菜鸟级-正则表达式

正则表达式

正则表达式是一种查找以及字符串替换操作。正则表达式在文本编辑器中广泛使用，比如：

• 检查文本中是否含有指定的特征词
• 找出文中匹配特征词的位置
• 从文本中提取信息，比如：字符串的子串
•  修改文本

 

正则表达式是什么？

         正则表达式只是一个字符串。没有长度限制，但是，这样的正则表达式长度往往较短

         如下所示：

• I  had  a  \s  +  day  today
•  [A – Z a – z 0 – 9\-_]{ 3,16 }
•   \d\d\d\d-\d\d-\d\d
•   V(\d+)(\.\d+)*
•   TotalMessages=’’(.*?)’’
•  <[^<>]>
• 每一个正则表达式都有输入（文本）和输出（匹配规则的输出，有时是修改后的文本）

特别提醒：正则表达式与文本统配语法无关，比如 *.xml

正则表达式的基础语法

字符

正则表达式中包含了一系列字符，这些字符只能匹配他们本身。有一些被称为“元字符”的特殊字符，可以匹配一些特殊规则

如下所示，红色为元字符

•  I  had  a  \s  +  day  today
•  [A – Z a – z 0 – 9\-_]{ 3,16 }
•  \d\d\d\d-\d\d-\d\d
•   V(\d+)(\.\d+)*
•  TotalMessages=’’(.*?)’’
•   <[^<>]>

大部分的字符，包括所有的字母和数字字符，是普通字符。也就意味着，他们只能匹配他们自己。

 

到目前为止，正则表达式的功能类似于

•   常规的find功能
•   Java中的 String.indexOf() 函数
•   PHP中的 strops()函数
•  等等

 

注意：不做特殊说明，正则表达式中是区分大小写的。但是，几乎所有的正则表达式的实现，都会提供一个Flag用来控制是否区分大小写。

1. “ . ”

　　　　元字符“.”，意味着可以匹配任意字符

　　　　如：c.t可以匹配cat,cot,cxt……

　　2.“ \”

　　使用反斜杠“\”可以忽略元字符，使得元字符的功能与普通字符一样。

　　如：c\.t    表示找到字母c,然后是一个句号（“.”），紧跟着是字母t

 

反斜杠“\”本身也是一个元字符，这意味着反斜杠本身也可以通过相似的方法变回到普通字符的用途。因此，正则表达式：

c\\t  表示匹配 以字符c开头，然后是一个反斜杠(\)，紧跟着是字母t

 

 

 

字符类

           字符类是一组在方括号内的字符，表示可以匹配其中的任何一个字符

•   A[0-9]t  表示匹配以A开头，接着是0-9中任何一位字符，最后以t结尾
•  [\[\]\ab]表示匹配的字符为“[”或者“]”或者“a”或者“b”
• l  [\\\[\]] 表示匹配的字符是“\”或者“[”或者“]”

 

在字符类中，字符的重复出现和出现顺序并不重要。[dabaaabcc]和[abcd]是相同的

重要提示：字符类中和字符类外的规则有时不同，一些字符在字符类中是元字符，在字符类外是普通字符。一些字符正好相反。还有一些字符在字符类中和字符类外都是元字符，这要视情况而定！

 

在字符集中，短横线（-）表示匹配字母或数字的范围（[0-9]）,在字符类之外，短横线没有特殊含义（a-z：表示匹配字符串以a开头，然后是一个短横线，以z结尾）

注意：范围的字符值代表的是字符而已，并不能代表数值范围，比如[1-31]表示匹配一个数字，是1或者2或者3，而不是匹配一个数值在1到31之间的数

 

字符类的反义（在字符的起始位置放一个反义符）

•   [^a]表示匹配任何不为a的字符
•   [\^ab]表示匹配一个为“^”或者a或者b的字符
•   [^\^]表示匹配任何不为“^”的字符

 

