正则表达式学习

正则表达式：使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在文本编辑中，它可以用来检索、替换某个匹配的文本。
正则表达式可以用形式化语言理论的方式进行表述。它右常量和算子组成，分别表示指示字符串的集合和在这些集合上的运算。具体如下：

1）  空集：φ指示集合φ。

2）  空串：ε指示集合{ε}

3）  文字字符：在∑中的a指示集合{a}

相关运算如下：

1）  串接：RS指示集合。如：{“ab”, “c”}{“d”,”ef”}= {“abd”, “abef”, “cd”, “cef”}。

2）  选择：R|S指示R和S的并集。如：{“ab”, “c”}|{“d”,”ef”}= {“ab”, “ef”, “c”, “d”}。

3）  星号*：R*指示包含ε并且闭合在字符串串接下的R的最小超集。可以通过R中的零或多个字符串的串接得到所有字符串的集合。如{“ab”, “c”}* = {ε, “ab”, “c”, “abab”, “abc”, “cba”, “cc”, “ababab”, …}。

它们之间存在优先级，*具有最高优先级，接着是串接，然后是并集。从而可以省略括号。如(ab)c可以谢伟abc，而a|(b(c*))可以写成a|bc*。

一个正则表达式通常被称为一个模式，用来描述或者匹配一系列匹配某个句法规则的字符串。其表示式的形式结果基本如下：

1）  选择：

|竖直分隔符代表选择。如”gray|grey“可以匹配gray和grey。

2）  数量：

某个字符后的数量限定符用来限制前面这个字符允许出现的个数。

+加号代表前面的字符必须至少出现一次（1次或多次）。

？问号代表前面的字符最多只可以出现一次。（0次或1次）。

*星号代表前面的字符可以不出现，也可以出现一次或者多次（0次或1次或多次）。

3）匹配：

 圆括号可以用来定义操作符的范围和优先度。如”gr(a|e)y”等价于”gray|grey”，”(grand)?father”匹配father和grandfather。一些结构可以自由组合，可能不同的规则，但是结果相同。如”H(ae?|c)ndel”与“H(a|ae|c)ndel是相同的。

 

正则表达式优先级：

最高：\；

高：()、(?: )、(?= )、[]

中：*、+、?、{n}、{n,}、{m, n}

低：^、$、中介字符

最低：|

 

常用正则表达式表：

 

模式	匹配的内容（含义）
字符类
[abc]	a、b或c（简单类）
[^abc]	任何字符，除了a、b或c（否定）
[a-zA-Z]	a到z或A到Z，两头的字母包含在内（范围）
[a-d[m-p]]	a到d或m到p：[a-dm-p]（并集）
[a-z&&[def]]	d、e或f（交集）
[a-z&&[^bc]]	a到z，除了b和c：[ad-z]（减去）
[a-z&&[^m-p]]	a到z，而非m到p：[a-lq-z]（减去）
预定义字符类
.	任何字符（与行结束符可能匹配也可能不匹配）
\d	数字：[0-9]
\D	非数字：[^0-9]
\s	空白字符：[\t\n\x0B\f\r]
\S	非空白字符[^\s]
\w	单词字符：[a-zA-z_0-9]
\W	非单词字符：[^\w]
边界匹配器
^	行的开头
$	行的结尾
\b	单词边界
\B	非单词边界
\A	输入的开头
\G	上一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符（如果有的话）
\z	输入的结尾
数量词（Greedy策略）
X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好n次
X{n,}	X，至少n次
X{n,m}	X，至少n次，但是不超过m次
逻辑运算符
XY	X后跟Y
X|Y	X或Y
(X)	X，作为捕获组

 

正则表达式应用：

数据验证：可以检查输入的字符串，看其是否符合某种格式；

查找子串：可以查找文档内（或一个字符串内）符合指定模式的子串；

替换文本：可以使用正则表达式来识别文档中的特定内容，完全删除该部分内容或者用其他字符串来替换它；

使用工具：Word、Notepad++、EditPlus等文字编辑器中的查找功能都支持正则表达式，用正则表达式可以实现更加多样化的查找。VS、CodeBlock、Eclipse、Intellij Idea等开发工具的IDE的查找替换功能也都支持正则表达式，用它可以修改变量名，调整代码格式，统计代码行数。

参考文献：

https://zh.wikipedia.org/wiki/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F

http://blog.csdn.net/luoweifu/article/details/42759439