正则表达式

正则表达式

常用符号

.任意字符	除换行符外的任意单个字符	添加s修饰符，可以让.包括换行符
\w 单词字符	字母、数字、下划线任意单个字符。大写\W 表示非单词字符	在python \w还可以表示汉字
\d 数字	0-9任意单个数字。大写\D 表示非数字
\s 空白字符	空格、tab制表符、换行都属于空白字符。大写\S 非空白字符,可以用[\s\S]表示任意字符

[abc123] 任意范围	一组由确定字符组成的字符集，取其中一个
[0-9] 数字区间范围	指定数字范围集，[0-9] 等同于\d
[a-z] 字母区间范围	指定字母范围集。
[\d\w\s] 固定范围集	由多个固定范围集，组成一个更大的集
[0-9A-F\s] 混合集	上述四个自定义混合组成的集
[^ ] 排除范围	表示[ ]集之外的任单个字符，如[^0-9] 表示非数字，效果等同于\D

|的转义

1.如果要匹配 | 本身，需要进行转义，如：\| 表示匹配 | 符号，或者放在自定义范围集中[|]也可以有同样效果。
2.由于 | 在类Unix系统中是特殊字符，当你使用grep或 vim 进行正则搜索时，必须进行转义。如grep中正则搜索正确姿势是：
grep '401\|403\|404\|500' nginx.access.log
3.在vim 中输入/ 开始正则搜索，同样|需要转义
/401\|403\|\404|\500

{}量词的使用

{n} 指定数量	匹配n个字符
{n,m} 指定范围	匹配n至m个字符，即至少n个，最多m个。
{n,} n个及以上	匹配n个或者n个以上字符
* 任意个	相当于{0,} 0个或无数个
+ 至少1个	相当于 {1,}
？ 0或1个	相当于 {0,1}

? 最少化匹配（懒惰匹配）:只能用在量词后面，表示如果多个文本段同时满足条件，则匹配最短的。?可以用在所有量词后面，甚至是?? ,但这个量词不能是固定的值，如:hel{2}?o 这是没有意义的。因为它不存在最少和最多。

正则分组

(\d{4})-(\d{2})-(\d{2})
// java 
public static void main(String[] args) {
      Pattern pattern=Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
        Matcher matcher = pattern.matcher("小丽生日是2011-11-23");
        if (matcher.find()) {
            String month = matcher.group(2);// 获取第2组中的月份
            System.out.println("月份是："+month);
        }
    }
// 输出如下结果：
"月份是：11"

反相引用

<h1>一级标题</h1>
<h2>二级标题</h2>
<h2>三级标题</h3>

<(h[1-6])>.*?<\/\1> 步骤拆解如下：
    <(h[1-6])> 匹配开始标签，并把标签名加入分组1
    .*? 标签中间可以是任意内容。
    <\/\1> 匹配结束标签，标签内容通过\1引用分组1（意思是与分组1的内容一致）

替换

替换操作指将正则匹配到的内容，替换成指定字符串，该字符串可通过$组号引用组进行拼装。通过$0可以引用整个匹配的内容。比如：日期“1960/02/19”被匹配之后 $0表示整个日期，$1、$2、$3 分别表示年月日。请注意反向引用与替换引用的语法区别，前者是使用\组号，而替换使用$组号。
$0在 Python与Javascript中不支持，使用$&代替

大小写转换

\u 单个转大写	转换一下个字符为大写
\U 全部转大写	转换\U后所有字符转大写
\U...\E 区间转大写	\U与\E区间的内容转大写
\l 单个转小写	转换一下个字符为小写
\L 全部转小写	转换\L后所有字符转小写
\L...\E 区间转小写	\L与\U区间的内容转小写

    编写匹配正则：\w+
    首字母转大写并替换：\u$0
"my love" 被替换后结果就是"My Love"

其他应用

(?<名称> )命名分组
(?: ) 移除分组
( ( ) )嵌套分组
()+分组使用量词

边界断言

(?= ) 前置断言 (?<= ) 后置断言 

(?<=身高)\d{3}(?=cm)
曾小红，男、编号007，举重运动员，28岁，体重56KG，身高175cm，腰围110cm。最好成绩：挺举98KG 
只匹配175

(?= ...) 前置断言	判定一段表达式前面是否满足条件
(?! ...) 前置否定断言	判定一段表达式前面是否不满足条件
(?<= ...) 后置断言	判定一段表达式后面是否满足条件	js中部分浏览器不支持
(?<! ...) 后置否定断言	判定一段表达式后面是否不满足条件	js中部分浏览器不支持

高级特性

1. 零宽断言：断言条件本身不会消耗字符 断言的内容不会被消耗仍可以作为下次匹配内容
2. 多边界断言:一个正则可同时存在多个边界断言。根据其所处位置来决定断言的边界。
3. 条件组合:多个子断言可以进行布尔运算如：&& || ()

• h(?=条件1)(?=条件2) 且运算,指必须同时满足多个条件
• h(?=(?=条件1)(?=条件2)) 且运算,条件1与条件2组成一个新条件,并且两个条件都必须满足
• h(?=(?=条件1)|(?!条件2)) 或运算,满足条件1或者 不满足 条件2
• h(?=表达式1|(?=条件1)(?!条件2)) 混合运算,表示满足表达式1或者同时满足条件1、2

4. 任意边界：可以是任意合法的表达式边界，甚至可以是空字符边界。

验证长度：(?=^.{8,20}$),表示总字符长度在8至20之间。^ $ 是两个特殊字符，这里分别表示文本的开头与结尾，将在后续章节专门学习。
验证大写字母：(?=.*[A-Z])，表示文中任意地方至少出现一次大写字母。
验证小写字母：(?=.*[a-z])，表示文中任意地方至少出现一次小写字母。
验证数字：(?=.*\d)，表示文中任意地方至少出现一次数字。
最后组合条件并追加内容 (?=^.{8,20}$)(?=.*[A-Z])(?=.*[a-z])(?=.*[\d]).+

特殊边界断言

^ 文本开头	默认情况下，表示断言文本开头
$文本结尾	默认情况下，表示断言文本结尾
^ 行开头	被m修饰后，^表示行的开头，等价于`(?<=\n	\A)`
$ 行结尾	被m修饰后，$表示行的结尾,等价于`(?=\n	\Z)`
\A 文本开头	断言文本开头	Javascript 不支持
\Z 文本结尾	断言文本结尾	Javascript 不支持
\b单词开头或结尾	断言单词开头或结尾
\B	\b 否定式,非单词开头或结尾 ，等价于(?<!\b) 或(?!\b)

多行时就得看有没有用行边界修饰符m

修饰符

global 全局匹配	默认只返回匹配到的第一个结果，加上g匹配全部可匹配结果
insensitive 勿略大小写	不区分大小写
multi line 行边界修饰符	此模式下^和$可以分别匹配行首和行尾，默认情况下只能匹配文本开头与结尾
single line . 通配修饰符	此模式下.能匹配任意字符，包括换行符
extended 注释修饰符	忽略空白字符，可以多行书写，并使用#进行注释说明	javasc

/<span>.*?<\/span>/gimse

常见用例

/\b\w+ll\b/gm	匹配以ll结尾的单词
/^\n|^\s+$\n/gm	删除所有空白行
/^\s*#.*\n|^\n|^\s+$\n/gm 删除所有#注释及空白行
/(?!^)(?=(\d{3})+$)/gm 添加千分位