正则表达式学习

正则表达式是由普通字符以及特殊字符（元字符）组成的文字模式,是记录文本规则的代码。

元字符

. :匹配任何单个字符

* ：指定*前边的内容可以重复使用任意次以使整个表达式得到匹配

[] :匹配括号中的任何一个字符

\w :匹配字母、或数字、或下划线、或汉字

\s :匹配任意空白字符，包括空格、制表符（tab）、换行符、中文全角空空格等

\d ：匹配数字

\b ：匹配单词的开始或结束

^ : 匹配字符串的开始

$ : 匹配字符串的结束

例如：

比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$

 

字符转义

如果要找元字符本身，可以使用 \ 来取消这些字符的特殊意义

 

 重复--限定符

* ：重复零次或更多次

+ ：重复一次或更多次

？ ：重复零次或一次

{n} ：重复n次

{n，} ：重复n次或更多次

{n，m} ：重复n到m次

 

分枝条件

分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法时用 | 把不同规则分隔开

如:0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)

 

反义

有时候需要查找不属于某个能简单定义的字符类的字符，比如想查找除数字之外的任意字符，这时需要用到反义

\W :匹配任意不是字母、数字、下划线、汉字的字符

\S :匹配任意不是空白符的字符

\D :匹配任意非数字的字符

\B :匹配不是单词开头或结束的位置

[^x] :匹配除了x以外的任意字符

[^auieo] :匹配除了auieo以外的任意字符

 

后向引用

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

其实,组号分配还不像我刚说得那么简单：

• 分组0对应整个正则表达式
• 实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号
• 可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权．

后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。难以理解？请看示例：

\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

 

 贪婪模式与非贪婪模式

贪婪：尽可能的向后匹配

非贪婪：在+、.之后加？就变为非贪婪模式，然其后的匹配模式尽早的匹配