正则基本知识

1、基本字符集

字符集	完整集合	意义	备注
\d	[0-9]	匹配数字
\D	[^0-9]	匹配非数字，包括空格等
\w	[_a-zA-Z0-9]	匹配单词字符，字母数字下划线
\W	[^_a-zA-Z0-9]	匹配非单词字符	[^\w]
\s	[ \r\n\t]	匹配空白符，空格、回车换行、制表符
\S	[^ \r\n\t]	匹配非空白符	[^\s]
\b		匹配单词边界	不消耗任何字符(零宽断言)
\B		匹配非单词边界	不消耗任何字符(零宽断言)
\<		匹配单词边界开头	旧语法，部分支持
\>		匹配单词边界结尾	旧语法，部分支持

 

 

 

 

 

 

 

 

 

 

 

2、元字符

 

元字符	意义	备注
^	匹配行的开始位置
$	匹配行的结束位置
.	匹配任意字符
(	左小括号
)	右 小括号
[	左中括号
]	右中括号
{	左大括号
}	右大括号
\	斜杠

 

 

 

 

 

 

 

 

 

3、正则表达式选项

 

字符	意义	备注
i	不区分大小写
g	全局模式
m	多行模式

 

 

 

 

  

4、字符组

 　　字符组使用方括号表表达式[]。使用[]可以定义任意需要的字符组,例:[aeiou]匹配英文元音字符。

　　字符组取反在[]表达式内部开头使用^，添加^表示取反操作，例:[^aeiou]匹配非英文元音字符。

常用字符组　　

字符组	意义	备注
[0-9]	匹配任意数字，等同\d
[0-9a-zA-Z]	匹配字母数据,等同\w
m	多行模式

 

 

 

 

　　字符组并集：[0-3[4-7]]取0-3任意字符与4-7任意字符的并集。

　　字符组差集：[0-9&&[3-4]]取0-9任意字符但是不包括3、4两个数字。

5、量词

　　贪心 ：尝试匹配时，选定尽可能多的内容，如果匹配失败则回退一个字符继续尝试，即进行回溯操作。使用*标记为贪心。

　　懒惰：尝试匹配时，从目标起始尝试匹配，每次检查一个字符，最后尝试匹配整个字符串。使用?号标记为懒惰。

　　占有：尝试匹配时，覆盖整个目标然后尝试寻找匹配内容，但只尝试一次不会回溯。使用+号标记为占有。

　　　　 

字符	意义	备注
*	零个或多个
+	一个或多个
？	零个或一个

 

 

 

 

　　{3}　重复3次

　　{1,4}重复1-4次

　　{0,1}零个或一个等同?

　　{0,}零个或多个等同*

　　{1,}一个或多个等同+

　　

　　懒惰量词：？，在模式后添加？表示匹配模式中最小项，只要找一任意一匹配就结束。

　　例: 5*匹配0-多个数字5，添加懒惰后5*?,最小项是匹配0个5，则该模式不会匹配任何值。

　　占有量词：+，在模式后添加+表示匹配模式时使用占有，把尽可能多个内容匹配，匹配后不回溯。

　　例:5.*5匹配以5开头的且以5结尾的任意字符串。那么5.*5模式会匹配5.ddd5内容。

　　　　添加占有量词+后，5.*+5，模式不会匹配5.ddd5内容，因为占有匹配尽可能多个的内容，

　　　　结尾的5做为.查找的内容匹配，且匹配后不会回溯，导致不能匹配字符串。

 

 

6、子模式

　　子模式等同子正则表达式。

　　^( \d  | [a-zA-Z] )$,这是个一个最基本的模式，用来匹配单个数值或字母。括号内\d是一个字模式，括号内[a-zA-Z]也是一个子模式。

　　^(T|t)h(e|eir)^ ,这是一个模式有两个子模式(T|t)、(e|eir)。

 

7、捕获分组和后向引用

　　捕获分组：子模式中每个()内容都可以看做个分组用$+数字表示，例如:$1表示(T|t)匹配的字符引用。$2表示(e|eir)匹配的字符引用。

　　非捕获分组：(?:(?i)the))，不捕获不区分大小写的字符the，该组意思时正则正常匹配，但是使用$1表示分组时该组不计数。

　　命名分组：为子模式命名，后向引用时不使用$1形式，直接使用添加的命名进行引用。　

　　　　例：(?<aa>\d{3}).后续引用时可直接使得aa来获得匹配到的内容。

　　后向引用：捕获分组信息在，后续需要使用的地方可以使用$1或者$2直接使用。

 

8、环视

　　环视也称零宽断言。

　　正前瞻:

　　反前瞻

　　正后顾

　　反后顾

　　正前瞻示例：匹配the后面跟expression.

　　

　　反前瞻示例：匹配the,但是the后面不能是expression。反前瞻是正前瞻的取反操作。

　　

　　正后顾：