正则表达式 学习笔记

工作机制

• 文本导向(text-directed) - DFA引擎
• 正则导向(regex-directed) - NFA引擎

“惰性”量词(lazy quantifiers)和反向引用(backreferences)，只能在正则导向的引擎中实现。如果反向引用或“惰性”量词被实现，则可以肯定你使用的引擎是正则导向的。你可以作如下测试：将正则表达式<<regex|regex not>>应用到字符串“regex not”。如果匹配的结果是regex，则引擎是正则导向的。如果结果是regex not，则是文本导向的。因为正则导向的引擎是“猴急”的，它会很急切的进行表功，报告它找到的第一个匹配。
正则导向的引擎总是返回最左边的匹配

匹配原理

• 占用字符：如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；
• 零宽度：如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。

占有字符是互斥的，零宽度是非互斥的。也就是一个字符，同一时间只能由一个子表达式匹配，而一个位置，却可以同时由多个零宽度的子表达式匹配。

元字符

所有的元字符：
[ ] \ ^ $ . | ? * + ( )

1. 字符组

字符集是由一对方括号“[ ]”括起来的字符集合

• 在左方括号“[”后面紧跟一个尖括号 “ ^ ” ，将会对字符集取反
• 字符集中的元字符： ] \ ^ -

2. 小数点

.  匹配除了换行符 \n 以外的任意一个字符

3. 量词

{m}   匹配m次
{m,n} 匹配最少m次，最多n次
{m,}  匹配至少m次
?  匹配前导字符0次或一次。相当于{0,1}
+  匹配前导字符1次或多次。相当于{1,}
*  匹配前导字符0次或多次。相当于{0,1}

匹配优先（贪婪模式）：标准量词修饰的子表达式，在可匹配可不匹配的情况下，总会先尝试
进行匹配。“{m}”、“{m,n}”、“{m,}”、“?”、“*”和“+”都是匹配优先的。

忽略优先（非贪婪模式）：标准量词后加一个“?”，此时，在可匹配可不匹配的情况下，总会先忽略匹配。“{m}?”、“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。

• 举例：

      源字符串：<div>aaa</div><div>bbb</div>
      正则表达式1：<div>.*</div>      匹配结果：<div>aaa</div><div>bbb</div>
      正则表达式2：<div>.*?</div>     匹配结果：<div>aaa</div>
  

4. 分支

|  表示选择。你可以用选择符匹配多个可能的正则表达式中的一个。

捕获组和环视

捕获组匹配的内容，可以在正则表达式的外部程序中进行引用，也可以在表达式中进行引用，表达式中引用的方式就是反向引用。

(Expression) 普通捕获组
(?<name> Expression) 命名捕获组
(?:Expression) 非捕获组

环视只进行子表达式的匹配，匹配内容不计入最终的匹配结果，是零宽度的。
环视按照方向划分有顺序和逆序两种，按照是否匹配有肯定和否定两种，组合起来就有四种环视。环视相当于对所在位置加了一个附加条件。

(?<=Expression) 逆序肯定环视，表示所在位置左侧能够匹配Expression
(?<!Expression) 逆序否定环视，表示所在位置左侧不能匹配Expression
(?=Expression)  顺序肯定环视，表示所在位置右侧能够匹配Expression
(?!Expression)  顺序否定环视，表示所在位置右侧不能匹配Expression