正则表达式学习笔记（二）

• 字符转义

如何在目标字符串里面查找元字符呢？比如”.””*”，如果直接在正则表达式里面直接使用肯定是不行的。

正则表达式这里处理的办法和 一般编程语言处理方式相类似，直接使用\来取消它的元字符地位，于是，可以在元字符里面可以这样使用：”\.”或者”\*”。

• 查找未被预定义的字符

标题的意思是说，如果想要查找的字符没有相对应的元字符来处理怎么办?在正则表达式里面我们使用中括号[]来处理，你只要在中括号里面列举你想要查找的字符就可以了。例如查找0~9的数字和w字符：

• 分支条件

首先来看一个例子：

         \(?0\d{2}[) -]?\d{8}

上面的(和)也是元字符，这里使用了\转义符，后面跟了？符号，所以表示的查找的就是有括号或者没有括号开头的字符串。分解如下：

         \(? 0\d{2}[) -]? \d{8}

可以匹配类似于(010)88886666或022-22334455， 或02912345678等多种字符串。如果你想要查找电话号码的话，那就问题大了，因上面这个表达式还有可能匹配类似于010)12345678或(022-87654321这种字符串。

         怎么解决上面的问题呢？

         答案当然是给上述的正则表达式使用更加精准的限制条件。这里我们使用分支条件。

         所谓分支条件是指：多种规则并列共同构成一个正则表达式，只要字符串匹配符合其中一个规则，就算找到一个字符串，多个规则之间使用|符号来分开。

以上面的例子来说明：\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}。

在使用分支条件的时候，要注意各个条件之间的顺序，因为正则表达式工作的时候是从左到右来匹配的，如果某个字符串符合第一条规则，就直接跳出了，不会再去管。例如可以比较试下\d{5}-\d{4}|\d{5}和\d{5}|\d{5}-\d{4}的区别。

• 分组

先来看两个例子：

         \d{3}表示数字重复三次。

         \w{4}表示匹配4位字符的单词（\w的意义表示0~9，A~Z，a~z等请看前章节）。

现在，提问：要是想指定HG这两个字符重复多次怎么办？或者其他任意指定的字符重复多次怎么办？

正则表达式里面使用 分组 来解决这个问题。

分组，或者叫做子表达式，在正则表达式里面使用小括号来指定，包含在小括号里面的字符就是一个分组，你可以对它们的重复次数做处理。小括号前面说过，也是元字符。

例如，匹配IP地址：

         (\d{1,3}\.){3}\d{1,3}

可以这样分解：

         (\d{1,3}\.){3} \d{1,3}

小括号里面的意思是1~3位数字外加一个点；小括号后面跟了个{3}表示子表达式必须重复3次。橙色的表示1~3位数字。

• 反义

前面已经提到了分组这个好东西，用着也还顺手，现在又有新的问题了，万一我想查找a~z,A~Z这52个字符怎么办？难道要将他们全部都写进子表达式么？有没有好的办法呢？这里使用到了反义。

         联系前面学过的元字符，反义其实就是把他们的元字符大写。具体如下：

代码	详解
\W	匹配任意不是字母，数字，下划线，汉字等等的字符
\S	匹配任意不是空白符的字符
\D	匹配任意不是数字的字符
\B	匹配任意不是单词开头或者结尾的位置
[^X]	匹配除了X以外的任意字符
[^aieou]	匹配除了aieou几个字母以外的任意字符

例如：\S+表示不包含空白符的字符串（至少有一个字符）。