学正则表达式，受用一辈子。
regex全称为Regular Expressions，中文叫正则表达式，读起来比较拗口，我们常使用缩写的术语regex或regexp。
本笔记是我学习正则的概念记录，以及在regex101.com的练习题。
1. 基本匹配
正则表达式其实就是在执行搜索时的格式， 它由一些字母和数字组合而成. 例如: 一个正则表达式 the， 它表示一个规则: 由字母t开始，接着是h，再接着是e。
这也叫普通字符，含义就是检索它本身。除了正则规定的部分字符外，其余的都是普通字符，包括各种人类语言，包括emoji，只要能够表达为字符串。
正则表达式: the
文字: The fat cat sat on the mat.
`"The"` => The fat cat sat on the mat.
2. 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。一些元字符写在方括号中的时候有一些特殊的意思。
以下是一些元字符的介绍:
| 元字符 | 描述 |
|---|---|
. |
句号匹配任意单字符，换行符除外 |
[] |
字符种类， 匹配方括号内的任意字符 |
[^] |
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 |
2.1 点运算符.
.匹配换行符之外的任意单个字符。
`".ar"` => The car parked in the garage.
2.2 字符集
方括号在正则中表示一个区间，我们称它为字符集。
字符组中的字符集合只是所有的可选项，最终它只能匹配一个字符。
字符组是一个独立的世界，元字符不需要转义。但有两个字符在字符组中有特殊含义。
^在字符组中表示取反，不再是文本开始的位置了。
-本来是一个普通字符，在字符组中摇身一变成为连字符(只有两种字符是可以用连字符的：英文字母和数字。)。
`"[Tt]he"` => The car parked in the garage.
方括号的句号就表示句号. 表达式 ar[.] 匹配 ar.字符串。
`"ar[.]"` => A garage is a good place to park a car.
2.2.1 否定字符集
`"[^c]ar"` => The car parked in the garage.
2.3 重复次数
后面跟着元字符 +， * 或者 ? 的， 用来指定匹配子模式的次数. 这些元字符在不同的情况下有着不同的意思。
| 量词 | 含义 |
|---|---|
| ? | 重复零次后者1次 |
| + | 重复一次或者多次，也就是至少一次 |
| * | 重复零次或者多次，也就是任意次数 |
| {n} | 重复n次 |
| {n,} | 重复n次或者更多次 |
| {n,m} | 重复n次到m次之间的次数，包含n次和m次 |
2.3.1 *号
*号匹配 在*之前的字符出现大于等于0次。
`"[a-z]*"` => The car parked in the garage #21.i
*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。
`"\s*cat\s*"` => The fat cat sat on the concatenation.
2.3.2 +号
+号匹配+号之前的字符出现 >=1 次。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。
`"c.+t"` => The fat cat sat on the mat.
2.3.3 ?号
在正则表达式中元字符 ? 标记在符号前面的字符为可选，即出现 0 或 1 次。例如，表达式 [T]?he匹配字符串 he 和 The。
`"[T]?he"` => The car is parked in the garage.
2.4 {}号
在正则表达式中 {} 是一个量词，常用来一个或一组字符可以重复出现的次数。例如，表达式 [0-9]{2，3} 匹配最少2位最多3位0~9的数字。
`"[0-9]{2，3}"` => The number was 9.9997 but we rounded it off to 10.0.
2.5 (...) 特征标群
特征标群是一组写在 (...) 中的子模式。
圆括号的意思是将它其中的字符集合打包成一个整体，然后量词就可以操作这个整体了。这和方括号的效果是完全不一样的。
例如之前说的 {} 是用来表示前面一个字符出现指定次数。但如果在 {} 前加入特征标群则表示整个标群内的字符重复 N 次。例如，表达式 (ab)* 匹配连续出现 0 或更多个 ab。
"(c|g|p)ar" => The car is parked in the garage.
2.5.1 正则内捕获
现在我们有一个需求，匹配<div>标签。
"<div>.*<\/div>" => <p>111</p>
<div>hello regex</div>
这很简单。但如果我要匹配的是任意标签，包括自定义的标签呢？
"<([a-zA-Z]+)>.*<\/\1>" => <p>111</p>
<div>hello regex</div>
这里用到了正则的捕获特性，\数字的形式，分别对应前面的圆括号捕获的内容。
2.5.2 捕获命名
使用\数字引用捕获必须保证捕获组的顺序不变。现在开发者可以给捕获组命名了，有了名字以后，引用起来更加确定。
<(?<tag>[a-zA-Z]+)>.*<\/\k<tag>> => <App>hello regex</App>
在捕获组内部最前面加上?<key>，它就被命名了。使用\k<key>语法就可以引用已经命名的捕获组。
2.6 | 或运算符
或运算符就表示或，用作判断条件。
例如 (T|t)he|car 匹配 (T|t)he 或 car。
"(T|t)he|car" => The car is parked in the garage.
