开始真正了解RE是从这篇开始的。RE实在是博大精深，且把之前学到的东西再整理回忆下了。
正则表达式就是记录文本规则的代码。
前面那句话说的好，RE是描述的一种字符排列的规则，这就有两个要素：
1、表达形式：
表达形式包含了主体和组合方式
a) 主体：各种字符，不管一个正则表达式的字符代表了一个还是一类字符，总之，这些主体是可以看到的
b) 组合方式：也就是位置，同样的字符，位置不同，排列不同，表示的字符串也不同
所以说，表达形式这块的内容，可以直接地从RE匹配的结果中看出来。
|
.
|
匹配除换行符"\n"之外的任意字符 |
|
\b
|
代表单词的开头或结尾，即单词的分界处[ \b匹配这样的位置：它的前一个字符和后一个字符不全是\w ]
RE中的单词：不少于一个的连续的\w |
|
\d
|
一位数字(0,1,2……9) |
|
\s
|
任意空白符：空格，制表符，换行符，中文全角空格 |
|
\w
|
字母或数字或下划线或汉字等 |
|
^
|
字符串的开始 |
|
$
|
字符串的结束 |
|
+
|
前面内容匹配1次或多次 |
|
*
|
表示数量：前边的内容可以连续重复使用任意次是整个表达式匹配，0次或多次 |
|
?
|
重复0次或1次 |
|
{n}
|
重复n次 |
|
{n,}
|
重复n次或多次 |
|
{n,m}
|
重复n次到m次 |
|
\
|
匹配某些特殊符号时，取消符号的特殊含义： \--\\，*--\*，.--\.，(--\(，)--\) |
|
[aeiou]
|
匹配一个字符，候选值为aeiou |
|
[0-9]
|
匹配一个数字，候选值为0,1,2,3,4,5,6,7,8,9 |
反义：大写表示与小写相反的含义
|
\W
|
任意不是字母、数字、下划线、汉字的字符 |
|
\S
|
任意非空字符 |
|
\D
|
任意非数字字符 |
|
\B
|
不是单词开头或结束的位置 |
|
[^x]
|
除x意外的任意字符 |
|
[^aeiou]
|
除aeiou以外的任意字符 |
|
2、表达方式：
在表达形式之上，如何合理、精确、简短地描述规则，就是表达方式的范畴，比如：分支、分组、后向引用、零宽断言、贪心与懒惰、递归匹配等。
可能有人会说，上一行提到的这些东西，也有是直接反映在结果中的。我相说的是，表达方式各种方法的使用，使表达形式更简洁、精确，其实有些没有也行，比如：后向引用，很显然的一个例子。
|
分枝条件
|
用“|”将不同的规则分隔开
eg.
> 国内固定电话：0\d{2}-\d{8} | 0\d{3}-\d{7} 以“-”分割，3位区号和四位区号
> 国内固定电话，3位或4位区号，区号可以用“-”与号码隔开，也可以用()隔开，也可以用空格，也可以什么都没有：
\(?0\d{2}\)?[- ]?\d{8} | \(?0\d{3}\)?[- ]?\d{7}
bug： 对01234567890没法分出3位还是4位区号；对(012-34567890无匹配成功
((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|(\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1}))$)
支持手机号码，3-4位区号，7-8位直播号码，1－4位分机号
> 美国邮政编码：\d{5}-\d{4} | \d{5} 9位，前5位后有“-”分割，或是只有5位
(注意各个条件的顺序 如果是\d{5} | \d{5}-\d{4}，则值匹配5位的邮编或位的前5位，在有分枝时，只要满足一个就算匹配完成，后面会提到的Lazy原则)
|
|
分组
|
重复一组字符，用()来指定子表达式，即为分组
eg.
> IP地址：
((2[0-4]\d | 25[0-5] | [01]?\d\d?)\.){3}(2[0-4]\d | 25[0-5] | [01]?\d\d?) |
|
后向引用
|
指定子表达式(分组)后，用编号来引用前面的分组，自添加的分组编号默认从1开始，\1 表示分组1匹配的文本。分组0匹配整个正则表达式。
eg.
重复的单词，如"go go"
(\b(\w+)\b)\s+\1\b
可以自己给分组指定组名：(?<GroupName>expr)或(?'GroupName'expr)
[ 组号匹配过程要扫描两边：1、扫描未命名的分组；2、扫描命名分组 ]
eg.
> IP地址：
((?<IP>2[0-4]\d | 25[0-5] | [01]?\d\d?)\.){3}\k<IP> |
|
零宽断言
|
“零宽”表示这个语法不在匹配串中占用任何字符
“断言”表示条件不满足即可退出
确保匹配串附近出现了某些字符
(?=exp) 零宽度正预测先行断言：断言自身出现的位置的后面能匹配表达式exp
匹配串后面是exp
eg.
> 一篇文章中结尾为ing的词中除ing之外的部分：
\b\w+(?=ing\b?)
Rolling in the deep 它匹配 Roll
(?<=exp) 零宽度正回顾后发断言：断言自身出现的位置的前面能匹配表达式exp
匹配串前面是exp
eg.
> 匹配以re开头的词中除re之外的部分：
(?<=\bre)\w+\b
reading a book 它匹配ading
> 以空白符间隔的数字(不包含这些空白符)
(?<=\s)\d+(?=\s) |
|
负向零宽断言
|
确保匹配串附近没有出现某些字符
(?!exp) 零宽度负预测先行断言：断言此位置的后面不能匹配表达式exp
匹配串后面不能是exp
eg.
> 后面不是字母u的q的单词：
\b\w*q(?!u)\w*\b
(?<!exp) 零宽度负回顾后发断言：断言此位置后前面不能匹配表达式exp
匹配串前面不能是exp
eg.
前面不是小写字母的七位数字：
(?!<[a-z])\d{7}
不含属性的简单HTML标签里的内容：
(?<=<\w+>).*(?=<\/\1>) |
|
注释
|
(?#comment)
eg.
IP地址：
((?<IP>2[0-4]\d(?#200-249) | 25[0-5](?#250-255) | [01]?\d\d?(?#0-199))\.){3}\k<IP> |
|
贪心
|
当RE中包含能接受重复的限定符是，通常是在能匹配的前提下，匹配尽可能多的字符。
eg.
a.*b 匹配最长的以a开始，以b结束的字符串
对aabab，会匹配整个字符串 |
|
懒惰
|
匹配尽可能少的字符
在前面的限定符后面加?即可转化为懒惰模式
eg.
a.*?b 对aabab得到的匹配是aab和ab两个
| *? |
重复0次或多次，但尽可能少重复 |
| +? |
重复1次或多次，但尽可能少重复 |
| ?? |
重复0次或1次，但尽可能少重复 |
| {n,m}? |
重复n次到m次，但尽可能少重复 |
| {n,}? |
重复n次以上，但尽可能少重复 |
|
|
最先匹配
|
最先开始的匹配具有最高的优先级 优先级高于贪心或懒惰 |
|
上面的思路或许不那么严谨，只是讲讲我自己按照怎么样的逻辑去理解这套东西的。