转义字符类

\d  这个正则表达式与[0-9]作用相同，都是匹配一个数字（要匹配\d，应该使用正则表达式\\d）

\w  与[0-9A-Za-z]相同，都表示匹配一个数字或字母字符

\s   意味着匹配一个空字符（空格、制表符，回车或者换行）

         另外

•   \D  与[^0-9]相同，表示匹配一个非数字字符
• l  \W  与[^0-9A-Za-z]相同，表示匹配一个非数字同时不是字母的字符
• l  \S    表示匹配一个非空字符

 

 

重复

在字符或字符集之后，你可以使用{ }大括号来表示重复

• l  a{1}与a意思相同
• l  a{3}匹配“aaa”字符串
• l  a\{2\}表示匹配字符串“a{2}”
• l  在字符类中，大括号没有特殊含义。[{}]表示匹配一个{或者}

 

指定重复次数范围

重复次数是可以指定范围的

•   x{4,4} 与x{4}相同
•  colou{0,1}r 表示匹配colour或者 color
•   a{3,5} aaaaa aaaa aaa
•   范围可以是开区间：a{1,}匹配一个或以上连续字符a

注意：这样的正则表达式会优先匹配最长字符串

 

 

关于重复的转义字符

•   ？与{0，1}相同，如：colou？r表示匹配colour或者color
•   *与{0，}相同，如:   .*匹配任意内容
•   +与{1，}相同

此外：

•   \?\*\+表示匹配字符串“?*+”
•   [?*+]表示匹配一个？，或者一个*，或者一个+

 

非贪婪匹配

正则表达式“.*”表示匹配双引号，之后是任意内容，之后再匹配一个双引号。

•   \d{4,5}?表示匹配\d\d\d\d或者\d\d\d\d\d。和\d{4}一样
•   Colou??r与colou{0，1}r相同，表示找到color或者colour，与colou？r一样
•   “.*?”表示先匹配一个双引号，然后匹配最少的字符，然后是一个双引号

 

 

选择匹配

用“|”来分隔可以匹配不同的选择

•   cat|dog表示匹配“cat”或者“dog”
•   red|blue|或者red||blue或者|red|blue都表示匹配red或者blue或者一个空自负串
•   a|b|c与[abc]相同
•   [cat|dog]表示匹配a或者c或者d或者g或者o或者t或者一个分隔符“|”

 

 

分组（用括号表示分组）

•   (\w*)ility 与 \W*ility相同，都是匹配一个由“ility”结尾的单词
•   [()]表示匹配任意一个左括号或者一个右括号

分组可以包括空字符串：

•   (red|blue)表示匹配red或者blue或者是一个空字符串
•   Abc()def与abcdef相同

在分组的基础上使用重复：

•   (red|blue)?与(red|blue|)相同
• l  \w+(\s+\w+)表示匹配一个或多个由空格分隔的单词

 

单次分隔符

•   \b表示匹配一个单词分隔符
•   \b\w\w\w\b表示匹配一个三字母单词
•   a\ba表示匹配两个a中间有一个单词分隔符。这个正则表达式永远不会有匹配的字符，无论输入怎样的文本。

 

单词分隔符本身并不是字符，它的宽度为0

下列正则表达式的作用不同

•   (\bcat)\b
•   (\bcat\b)
•   \b(cat)\b
•   \b(cat\b)

 

换行符

注意：所有的文本都是以一行结束的，而不是以换行符结束。

•   ^表示匹配行的开始位置
•   $表示匹配行的结束位置
•   ^&表示一个空行
•   ^.*&表示匹配全为内容，因为行的开始符号也是一个字符，“.”会匹配这个符号。找到单独的一行，可以使用^.*?$
•   \^\$表示匹配字符串“^$”
•   [$]表示匹配一个$。但是，[^]不是合法的正则表达式。记住在方括号中，字符有不同的特殊含义，要想在方括号内匹配^,必须用[\^]

与字符分割符一样，换行符也不是字符。它的宽度为0

如下所示的正则表达式作用不同：

•   (^cat)$
•   (^cat$)
•   ^(cat)$
•   ^(cat$)

 

 

文本 分界

在很多的正则表达式实现中，将^和$作为文本的开始符号和结束符号。

还有一些实现中，用\A和\z作为文本的开始与结束符号

 

 

https://www.cnblogs.com/sthinker/p/6985112.html

•