02.正则表达式
准备：
—安装RegExpBuddy软件——专门测试正则表达式是否正确的软件
—或是找一个正则表达式在线测试网站
1.正则表达式——Regular Expression
什么是：
正则表达式，是专门描述字符串中字符出现规则的表达式。
为什么:
因为程序不认识人类语言中的词汇，所以才需要程序员用正则表达式教程序认识人类语言中的词汇。
可用于：
1.验证字符串格式
2.查找敏感词
定义正则表达式：
(1).普通字符
所有的单个大小写字母、数字都是一个正则表达式，用以匹配单个字符，这个字符与它本身相同，简单来讲，就是一个关键词原文。
—例如："我是"
关键词匹配的过程：
在RegExp Buddy中
—查找一句话中是否包含敏感词“我是”
—如果将一句话中的“我是”，换成“我事”，还能查询出来吗？
(2).字符集
问题：
第二个字符换成另一个同音字，就匹配不到了
解决：
字符集
什么是：
—字符集是规定一位字符上多种备选字的列表
—只要规则中某一位字符上有多种备选字时，就用字符集
如何:
[备选字列表]
例如：
匹配时，只要与[]中任意一个字符匹配，就算满足规则
字符集匹配过程：
如果再连上前边写死的“我”字规则，可匹配三种词：
在RegExp Buddy中
—定义一个规则同时匹配“我是” ，“我事” ，“我时” 三种敏感词
答案: 我[是时事]
—扩展：修改规则，使其进一步匹配“卧是”
答案: [我卧][是时事]
—[我卧][是事时]匹配过程：
再例如：
常用手机号规则：
— 第一位：1
— 第二位：3、4、5、6、7、8、9中选其中一个
— 后 9位：每一位上都是在0~9数字之间任选其一
—结果：
问题：
如果每个数字都写很麻烦。
解决：
简写：如果[]中部分备选字符连续，可以使用-省略中间字符
例如：
手机号规则中:
[3456789] 可简写为 [3-9] 读作 3到9
[0123456789] 可简写为 [0-9] 读作 0到9
所以，手机简写形式：
1[3-8][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]
其它简写：
要匹配 一位小写 字母 ： [a-z] 共26个
要匹配 一位大写 字母 ： [A-Z] 共26个
要 匹 配 一 位 字 母 ： [A-Za-z] 共52个
要匹配一位字母或数字：[0-9A-Za-z] 共62个
要 匹 配 一 位 汉 字：[\u4e00-\u9fa5]
19968 ~ 40869 共20902个
使用字符集简写：
在RegExp Buddy中
—利用字符集简写定义车牌号规则:
— 第一位：1位汉字
— 第二位：1位大写字母
— 第三位：·
— 后五位：每一位都是一位大写字母或数字
—答案:
[\u4e00-\u9fa5][A-Z]·[0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z]
(3).预定义字符集
正则表达式语法为四种最常用的字符集定义了最简化写法，称为预定义字符集。
包括：
要 匹 配 一 位 数 字 ： \d 等效于 [0-9]
要匹配一位字母、数字或_: \w 等效于 [0-9A-Za-z_]
要 匹 配 一 位 空 字 符 ：\s 可匹配 空格、制表符、Tab等空白
要匹配所有文字 (通配符) ： .
所以，利用预定义字符集简写手机号规则为：
1[3-8]\d\d\d\d\d\d\d\d\d
问题:
手机号规则中\d写了9遍，车牌号规则中[0-9A-Z]也写了五遍，也很不方便。
原因：
一个字符集（\d或[0-9]）只能匹配一位字符，要匹配9位字符，就必须重复写9遍。
程序用规则匹配字符串，就像彩票兑奖一样，是逐字逐个规则匹配。
不但内容要符合规则，位数首先要一致。
[\u4e00-\u9fa5][A-Z]·[0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z]
解决：
使用数量词。
(4).数量词
什么是：
数量词，是专门规定一个字符集出现次数的规则
何时：
今后，只要一个字符集在规则中可能连续反复出现多次，就要用数量词以简写方式定义出现次数。
如何：
数量词紧跟在其修饰的字符集之后，默认修饰相邻的前一个字符集
例如：
利用数量词进一步简写手机号规则中，可进一步简写为:
1[3-8]\d{9} \d{9} 相当于 \d*9次
使用数量词：
利用数量词进一步简写车牌号规则，可进一步简写为：
[\u4e00-\u9fa5][A-Z]·[0-9A-Z]{5}
问题：
接收短信验证码时，网站验证码有时4位，有时6位，并不确定，怎么办？
其实，数量词包括两大类：
1). 有明确数量边界的数量词
字符集{n} 表示字符集必须重复n次，不能多也不能少
例如：
\d{4,6} 表示4位数字
字符集{n,m} 表示字符集至少重复n次，最多重复m次，
例如:
\d{4,6} 表示4到6位数字
字符集{n,} 表示字符集匹配的内容至少重复n次，多了不限
例如：
\d{6,} 表示6位以上数字
2). 没有明确数量边界的数量词
* 表示可有可无，多了不限
\s*
+ 表示至少一次，多了不限
\s+
? 表示可有可无，最多一次
\s?