2.7 转码特殊字符
反斜线 \ 在表达式中用于转码紧跟其后的字符。用于指定 { } [ ] / \ + * . $ ^ | ? 这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线 \。
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。
"(f|c|m)at\.?" => The fat cat sat on the mat.
2.8 锚点
在正则表达式中，想要匹配指定开头或结尾的字符串就要使用到锚点。^ 指定开头，$ 指定结尾。
2.8.1 ^ 号
^ 用来检查匹配的字符串是否在所匹配字符串的开头，英文是caret，翻译成中文是脱字符。
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。
"^(T|t)he" => The car is parked in the garage.
2.8.2 $ 号
同理于 ^ 号，$ 号用来匹配字符是否是最后一个。
例如，(at\.)$ 匹配以 at. 结尾的字符串。
"(at\.)$" => The fat cat. sat. on the mat.
3. 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] |
| \b | 匹配一个单词边界(boundary) |
| \B | 匹配一个非单词边界 |
| \d | 匹配数字，等同于[0-9] |
| \D | 匹配非数字，等同于[^\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，等同于[^\s] |
| \f | 匹配一个换行符 |
| \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 |
4. 零宽度断言(前后预查)
这是一些比较高级的匹配位置的语法，它匹配的是：在这个位置之前或之后应该有什么内容。零宽(zero-width)是什么意思？指的就是它匹配一个位置，本身没有宽度。断言(assertion)是什么意思？指的是一种判断，断言之前或之后应该有什么或应该没有什么。
零宽度断言如下:
| 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 |
4.1 ?=... 正先行断言
?=... 正先行断言，表示第一部分表达式之后必须跟着 ?=...定义的表达式。
返回结果只包含满足匹配条件的第一部分表达式。定义一个正先行断言要使用 ()。在括号内部使用一个问号和等号: (?=...)。
正先行断言的内容写在括号中的等号后面。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。
"(T|t)he(?=\sfat)" => The fat cat sat on the mat.
4.2 ?!... 负先行断言
负先行断言 ?! 用于筛选所有匹配结果，筛选条件为 其后不跟随着断言中定义的格式。正先行断言 定义和 负先行断言 一样，区别就是 = 替换成 ! 也就是 (?!...)。
表达式 (T|t)he(?!\sfat) 匹配 The 和 the，且其后不跟着 (空格)fat。
"(T|t)he(?!\sfat)" => The fat cat sat on the mat.
4.3 ?<=... 正后发断言
正后发断言 记作(?<=...) 用于筛选所有匹配结果， 筛选条件为 其前跟随着断言中定义的格式. 例如， 表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat， 且其前跟着 The 或 the.
"(?<=(T|t)he\s)(fat|mat)" => The fat cat sat on the mat.
4.4 ?<!... 负后发断言
负后发断言 记作 (?<!...) 用于筛选所有匹配结果，筛选条件为 其前不跟随着断言中定义的格式。例如，表达式 (?<!(T|t)he\s)(cat) 匹配 cat，且其前不跟着 The 或 the。
"(?<!(T|t)he\s)(cat)" => The cat sat on cat.
5. 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 |
| m | 多行的: 锚点元字符 ^ $工作范围在每行的起始 |
5.1 忽略大小写(Case Insensitive)
修饰语 i 用于忽略大小写，ignoreCase的缩写。例如，表达式 /The/gi 表示在全局搜索 The，在后面的 i 将其条件修改为忽略大小写，则变成搜索 the 和 The，g 表示全局搜索。
"/The/gi" => The fat cat sat on the mat.
5.2 全局搜索 (Global search)
修饰符 g 常用于执行一个全局搜索匹配，global的缩写。默认情况下，正则从左向右匹配，只要匹配到了结果就会收工。g修饰符会开启全局匹配模式，即(不仅仅返回第一个匹配的，而是返回全部)。例如，表达式 /.(at)/g 表示搜索任意字符(除了换行) + at，并返回全部结果。
"/.(at)/g" => The fat cat sat on the mat.
5.3 多行修饰符 (Multiline)
多行修饰符 m 常用于执行一个多行匹配。
像之前介绍的 (^，$) 用于检查格式是否是在待检测字符串的开头或结尾。但我们如果想要它在每行的开头和结尾生效，我们需要用到多行修饰符 m。
例如，表达式 /at(.)?$/gm 表示小写字符 a 后跟小写字符 t ，末尾可选除换行符外任意字符。根据 m 修饰符，现在表达式匹配每行的结尾。
"/.at(.)?$/gm" => The fat
cat sat
on the mat.
5.4 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。
"/(.*?at)/" => The fat cat sat on the mat.
