正则表达式

【目录】
一、元字符
二、字符转义
三、重复
四、字符类
五、分枝条件
六、分组
七、反义
八、后向引用
九、零宽断言
十、负向零宽断言
十一、贪婪与懒惰

【正文】

什么是正则表达式？

简单来讲的话正则表达式就是记录文本规则的代码。

一、元字符

举例 :

• 匹配以字母a开头的单词 : \ba\w*\b
• 匹配1个或更多连续的数字:\d+
• 匹配刚好6个字符的单词:\b\w{6}\b
• 填写的QQ号必须为5位到12位数字:^\d{5,12}$

二、字符转义

如果你想查找元字符本身的话,可以使用.和*
例如：deerchao.cn匹配deerchao.cn，C:\Windows匹配C:\Windows

三、重复

你已经看过了前面的,+,{2},{5,12} 这几个匹配重复的方式了。下面是正则表达式中所有的限定符(指定数量的代码，例如*,{5,12}等)

举例 :

• 匹配Windows后面跟1个或更多数字: Windows\d+
• 匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置) : ^\w+

四、字符类

匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),应该怎么办？
只需要在方括号里列出它们就行。我们也可以轻松地指定一个字符范围，像[0-9]代表的含意与\d就是完全一致的：一位数字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）

举例 :

• [aeiou] : 匹配任何一个英文元音字母
• [.?!] : 匹配标点符号(.或?或!)
• (?0\d{2}[) -]?\d{8} : 匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等

针对第三个例子我们对它进行一些分析：
1、首先是一个转义字符: (
2、它能出现0次或1次: (?)
3、然后是一个0
4、后面跟着2个数字: (\d{2})
5、然后是)或-或空格中的一个
6、它出现1次或不出现: (?)
7、最后是8个数字: (\d{8})。

五、分枝条件

正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。看例子：

• 0\d{2}-\d{8}|0\d{3}-\d{7} : 匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)
• (0\d{2})[- ]?\d{8}|0\d{2}[- ]?\d{8} : 匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔
• \d{5}-\d{4}|\d{5} : 匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字
  （注意：使用分枝条件时，要注意各个条件的顺序。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。）

六、分组

我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复多个字符又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了
例如 :

• (\d{1,3}.){3}\d{1,3}是一个简单的IP地址匹配表达式

分析 :
1、\d{1,3}匹配1到3位的数字
2、(\d{1,3}.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次
3、最后再加上一个一到三位的数字(\d{1,3})

（描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。）

七、反义

有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义。

举例 :

• \S+ : 匹配不包含空白符的字符串
• ]+> : 匹配用尖括号括起来的以a开头的字符串

八、后向引用

后向引用用于重复搜索前面某个分组匹配的文本

九、零宽断言

接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。
举例 :
1、 (?=exp)也叫零宽度正预测先行断言,它断言自身出现的位置的后面能匹配表达式exp

• \b\w+(?=ing\b) : 匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc

2、(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp

• (?<=\bre)\w+\b : 匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading

十、负向零宽断言

负向零宽断言只匹配一个位置，并不消费任何字符。

1、零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp

• \d{3}(?!\d) : 匹配三位数字，而且这三位数字的后面不能是数字
• \b((?!abc)\w)+\b : 匹配不包含连续字符串abc的单词

2、零宽度负回顾后发断言(?

• (?

十一、贪婪与懒惰

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。

• a.*?b : 匹配最短的，以a开始，以b结束的字符串

参考链接：https://deerchao.cn/tutorials/regex/regex.htm