在RegExp Buddy中
—匹配手机短信中的验证码：连续的4位~6位数字
答案: \d{4,6}
—匹配字符串中的一组连续空字符
答案: \s+
(5).选择和分组
问题：
屏蔽敏感词时，输入者把字换成拼音就查不出来了
错误的做法:
直接将拼音放入[]中作为字符集中的备选
比如：
[草cao]
希望:
草 或 cao
原因：
字符集只认识单个字，不认识一组拼音
正确做法：
1).选择
什么是：
选择，是指在多个子规则中选其一匹配
何时：
今后，只要在多个子规则中选其一匹配时，就用选择
如何:
子规则1 | 子规则2
读作:
满足规则1 或 满足规则2
例如:
草 | cao
问题：
如果规则写成“我草|cao” 呢？
希望是：
我草 或 我cao
实际却是:
我草 | cao
原因：
因为“|”选择符只分左右，不考虑单个字符
解决：
使用分组。
2).分组
什么是：
分组，将多个子规则视为一组，再和分组外的规则匹配
何时：
只要希望将多个子规则视为一个整体，再和其它规则匹配时，就用分组
如何：
其它规则(多个子规则)
例如：
—匹配一个“草” 字或“cao”这个拼音
答案: 草|cao
—匹配“我草”或“我cao”
答案: 我(草|cao)
使用选择和分组：
问题1：
同时验证敏感字同音字或拼音，我草、我艹、我cao、我槽
答案：我 ([草艹槽]|cao)
问题2：
“我” 字也可能是“卧”或“wo”
答案：([我卧]|wo)([草艹槽]|cao)
问题3：
可能在中间加不确定个数的空字符：
答案：([我卧]|wo)\s*([草艹槽]|cao)
在RegExp Buddy中定义规则
—匹配“我草”
—匹配 “卧 槽”
—匹配 “wocao”，“我 草”等敏感词
—定义完整手机号规则：
分析：
+86或0086：(\+86|0086)
至少一个空字符 : \s+
之前所有，整体可有可无，最多一次： ()?
1
3~9
任选其一 9位数字
答案: ((\+86|0086)\s+)?1[3-8]\d{9}
—定义完整身份证号规则:
分析：
15位数字: \d{15} （一代身份证）
2位数字: \d\d
最后一位: 1位数字或Ⅹ: [0-9Ⅹ]
最后三位 可有可无，最多一次 （最后三位）？
答案：\d{15}(\d\d[0-9x])?
(6).指定匹配位置
一个字符串中三个位置比较特殊：
—1. 字符串开头
—2. 字符串结尾
—3. 英文句子中的每个单词中间的空白位置
如果只希望匹配特殊位置上的关键词时，就可用特殊符号表示特殊位置。
包括：
—1. ^ 表示字符串开头
—2. $ 表示字符串结尾
—3. \b 表示单词边界，可匹配：空格，标点符号，字符串开头和结尾等可将一个单词与其它单词分割开的符号。
例如:
匹配一组连续的空字符
—1. 匹配任意一组连续的空字符
—2. 仅匹配开头的空字
—3. 仅匹配结尾的空字符
—4. 同时匹配开头和结尾的空字符：
错误的做法:
^\s+$，表示从开头到结尾之间只能是空字符！
正确做法：
用“|”选择符，将整个规则强行一分为2
再比如:
找到每个单词首字母
—前边紧挨着单词边界的字母
附图片（不与博客内容匹配，仅参考）：
英文单词整理
Regular Expression 正则表达式
Regular 规则
Expression 表达式 做一件事的一条程序的语句
\d digit (从 0 到 9 的任何一个)数字，数位
\s space (可利用的)空地，空间；空格
\w word 单词;词;字;
\b boundary 边界
