正则表达式30分钟入门教程笔记

正则表达式30分钟入门教程笔记

之前用everything时感到很有学习正则表达式的必要，零零散散学过一些，这次来做个总结。

先放网址正则表达式30分钟入门教程（感谢娄老师的推荐）

• \b:表示元字符，匹配单词的开始与结束，参考全字匹配。

  例:\bhi\b可用于搜索hi字样

• *:任意数量(0~∞),与windows表示任意多个字符不同

  .:表示换行符外的任意字符

  .*:任意多个换行符外的任意字符

  例: \bhi\b.*\bLucy\b表示hi后面不远处跟着一个Lucy

• \d:单个数字

  {}:数量重复范围。{a}表示a次，{a,b}表示a到b次

  例: 0\d\d-\d\d\d\d\d\d\d\d表示以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字的字符串,也可用 0\d{2}-\d{8}表示。{2}({8})的意思是前面\d必须连续重复匹配2次(8次)

• \w:字母或数字或下划线或汉字

  例: \ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)

• +:任意数量数字(1~∞)

  例: \d+匹配1个或更多连续的数字

• ^:匹配字符串开始

  $:匹配字符串结束

  例: ^\d{5,12}$5位到12位数字qq

  ?与\b的区别暂时没有搞明白

• \:转义字符:取消特殊意,写Markdown时就应该很熟练了

• \s:匹配任意空白符

• []:匹配字符集合中的元字符，可限定范围合并使用

  例:[aeiou]匹配所有元音字母,[a-z0-9A-Z]相当于\w,

  练习:\(?0\d{2}[) -]?\d{8} 可匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等 , 首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8}) 。

  不幸的是，这个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式,为此引入如下分枝条件:

• |:隔开可匹配不同规则格式,使用方式与或相同,但应注意顺序，如if与else if的用法

  例:\d{5}-\d{4}|\d{5} 可表示五位数字或5位-4位的数字，如果倒置为\d{5}|\d{5}-\d{4} ，在遇到5-4型时会提前匹配

  为重复多个字符，引入子表达式|分组

• ():对多个字符进行匹配

  例: ((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 用来匹配ip地址

  为找到除了某些字符外的字符，引入反义

• ^:字面意

  例:\S+匹配不包含空白符的字符串。<a[^>]+>匹配用尖括号括起来的以a开头的字符串

• \num:表示第num个分组的值，从组1开始，组0表示整个正则表达式

  分析:\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

• ()|('Name'):设定分组名，可用\k引用捕获内容

  例: \b(?\w+)\b\s+\k\b等同于上例

  为在句中查找以某些字符为开头或结尾(位置)的部分，引入零宽断言

• (?=exp): 零宽度正预测先行断言

  例:\b\w+(?=ing\b)匹配 I'm singing while you're dancing. 中的sing与danc(注意\b的位置)

• (?<=exp):零宽度正回顾后发断言

  例:(?<=\bre)\w+\b匹配 reading a book中的ading

  以下为负向零宽断言，相当于零宽断言的反义

• (?!exp): 零宽度负预测先行断言

  例: \d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字

  ?\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词

• (?<!exp): 零宽度负回顾后发断言

  例: (?<![a-z])\d{7}匹配前面不是小写字母的七位数字

• (?#comment):注释

  例: 2[0-4]\d(?#200-249)|250-5|[01]?\d\d?(?#0-199)

• 贪婪匹配:匹配尽量多的字符

  例:用a.*b匹配aabab，即得到aabab

• 懒惰匹配:匹配尽量少的字符

  例:用a.*?b匹配aabab，即得到aab与ab(暗含规则:最先开始的匹配拥有最高的优先权)

总结表

常用元字符

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

常用限定符(重复)

代码/语法	说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
	重复n次
	重复n次或更多次
	重复n到m次

常用反义代码

代码/语法	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

常用分组语法

懒惰限定符

代码/语法	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，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到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复