本文为阅读《正则表达式必知必会》(修订版) Ben Forta著 杨涛等译 总结所得，以备后用，内容来自此书。
正则表达式是一些用来匹配和处理文本的字符串。
正则表达式的两种基本用途：搜索和替换。
匹配单个字符
| 符号 | 作用 |
|---|---|
| [\b] | 回退Backspace |
| \f | 换页符 |
| \n | 换行符 |
| \r | 回车符 |
| \t | 制表符 |
| \v | 垂直制表符 |
| \r\n | windows系统文本行结束标识 |
| \d | 任何一个数字字符，等价于[0-9] |
| \D | 任何一个非数字字符，等价于[^0-9] |
| \w | 任何一个字母数字下划线，等价于[a-zA-Z0-9_] |
| \W | 任何一个非字母数字下划线，等价于[^a-zA-Z0-9_] |
| \s | 任何一个空白字符，等价于[\f\n\r\t\v]，退格符例外 |
| \S | 任何一个非空白字符，等价于[^\f\n\r\t\v]，退格符例外 |
英文字符.来表示任意字符，特殊字符需要用反斜杠转义(\)
| 符号 | 作用 |
|---|---|
| [\b] | 回退Backspace |
| \f | 换页符 |
| \n | 换行符 |
| \r | 回车符 |
| \t | 制表符 |
| \v | 垂直制表符 |
| \r\n | windows系统文本行结束标识 |
| \d | 任何一个数字字符，等价于[0-9] |
| \D | 任何一个非数字字符，等价于[^0-9] |
| \w | 任何一个字母数字下划线，等价于[a-zA-Z0-9_] |
| \W | 任何一个非字母数字下划线，等价于[^a-zA-Z0-9_] |
| \s | 任何一个空白字符，等价于[\f\n\r\t\v]，退格符例外 |
| \S | 任何一个非空白字符，等价于[^\f\n\r\t\v]，退格符例外 |
匹配一组字符
利用[]表示字符集合，匹配之间的某一个字符
[]之间也可以放字符区间表示匹配范围内的某一个字符
| 符号 | 作用 |
|---|---|
| A-Z | 匹配从A到Z的所有大写字母 |
| a-z | 匹配从a到z的所有小写字母 |
| A-z | 匹配ASCII码从大写A到小写z之间的所有字符，不常用 |
可以定义多个区间[A-Za-z0-9]
取非匹配[^0-9]，表示匹配任何不是数字的字符
重复匹配
匹配重复的字符1个或多个用+号
匹配重复的字符0个或多个用*号
匹配0个或1个字符用?号
指定重复次数{次数}
指定匹配次数的变化区间{2，4}表示最少重复2次，最多重复4次；{3，}表示至少重复3次
元字符分为贪婪型元字符和懒惰型元字符，贪婪型匹配尽可能多的字符，懒惰型匹配尽可能多的字符，懒惰型元字符为贪婪型后加个?，如*为贪婪型字符，对应的懒惰型字符为*?，为了防止过度匹配，可以使用懒惰型元字符。
位置匹配
单词的边界 \b
字符串的 边界 ^和$ 以字符开始和结束
(?m)开头表示分行匹配
子表达式
子表达式必须用()括起来，子表达式允许嵌套，层数没有限制，表达式之间的或条件用 | 来表示
回溯引用
回溯引用允许正则表达式模式引用前面的匹配结果，模式的后半部分引用在前半部分中定义的子表达式，用\1 \2 ...来表示，1，2，3表示子表达式的位置，回溯表达式相当于引用变量。回溯表达式通常用1开始计数，在许多实现里，用0来代表整个正则表达式。
回溯替换操作
替换操作需要用到两个正则表达式：一个用来给出搜索模式，另一个用来给出匹配文本的替换模式。回溯引用可以跨模式使用，在第一个模式里被匹配的子表达式可以用在第二个模式里。
前后查找
| 操作符 | 作用 |
|---|---|
| (?=) | 正向前查找 |
| (?!) | 负向前查找 |
| (?<=) | 正向后查找 |
| (?<!) | 负向后查找 |
匹配网页标题
(?<=<[Tt][Ii][Tt][Ll][Ee]>).*(?=<[Tt][Ii][Tt][Ll][Ee]>)
嵌入条件
正则表达式里的条件用?来定义。
?匹配前一个字符或表达式，如果存在的话。
?=和?<=匹配前面或后面的文本，如果存在的话。
MySQL
MySQL对正则表达式的支持体现在允许在WHERE子句中使用如下格式的表达式：
REGEXP "expression"
功能有如下限制：
- 只提供搜索支持，不支持使用正则表达式进行替换操作。
- 默认搜索不区分字母大小写，需要在REGEXP和模式之间加BINARY关键字。
- [[:<:]]来匹配单词开头，用[[:>:]]匹配单词结束
- 不支持向前预测
- 不支持嵌入条件
- 不支持八进制字符搜索
- 不支持\a \b \e \f \v
- 不支持回溯引用
JAVA
Java中的正则表达式匹配功能主要是通过java.util.regex.Matcher类和以下这些方法实现的。
find(): 在一个字符串里寻找一个给定的模式匹配。
lookingAt(): 用一个给定的模式去尝试匹配一个字符串的开头。
matches(): 用一个给定的模式去尝试匹配一个完整的字符串。
replaceAll(): 进行替换操作，对所有匹配都进行替换。
replaceFirst(): 进行替换操作，只对第一个匹配进行替换。
java.util.regex.Pattern类提供了几个简单易用的包装器方法。
compile(): 把一个正则表达式编译成一个模式。
flags(): 返回某给定模式的匹配标志。
matches(): 在功能上等价于刚才介绍的matches()方法。
pattern(): 把一个模式还原为一个正则表达式。
split(): 把一个字符串拆分为子字符串。
java的正则表达式与Perl基本兼容，有几点需要注意。
- 不支持嵌入条件
- 不支持使用\E \l \L \u \U 进行字母大小写转换。
- 不支持使用[\b]匹配退格符。
- 不支持\z。
常见问题的正则表达式解决方案
IP地址
(((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))
URL地址
(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]
电子邮件地址
(\w+\.)*\w+@(\w+\.)+[A-Za-z]+
HTML注释
<!-{2,}.*?-{2,}>
JavaScript注释
//.*
