正则表达式

正则表达式

正则表达式是一种用于字符串搜索和操作的表达式，它由普通字符（如字母a到z）和特殊字符（称为"元字符"）组成。

通过定义特定的模式，可以用于：

• 检查字符串是否符合某种格式（如邮箱验证）
• 查找符合特定规则的子串
• 提取字符串中的特定部分
• 替换文本中的内容

核心语法

字符匹配

表达式	说明	示例
.	匹配任意单个字符	a.c 匹配 aac, abc, a与c中间可以是任意字符
\d	匹配数字（0-9）	\d\d 匹配 11，12 匹配两位的数字
\D	匹配非数字	\D\D 匹配 ab，@A 匹配两位的非数字
\w	匹配字母、数字、下划线	\w\w 匹配 ab, b_
\W	匹配非字母、数字、下划线	\W\W 匹配 %&, !@
\s	匹配空白字符（空格、制表符等）	a\sb匹配 ‘a b’
\S	匹配非空白字符	\S\S 匹配 ab, 12

量词（重复匹配）

量词控制前一项的数量

量词	说明	示例
*	0次或多次	a*b 匹配 b, aab
+	1次或多次	a+b 匹配 ab, aaab 至少要出现一次
?	0次或1次	a?b 匹配 b, ab
	恰好n次	a{2}b 匹配 aab
	至少n次	a{2,}b 匹配 aab, aaaab
	n到m次	a{2,3}b 匹配 aab, aaab

位置锚点

锚点	说明	示例
^	匹配字符串开始	^abc 匹配以abc开头的字符串
\(|匹配字符串结束|`abc\)` 匹配以abc结尾的字符串
\b	匹配单词边界	\babc\b 两个\b之间abc 匹配独立的abc单词
\B	匹配非单词边界	\Babc\B 匹配abc但不作为独立单词

字符类

使用[]定义，匹配其中任意一个字符

基本字符类

• [abc]：匹配a、b或c
• [a-z]：匹配a到z的任意小写字母
• [A-Z]：匹配A到Z的任意大写字母
• [0-9]:匹配0-9的数字 等同于\d

否定字符类

• [^abc]：匹配不是a、b或c的任意字符
• [^a-z]：匹配不是小写字母的任意字符

注意：^在字符类[]中的行为与作为位置锚点时完全不同：

• 在字符类内部且是第一个字符时，表示否定
• 在字符类内部，但不在第一个字符时，表示字面量^匹配符号本身
• 在字符类外部表示字符串/行的开始

字符类中的特殊字符

在字符类中，大多数元字符失去了特殊含义，变为字面值：

如.、*、+、?在字符类[]中都表示符号本身，不具有特殊含义

需要转义的字符：

• 1. ^：如果出现在第一个字符位置表示否定，否则是字面值
  • [a^b]：匹配a、^或b
  • 如果要匹配单独的^字符需要进行转义
    • [\^] 匹配^字符
• 2. -：用于表示范围，如a-z，如果要匹配字面值-：
  • 放在字符类的开头或结尾：[-a-z]、[a-z-] 匹配 -或a-z的小写字母
  • 或者进行转义：[a\-z] 匹配 a、- 或 z
• 3. ]：表示字符类结束，要匹配字面值]需要：
  • 放在字符类的开头：[]abc] 匹配]、a、b、c 不推荐
  • 建议任何情况都进行转义 提高可读性 [abc\]]
• 4. \：匹配斜杠本身需要转义\\

分组与捕获

在正则表达式中，括号()有两个主要作用：分组和捕获

捕获分组（pattern）

• 将模式parttern作为一个分组
• 匹配的内容会被捕获并存储
• 可以通过反向引用\n或匹配结果数组访问

(ab)+  # 匹配一个或多个"ab"序列

如对于“abcababc”字符串

匹配结果为

["ab", "abab"]

捕获结果为

["ab", "abab"]

非捕获分组（?:pattern）

• 只分组不捕获
• 不会存储匹配内容
• 提高性能，减少内存使用

当需要匹配"abc"序列时，但仅需要用到"ab"不需要"c"时

(ab)(:?c)+ # 匹配一个或多个"abc"序列 但仅捕获ab

同样对于“abcababcabc”字符串

匹配结果为

["abc", "abcabc"]

捕获结果为

["ab", "abab"]

反向引用

反向引用允许你引用前面捕获的分组:

• \1引用第一个捕获组
• \2引用第二个捕获组
• 以此类推

(\d)\1 # 匹配相同的连续两个数字

如对于字符串"122344"

匹配结果为

["22", "44"]

分组中的量词

可以对整个分组应用量词

(ab){2,4}  # 匹配"abab", "ababab"或"abababab"