正则表达式--匹配提取的利器

1.1 什么是正则表达式

使用自定义的规则来及匹配、提取文本中想要的内容。它的灵活性、功能性以及逻辑性非常强，可以迅速的用极其简单的方式
，达到控制复杂字符串的目的

1.2 元字符

元字符	含义
.	匹配任意1个字符，除\n
\b	匹配一个位置，
\d	表示匹配一个数字，即0-9
\D	表示匹配一个非数字，即不是数字
\s	表示匹配一个空白字符，即空格、tab键
\S	匹配一个非空白字符
\w	匹配一个非特殊字符，即a-z、A-Z、0-9、_、汉字
\W	匹配一个特殊字符，即非字母、非数字、非汉字

1.2.1 试用元字符

场景1：匹配9位qq号
\d\d\d\d\d\d\d\d\d
场景2：匹配任意N个字符（换行符除外）
....................
场景3：匹配10个非特殊字符
\w\w\w\w\w\w\w\w\w\w

1.3 匹配量词

匹配量词	含义
*	匹配前一个字符出现0次或者无限次，即可有可无
+	匹配前一个字符出现1次或者无限次，即至少有一次
?	匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符出现m次或更多次
{m,n}	匹配前一个字符出现m到n次

1.3.1 试用量词

场景1：匹配qq号
\d{5,11}
场景2：匹配至少一个，至多无限个任意字符（换行符除外）
.+

1.4 匹配开头和结尾

匹配开头和结尾	含义
^	匹配以……开头的
$	匹配以……结尾的
[^指定字符]	表示除了指定字符都匹配

1.4.1试用开头和结尾

场景1：匹配开头是3的字符串
^3
场景2：匹配结尾是q的字符串
q$

匹配分组

匹配分组	含义
|	匹配左右任意一个表达式
(ab)	表示将括号中字符作为一个分组
\num	表示引用分组num匹配到的字符串
(?P)	表示分组起别名
?P=name	表示引用别名为name分组匹配到的字符串
(分组数据)	分组数据是从左到右的方式进行分配的，最左边的是第一个分组，以此类推

捕获和非捕获

捕获实际上就是正则匹配，但是经常和分组一起使用，所以也叫捕获组和非捕获组

1.捕获组

捕获组就是把正则表达式中子表达式匹配的内容，保存到内存中以数字编号或显示命名的组里，方便后面引用

• 捕获组
  • 普通捕获组
  • 命名捕获组

1.1捕获组编号规则

编号规则指的是以数字为捕获组进行编号的规则，在普通捕获组或命名捕获组单独出现的正则表达式中，编号规则比较清晰，在普通捕获组与命名捕获组混合出现的正则表达式中，捕获组的编号规则稍显复杂
需要说明的是，存在编号为0的捕获组，指的是正则表达式整体，这一规则在支持捕获组的语言中，基本上都是适用的

1.2.1普通捕获组编号规则

如果没有显式为捕获组命名，即没有使用命名捕获组，那么需要按数字顺序来访问所有捕获组。在只有普通捕获组的情况下，捕获组的编号是按照'('出现的顺序，从左到右，从1开始编号
例如：(\d{4})-(\d{2}-(\d\d)) 匹配年月日

普通捕获组.png

编号	命名	捕获组	匹配内容
0		(\d{4})-(\d{2}-(\d\d))	2008-12-31
1		(\d{4}))	2008
2		(\d{2}-(\d\d))	12-31
3		(\d\d)	31

1.2.2命名捕获组编号规则

命名捕获组通过显式命名，可以通过组名方便的访问到指定的组，而不需要一个个的数编号，同时避免了在正则表达式扩展过程中，捕获组的增加或减少对引用结导致的不可控的问题
值得一提的是，命名捕获组也参与了编号，在只有命名捕获组的情况下，捕获组的编号也是按照'('出现的顺序，从左到右，从1开始编号
例如：(?\d{4})-(?\d{2}-(?\d\d)) 匹配年月日

命名捕获组.png

编号	命名	捕获组	匹配内容
0		(\d{4})-(\d{2}-(\d\d))	2008-12-31
1	year	(?\d{4})	2008
2	date	(?\d{2}-(?\d\d)))	12-31
3	day	(?\d\d)	31

1.2.3普通捕获组与命名捕获组混合编号规则

对于命名捕获组，可以随时使用组名进行访问，而对于普通捕获组，只能通过确定其编号后进行访问
编号的顺序：对于两种捕获组混合的正则表达式，首先会忽略命名捕获组，对普通捕获组进行编号，全部完成后，再对命名捕获组进行编号
例如：(\d{4})-(?\d{2}-(\d\d))

混合捕获组.png

编号	命名	捕获组	匹配内容
0		(\d{4})-(?\d{2}-(\d\d))	2008-12-31
1		(\d{4})	2008
2	date	(?\d{2}-(\d\d))	12-31
3		(\d\d)	31

零宽断言

用于查找在某些内容之前或者之后的东西，但是并不包括这些内容
可以理解为匹配位置，该位置满足的条件就是断言
正则表达式中只有当断言为真时才会继续进行匹配

1.零宽度正预测先行断言(?=exp匹配exp前面的位置)，它断言自身出现的位置的后面能匹配表达式exp

例如：\b\w+(?=ing\b)，匹配以ing结尾的单次的前面部分(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

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

例如：(?<=bre)\w+\b会匹配以re开头的单词开头的后半部分(除re以外的部分)，如查找reading a book时，它会匹配ading

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

例如：\d{3}(?!\d)匹配123456, \b((?!abc)\w)+\b匹配abcajsljnnasd ajskldjkaslj vcxjbj jojljklkasabclkajsdlk

4.零宽度负回顾后发断言(?

例如：(?

反向引用

捕获组捕获的数据会放到缓存区中，编号从1开始一直到99，可以使用 \num 来选择性的调用
反向引用的作用通常是用来查找或限定重复、查找或限定指定标识配对出现等等
例如：
表达式：(\w)((?=\1\1\1)(\1))+
字符串：aa bbb cccc ffffff eeeeeeee 999999999
匹配结果为：
cc
ffff
eeeeee
9999999

问题：
(\w)\10 中，末尾的\10代表的是捕获组第10个位置的索引，还是第1个位置的索引

贪婪和非贪婪

影响的是被两次修饰的子表达式的匹配行为。贪婪模式是在整个表达式匹配成功的前提下，尽可能多的匹配；相对的，非贪婪模式就是尽可能少的匹配。
属于贪婪模式的两次，也叫作匹配优先量词，包括：
“{m,n}”、“{m,}”、“?”、“”和“+”
在匹配优先量词后加上“?”，就变成非贪婪模式的两次，也叫做忽略优先量词，包括：
“{m,n}?”、“{m,}?”、“??”、“?”和“+?”

反义

---

引用
百度百科
https://blog.csdn.net/josjiang1/article/details/80567922