正则表达式必知必会-笔记

一、基本元字符

• . （匹配任意单个字符）
• | （逻辑或操作符）
• [] （匹配字符集合中的一个字符）
• [^] （对字符集合求非） [^0-9] //表示非数字字符
• - （定义一个区间，必须放在[]中） [a-z] //表示字母a-z
• \ （对下一个字符转义）

二、元字符

• \d （匹配任意数字字符）
• \D （\d的反义）
• \n （换行符）
• \r （回车符）
• \s （匹配一个空白字符）
• \S （\s的反义）
• \t （制表符）
• \w （匹配任意字母数字或下划线）
• \W （\w的反义）

三、数量元字符

• * （匹配前一个字符或子表达式的>=0次重复）
• + （匹配前一个字符或子表达式的>=1次重复）
• ？ （匹配前一个字符或子表达式的0次或1次重复）
• {n} （匹配前一个字符或子表达式的n次重复）
• {m,n}（匹配前一个字符或子表达式的m至n次重复）
• {n,} （匹配前一个字符或子表达式的>=n次重复）
• *? （*的懒惰型版本）
• +? （+的懒惰型版本）
• {n,}?（{n,}的懒惰型版本）

匹配一个电子邮箱

\w+[\w.]*@[\w.]+\.\w+
//可以匹配ben@forta.com和ben.forta@forta.com

防止过度匹配（懒惰型版本）

<b>one</b> and <b>two</b>
//正则表达式 <b>.*</b>
//结果一行全匹配了
//正则表达式 <b>.*?</b>
//结果 <b>one</b>和<a>two</b>分开匹配到

四、位置元字符

• ^ （匹配字符串的开头）
• $ （匹配字符串的结尾）
• \b （匹配单词边界）（\b位于与\w相匹配的字符和与\W相匹配的字符之间）

例如

the cat scattered his food all over the room
//正则表达式 \bcat\b
//结果只匹配cat，不匹配scattered里面的cat

五、回溯引用和前后查找

• () （定义一个子表达式）
• \1 （匹配第1个子表达式，\2代表第2个子表达式，依此类推）
• ?= （向前查找）
• ?<= （向后查找）

查找IP地址初步版

12.159.46.200（每组数字由1至3个数字组成）
//正则表达式 \d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
//子表达式 (\d{1,3}\.){3}\d{1,3}一样的效果

查找年份

1967-08-17
//正则表达式 19|20\d{2}
//结果只匹配19，因为|把左边和右边分别作为一个整体，解析为19或20\d{2}
//子表达式(19|20)\d{2}
//结果 1967

查找IP地址加强版：每一组数字都在0-255之间（子表达式的嵌套）
规则如下：
1、任何一个1位或2位数字
2、任何一个以1开头的3位数字
3、任何一个以2开头、第2位数字在0-4之间的3位数字
4、任何一个以25开头，第3位数字在0-5之间的3位数字

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

回溯引用：模式的后半部分引用在前半部分中定义的子表达式

this is a block of of text, several words here are are repeated, and and they should not be.
//正则表达式 [ ]+(\w+)[ ]+\1
//结果 of of 和 are are 及 and and 被匹配

匹配html文本

<h1>one paragraph</h1>
<h2>two paragraph</h2>
<h3>three paragraph</h2>
//正则表达式 <h[1-6]>	.*?</h\1>
结果只匹配前两段

回溯引用在替换操作中的应用

313-555-1234
248-555-9999
810-555-90000
//正则表达式 (\d{3})(-)(\d{3}(-)(\d{4}))
//替换 ($1) $3-$5
//结果
(313) 555-1234
(248) 555-9999
(810) 555-90000

向前向后查找（Javascript不支持向后查找）

<p>what a funny day</p>
//正则表达式 (?<=<p>).*(?=</p>)
//结果 what a funny day（没有开始和结束标签）