正则表达式
整体概览
| 实例 | 描述 |
|---|---|
[Pp]ython |
匹配 “Python” 或 “python”。 |
rub[ye] |
匹配 “ruby” 或 “rube”。 |
[abcdef] |
匹配中括号内的任意一个字母。 |
[0-9] |
匹配任何数字。类似于 [0123456789]。 |
[a-z] |
匹配任何小写字母。 |
[A-Z] |
匹配任何大写字母。 |
[a-zA-Z0-9] |
匹配任何字母及数字。 |
[^au] |
除了au字母以外的所有字符。 |
[^0-9] |
匹配除了数字外的字符。 |
| 实例 | 描述 |
|---|---|
. |
匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式。 |
? |
匹配一个字符零次或一次，另一个作用是非贪婪模式 |
+ |
匹配1次或多次 |
* |
匹配0次或多次 |
\b |
匹配一个长度为0的子串 |
\d |
匹配一个数字字符。等价于 [0-9]。 |
\D |
匹配一个非数字字符。等价于 [^0-9]。 |
\s |
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
\S |
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
\w |
匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。 |
\W |
匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。 |
字符匹配
字符组
字符组[]允许匹配一组可能出现的单个字符，我们需要匹配的多个字符之间紧密相连，不需要符号隔开。
注意：字符组中仅仅匹配某一个字符，如果已经确定要匹配的字符那么就不必用字符组了。
[Pp]ython
可以选择出
python
Python
区间
区间-允许我们匹配指定区间内的字符，减少了我们的书写个数。
- 要匹配任意数字可以使用
[0-9]； - 如果想要匹配所有小写字母，可以写成
[a-z]； - 想要匹配所有大写字母可以写成
[A-Z]； - 如果想要匹配从5到8的数字可以写成
[5-8]。
匹配特殊字符
有时候我们想要匹配的字符恰好在正则表达式中有其特定的含义，这时候我们在其前面加\进行转义。
比如我们想要匹配字符-，可是字符-在字符组中表示区间，这时我们就可以使用转义符\对其转义。
匹配所有的字符 -
[\-]
取反
取反符号^仅在字符组中表示取反符号，表示不采取字符组中^后列出的单词.
比如[^123]表示匹配除了1，2，3之外的所有字符。
快捷方式匹配
匹配空白
\s表示匹配空白字符，其中包括空格、tab、换行等
匹配数字和字母
\w表示匹配任意字母，包括大小写，等同于[a-zA-Z]。
\d表示匹配任意数字，等同于[0-9]。
单词边界
有时我们只想匹配单个单词，这时候我们就需要匹配单词边界\b符号
比如我们有句子i play on playground，如果我们直接使用play对单词 play 进行匹配，会将单词playground 中的 play 也匹配进去。
这时，我们就需要使用到单词边界，来进行匹配 \bplay\b 就可以匹配出单个 play 单词。
快捷方式取反
快捷方式取反只需要大写字母即可。
比如 \W、\D、\S、\bplay\B（指的是提取非单词边界的play）等
开始和结束
正则表达式中 在字符组外^指定的是一个字符串的开始，$指定的是一个字符串的结束。
比如这里有两句话
python is my favourite
this code in python
^python表示提取以 python 开头的字符串。
python$表示提取以 python 结尾的字符串。
任意字符
.字符代表匹配任何单个字符，它只能出现在方括号字符组以外。
可选字符
有时，我们可能想要匹配一个单词的不同写法，比如color和colour，或者honor与honour。
这个时候我们可以使用 ? 符号指定一个字符、字符组或其他基本单元可选，这意味着正则表达式引擎将会期望该字符出现零次或一次。
比如honou?r u? 表示u是可选的，即可以出现也可以不出现，可以匹配的是 honor 和 honour 。
如果是.?则表示任意一个可选字符，可出现也可不出现。
匹配多个字符
重复
在字符后面加上{N}代表这个字符重复的次数。
比如\d{4}，表示\d重复四次，等同于\d\d\d\d，表示匹配一个四位数字。
重复区间
可能有时候，我们不知道具体要匹配字符组要重复的次数，比如身份证有15位也有18位的。
这里重复区间就可以出场了，语法：{M,N}，M是下界而N是上界。
比如我们要匹配三位数，四位数和五位数，就可以用\d{3,5}来进行匹配。
\d{3,4} 既可以匹配3个数字也可以匹配4个数字，不过当有4个数字的时候，优先匹配的是4个数字，这是因为正则表达式默认是贪婪模式，即尽可能的匹配更多字符，而要使用非贪婪模式，我们要在表达式后面加上 ?号。
开闭区间
{1,}表示字符的重复没有边界，表示匹配一个或无数个。
+等同于{1,}
*等同于{0,}
分组
分组提取
在正则表达式中还提供了一种将表达式分组的机制，当使用分组时，除了获得整个匹配。还能够在匹配中选择每一个分组。
要实现分组很简单，使用()即可。
比如我先要提取<div>hello</div>中的 hello ，我们可以使用 <div>(.*?)</div>
或条件
使用分组的同时还可以使用 或者（or）条件。
例如要提取所有图片文件的后缀名，可以在各个后缀名之间加上一个 |符号。
比如(.jpg|.gif|.png)
非捕获分组
有时候，我们并不需要捕获某个分组的内容，但是又想使用分组的特性。
这个时候就可以使用非捕获组(?:表达式)，从而不捕获数据，还能使用分组的功能。
比如0731-75855，我们只要提取出75855，可以用(?:\d{4})-(\d{5})
分组回溯
分组的回溯引用，使用\N可以引用编号为N的分组。
比如我们有<div>hello</div>，我们可以使用<(\w+)>(hello)</\1>，这里面的\1就代表了，表达式中第一个分组所中的值。
贪婪模式和非贪婪模式
贪婪模式：正则表达式趋向于最大长度的匹配，总是尽可能多的匹配字符。
非贪婪模式：正则表达式趋向于最短长度的匹配，总是尽可能少的匹配字符。
比如这里有字符串abcdefabc
这里有正则表达式a.*c
在贪婪模式下匹配到的结果为：abcdefabc
在非贪婪模式下匹配到的结果为：abc
在正则表达式中，默认时贪婪模式，如果我们要使用非贪婪模式需要在量词后面加个?，比如a.*?c
