正则表达式小记录
正则表达式其实就是在执行搜索时的格式，从左到右进行匹配。
一般来说，正则表达式是大小写敏感的。
1. 元字符
正则表达式主要依赖于元字符. 元字符不代表他们本身的字面意思, 他们都有特殊的含义.
| 元字符 | 描述 | |
|---|---|---|
| . | 句号匹配任意单个字符除了换行符. | |
| [ ] | 字符种类. 匹配方括号内的任意字符.不关心顺序. | |
| [^ ] | 否定的字符种类. 匹配除了方括号里的任意字符 | |
| * | 匹配>=0个重复的在号之前*的字符. | |
| + | 匹配>=1个重复的+号前的字符. | |
| ? | 标记?之前的字符为可选. | |
| {n,m} | 匹配num个大括号之前的字符 (n <= num <= m). | |
| (xyz) | 字符集, 匹配与 xyz 完全相等的字符串. | |
| | | 或运算符,匹配符号前或后的字符. | |
| \ | 转义字符,用于匹配一些保留的字符 `[ ] ( ) { } . * + ? ^ $ \ | ` |
| ^ | 从开始行开始匹配. | |
| $ | 从末端开始匹配. |
1.1点运算符 .
例如, 表达式.ar匹配一个任意字符后面跟着是a和r的字符串.
1.2字符集
例如, 表达式[Tt]he 匹配 the 和 The.
方括号的句号就表示句号. 表达式 ar[.] 匹配 ar.字符串
例如, 表达式[^c]ar匹配一个后面跟着ar的除了c的任意字符.
1.3重复次数
. 例如, 表达式 a* 匹配以0或更多个a开头的字符, 因为有0个这个条件, 其实也就匹配了所有的字符.
表达式[a-z]* 匹配一个行中所有以小写字母开头的字符串.
*字符和.字符搭配可以匹配所有的字符.*.
*和表示匹配空格的符号\s连起来用, 如表达式\s*cat\s*匹配0或更多个空格开头和0或更多个空格结尾的cat字符串.
例如表达式c.+t 匹配以首字母c开头以t结尾,中间跟着任意个字符的字符串.
例如, 表达式 [T]?he 匹配字符串 he 和 The.
1.4{} 号
例如, 表达式 [0-9]{2,3} 匹配最少 2 位最多 3 位 0~9 的数字.
例如, [0-9]{2,} 匹配至少两位 0~9 的数字.
例如, [0-9]{3} 匹配3位数字
1.5(...) 特征标群
例如, 表达式 (ab)* 匹配连续出现 0 或更多个 ab.
我们还可以在 () 中用或字符 | 表示或. 例如, (c|g|p)ar 匹配 car 或 gar 或 par.
1.6| 或运算符
例如 (T|t)he|car 匹配 (T|t)he 或 car.
1.7转码特殊字符
例如 . 是用来匹配除换行符外的所有字符的. 如果想要匹配句子中的 . 则要写成 \. 以下这个例子 \.?是选择性匹配.
1.8锚点
例如, 在 abc 中使用表达式 ^a 会得到结果 a. 但如果使用 ^b 将匹配不到任何结果. 因为在字符串 abc 中并不是以 b开头.
例如, ^(T|t)he 匹配以 The 或 the 开头的字符串.
例如, (at\.)$ 匹配以 at. 结尾的字符串.
2.简写字符集
正则表达式提供一些常用的字符集简写. 如下:
| 简写 | 描述 |
|---|---|
| . | 除换行符外的所有字符 |
| \w | 匹配所有字母数字, 等同于 [a-zA-Z0-9_]
|
| \W | 匹配所有非字母数字, 即符号, 等同于: [^\w]
|
| \d | 匹配数字: [0-9]
|
| \D | 匹配非数字: [^\d]
|
| \s | 匹配所有空格字符, 等同于: [\t\n\f\r\p{Z}]
|
| \S | 匹配所有非空格字符: [^\s]
|
| \f | 匹配一个换页符 |
| \n | 匹配一个换行符 |
| \r | 匹配一个回车符 |
| \t | 匹配一个制表符 |
| \v | 匹配一个垂直制表符 |
| \p | 匹配 CR/LF (等同于 \r\n)，用来匹配 DOS 行终止符 |
3.零宽度断言(前后预查)
先行断言用于判断所匹配的格式是否在另一个确定的格式之前, 匹配结果不包含该确定格式(仅作为约束).
例如, 我们想要获得所有跟在 $ 符号后的数字, 我们可以使用正后发断言 (?<=\$)[0-9\.]*. 这个表达式匹配 $ 开头, 之后跟着 0,1,2,3,4,5,6,7,8,9,. 这些字符可以出现大于等于 0 次.
| 符号 | 描述 |
|---|---|
| ?= | 正先行断言-存在 |
| ?! | 负先行断言-排除 |
| ?<= | 正后发断言-存在 |
| ?<! | 负后发断言-排除 |
例如, 表达式 (T|t)he(?=\sfat) 匹配 The 和 the, 在括号中我们又定义了正先行断言 (?=\sfat) ,即 The 和 the 后面紧跟着 (空格)fat.
表达式 (T|t)he(?!\sfat) 匹配 The 和 the, 且其后不跟着 (空格)fat.
例如, 表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat, 且其前跟着 The 或 the.
例如, 表达式 (?<!(T|t)he\s)(cat) 匹配 cat, 且其前不跟着 The 或 the.
4.标志
标志也叫模式修正符, 因为它可以用来修改表达式的搜索结果. 这些标志可以任意的组合使用, 它也是整个正则表达式的一部分.
| 标志 | 描述 |
|---|---|
| i | 忽略大小写. |
| g | 全局搜索.即(不仅仅返回第一个匹配的, 而是返回全部) |
| m |
多行的: 锚点元字符 ^ $ 工作范围在每行的起始. |
例如, 表达式 /The/gi 表示在全局搜索 The, 在后面的 i 将其条件修改为忽略大小写, 则变成搜索 the 和 The, g 表示全局搜索.
例如, 表达式 /.(at)/g 表示搜索 任意字符(除了换行) + at, 并返回全部结果.
例如, 表达式 /at(.)?$/gm 表示小写字符 a 后跟小写字符 t , 末尾可选除换行符外任意字符. 根据 m 修饰符, 现在表达式匹配每行的结尾.
5.贪婪匹配与惰性匹配 (Greedy vs lazy matching)
正则表达式默认采用贪婪匹配模式，在该模式下意味着会匹配尽可能长的子串。我们可以使用 ? 将贪婪匹配模式转化为惰性匹配模式。
