正则表达式入门笔记

概念：正则表达式是一些用来匹配和处理文本的字符串。它主要有两大功能，查找和替换。

 

在使用正则表达式的时候，所有的问题都有不止一种解决方案。

 

在正则表达式里，"." 可以匹配除换行符以外的任意字符，如果是要匹配“.”字符本身，需要使用"\"对其进行转义。

 

元字符[  ]用来定义一个字符区间，其含义是必须匹配该集合里的字符之一，定义一个字符集合有两种方法：一是把所有的字符都列举出来；二是利用元字符 - 以字符区间的方式给出如：[0-9a-z] , 字符集合可以用元字符 ^ 来求非，这将把字符集合强行排除在匹配操作之外，除了该字符集合里的字符，其他字符都可以匹配。

 

正则表达式里的元字符可以分为两种：一种是用来匹配文本的，另一种是正则表达式的语法所要求的如[  ]

如：空白元字符

匹配特定类别的字符：

1. 匹配数字的元字符：

 

2. 匹配字母和数字的元字符

 

3. 匹配空白字符类的元字符（注：退格字符[\b]不在类元字符\s覆盖范围内）

 

4. 匹配字符的十六进制编码用\x0a,  八进制编码用\011.

 

5. 实现重复匹配元字符

+号匹配一个和多个字符，最少一个。

* 号匹配零个和和多个字符，可以是零个。

？号匹配字符集字符的零次或一次出现

为重复匹配设置一个精确的次数使用如： { 4 }, 字符出现4次，a{4},a字符重复出现4次

为重复次数指定一个区间，{2 , 4}, 最少2次，最多4次

匹配至少重复多少次，使用｛3，｝,意思是至少匹配3次

注：在使用这些重复匹配的元字符时要防止，+，*这两种贪婪性元字符的过度匹配的情况，这时就要在这些元字符后加上？，使其变为懒惰型的元字符。

 

6. 位置匹配

 \b 可以用来匹配单词的边界，如\bcat\b，用来界定单词cat的边界。

\B  匹配前后都不是单词边界的元字符。

用来定义字符串边界的元字符有两个^ 和 $ , ^定义字符串开头，$定义字符串结束

7. 子表达式

在正则表达式中使用子表达式表示一个独立的匹配元素，子表达式用（）包起来，在匹配中 | 表示表达式匹配的或操作。作用是把一组相关字符编组为一个字符集合，另一个用途是定义回溯引用。

子表达式的嵌套如：匹配一个有效的IP地址：

(((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))

回溯引用指的是模式的后半部分引用在前半部分中定义的子表达式。

 

8.替换操作

在正则表达式的替换操作中，可以通过回溯引用子表达式的值，实现替换操作,引用子表达式的值，使用$1

例如将：  313-555-1234

                248-555-9999

                810-555-9000   替换成(313)-555-1234

搜索表达式：(\d{3})-(\d{3})-(\d{3})(\d)

替换表达式： ($1)-$2-$3

 

有些正则表达式实现，容易进行大小写的替换操作：

例如：

<h1>my name is mickey</h1>将该串标题中的文本替换成大写形式：

搜索表达式：(<[Hh][1-6]>)(.*?)(</[Hh][1-6]>)

替换表达式： $1\U$2\E$3

 

8. 前后查找

前面都是使用正则表达式匹配要找的文本，并返回匹配的结果，但有时候，我们只需要用表达式标记要匹配的文本位置，而不需要返回匹配的结果，这个时候就可以使用前后查找。

 向前查找：（用来标记位置的正则子表达式以?=开头）

    如：要找出下面一段文本的协议：

        http://www.forta.com/

        https://mail.forta.com/

        ftp://ftp.forta.com/

表达式：.+(?=:)

 

向后查找：查找出现在被匹配文本之前的字符。向后查找使用?<=

例如：要找出这段文本中的价格：ABC01: $23.45

                                                    HGG42: $5.31

表达式：(?<=\$)([0-9].)+

 

向前查找和向后查找通常是用来匹配文本，其目的是为了确定将被返回为匹配结果的文本的位置。通常用于指定匹配结果的前后必须是哪些文本。

前后查找分为正向前后查找和负向前后查找：

各种前后查找操作符如下：

例如：文本：I paid $30 for 100 apples

50 oranges, and 60 pears.

I saved $5 on this order.

查找数量使用负向后查找：

\b(?<!\$)\d+\b

 

只查找价格，使用正向后查找

\b(?<=\$)\d+\b

 

9. 在正则表达式中嵌入条件

？（回溯引用）true-regex|false-regex

例如:匹配正确格式的电话号码：123-456-7890或(123)456-7890

正则表达式：(\()?\d{3}(?(1)\(|-)\d{3}-\d{4}

文本：123-456-789

            (123)-456-789

            (123456-789