正则表达式(详细解析)
正则表达式
1、元字符
正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为"元字符"）组成的文字模式。
下面来看看更多的例子：
\ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。
\d+匹配1个或更多连续的数字。这里的+是和类似的元字符，不同的是匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。
\b\w{6}\b 匹配刚好6个字符的单词。
| 代码 | 说明 |
|---|---|
| . | 匹配除换行符以外的任意字符,只有一个字符例外。这个例外就是换行符 (\n)。例如： a.c 匹配 abc acc a8c 等。 |
| \w | 匹配字母或数字或下划线或汉字。例如：a\wc 匹配: abc a6c a_c a中c 等 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。例如：a\sc 匹配：a c |
| \d | 匹配数字。 a\dc 匹配：a8c a5c |
| \b | 匹配单词的开始或结束，也就是指单词和空格间的位置。例如： ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。 |
| ^ | 匹配字符串的开始,如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。例如：ea 匹配"eareeae ea"中的"ea ea ea " 而 ^ea 匹配只匹配"ea",因为^是字符串的开始，只匹配开始的一个ea。 |
| $ | 匹配字符串的结束,如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置。例如：lo$ 匹配"hello"中的 lo ,无法匹配"helloab"中的lo |
元字符^（和数字6在同一个键位上的符号）和$都匹配一个位置，这和\b有点类似。
^匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时非常有用
比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用:^\d{5,12}$。如果不使用^和$的话，对于\d{5,12}而言，使用这样的方 法就只能保证字符串里包含5到12连续位数字，而不是整个字符串就是5到12位数字。
这里的{5,12}则是重复的次数不能少于5次，不能多于12次，否则都不匹配。
因为使用了^和$，所以输入的整个字符串都要用来和\d{5,12}来匹配，也就是说整个输入必须是5到12个数字，因此如果输入的QQ号能匹配这个正则表达式的话，那就符合要求了。
2、字符转义
如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.
例如：在字符串deerchao.cn，中输入正则表达式 . 则匹配所有单个单词，输入.c 匹配rc 和.c 而如果输入.c 则匹配.c 因为此时.是.的转义。
3、重复
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)：
| 代码 | 说明 |
|---|---|
| * | 重复零次或更多次.例如，zo* 能匹配 “z” 以及 “zoo” |
| + | 重复一次或更多次.例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z” |
| ? | 重复零次或一次. 例如‘di?’ 能匹配’di’以及’did’ |
| {n} | 重复n次. ‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o |
| {n ,} | 重复n次或更多次. 例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。 |
| {n,m} | 重复n到m次. m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。 |
下面是一些使用重复的例子：
Windows\d+匹配Windows后面跟1个或更多数字
^\w+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)
3、字符类
要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想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？
很简单，你只需要在方括号里列出它们就行了，像[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。
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）。
下面是一个更复杂的表达式：\(?0\d{2}[) -]?\d{8}
这个表达式可以匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。我们对它进行一些分析：
首先是一个转义字符(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。
4、分支条件
不幸的是，刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分支条件。正则表达式里的分支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。听不明白？没关系，看例子：
0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能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)。
\(0d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}这个表达式匹配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。你可以试试用分支条件把这个表达式扩展成也支持4位区号的。
\d{5}-\d{4}|\d{5}这个表达式用于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。之所以要给出这个例子是因为它能说明一个问题：使用分支条件时，要注意各个条件的顺序。
如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。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。
5、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，你也可以对子表达式进行其它一些操作(后面会有介绍)。
(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数字，(\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，最后再加上一个一到三位的数字(\d{1,3})。
6、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：
| 代码 | 说明 |
|---|---|
| \W | 匹配任意不是字母，数字，下划线，汉字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非数字的字符 |
| \B | 匹配不是单词开头或结束的位置 |
| [^x] | 匹配除了x以外的任意字符 |
| [^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |
例：\S+匹配不包含空白符的字符串。
7、后向引用
使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。
后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。难以理解？请看示例：
\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。
你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?)(或者把尖括号换成’也行：(?'Word'\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k,所以上一个例子也可以写成这样：\b(?
使用小括号的时候，还有很多特定用途的语法。下面列出了最常用的一些：
我们已经讨论了前两种语法。第三个(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面，也不会拥有组号。
8、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
(?=exp) 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。（此处自身是正则表达式中的表达式，比如下面的正则表达式中的product).
例1：对于字符串 product_path.scan ，我们写一个正则表达式 product(?=_path) ,匹配结果为product
说明：正则表达式product(?=_path)中，断言product自身出现的位置后面能匹配表达_path,在字符串 product_path.scan中product后面正好是_path，所以正则表达式能匹配上product,但是不匹配_path，因为这是零宽度断言，(?=path)只是位置，不进行字符串的匹配。
上面的正则表达式如果改为product(?=_path)_path 则匹配结果为 product_path 。
因为product(?=_path)匹配了字符串中的product,所以product(?=_path)_path 再原来匹配的字符串product右边再加一个_path,发现和原来字符串还是可以匹配的。所以匹配结果为product_path
例2：比如正则表达式 \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。
(?<=exp) :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
例如：对于字符串 ‘name:wangfei’.scan，写一个正则表达式(?<=name:)(wangfei) 匹配结果是wangfei
(?!exp) :零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp
例如：对于字符串 ‘product_path’.scan ,写一个正则表达 式 (product)(?!_path) 匹配结果为空。因为表达 式的表述的意思是product后面不是_path，而字符串中是_path，所以无法匹配。
(? :零宽度负回顾后发断言，来断言此位置的前面不能匹配表达式exp
例如：对于字符串 ‘name:angelica’.scan ，写一个正则表达式 (?
9、贪婪与懒惰
当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
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。现在看看懒惰版的例子吧：
a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）
为什么第一个匹配是aab（第一到第三个字符）而不是ab（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权
*.与.?区别
.是贪婪匹配，.?是懒惰匹配。
例如：字符串a123ba123b ,使用a.规则匹配结果是：a123ba123b
而用a.?匹配结果是两个a 。这是因为（.?）是非贪婪的，即匹配最少数量的就够了，所以匹配了a之后的两个空字符串，如果你将表达式改为 a(.*?)b ,则匹配结果是 a123b a123b
如果表达式为a(.*)b，则匹配结果是a123ba123b