-width）。
- 向后查找（lookbehind）
提取价格
文本
ABC01: $23.45
HGG42: $5.31
Total items found: 4
正则表达式
(?<=\$)[0-9.]+
- 前后查找取非
操作符 说明
(?=exp) 正向前查找，匹配exp前面的位置
(?!exp) 负向前查找，匹配后面跟的不是exp的位置
(?<=exp) 正向后查找，匹配exp后面的位置
(?文本
I paid $30 for 100 apples, 50 oranges.
正则表达式
\b(?嵌入条件
在正则表达式里可以嵌入条件，只有当条件得到（或者没有得到满足时），相应的表达式才会被执行。这种条件可以是一个回溯引用（含义是检查回溯引用是否存在），也可以是一个前后检查操作。
- 回溯引用条件
文本
正则表达式
(<[Aa]\s+[^>]+>\s*)?<[Ii][Mm][Gg]\s+[^>]+>(?(1)\s*)
语法：(?(backreference)true-regex)，注意?(1)检查第一个回溯引用是否存在，回溯引用编号不用被转义。
(?(backreference)true-regex|false-regex)
文本
123-456-7890
(123)456-7890
(123)-456-7890
1234567890
123 456 7890
正则表达式
(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}
- 前后查找条件
文本
11111
22222
33333
44444-4444
正则表达式
\d{5}(?(?=-)-\d{4})