正则表达式学习笔记

正则表达式学习笔记

什么是正则表达式 ？

正则表达式是一种被用于从文本中检索符合某些特定模式的文本。

正则表达式是从左到右来匹配一个字符串的。"Regular Expression" 这个词太长了，咱们一般使用它的缩写 "regex" 或者 "regexp"。 正则表达式能够被用来替换字符串中的文本、验证表单、基于模式匹配从一个字符串中提取字符串等等。

想象一下，您正在编写应用程序，而且您但愿在用户选择用户名时设置规则。咱们但愿用户名能够包含字母，数字，下划线和连字符。 为了让它看起来不丑，咱们还想限制用户名中的字符数量。咱们能够使用如下正则表达式来验证用户名

1. 简写字符集

正则表达式为经常使用的字符集和经常使用的正则表达式提供了简写。简写字符集以下:

简写	描述
.	匹配除换行符之外的任意字符
\w	匹配全部字母和数字的字符: [a-zA-Z0-9_]
\W	匹配非字母和数字的字符: [^\w]
\d	匹配数字: [0-9]
\D	匹配非数字: [^\d]
\s	匹配空格符: [\t\n\f\r\p{Z}]
\S	匹配非空格符: [^\s]
\b	匹配单词的开始或结束
\B	匹配非单词的开始或结束
^	匹配字符串的开始
[^x]	匹配除了x意外的任意字符
$	匹配字符串的结束

. 匹配除换行符之外的任意字符

\w 匹配全部字母和数字的字符: [a-zA-Z0-9_]

\W 匹配非字母和数字的字符: [^\w]

\d 匹配数字: [0-9]

\D 匹配非数字: [^\d]

\s 匹配空格符: [\t\n\f\r\p{Z}]

\S 匹配非空格符: [^\s]

\b 匹配单词的开始或结束

• 不加\b效果

• 加上\b的效果

  • 两边都加上\b

  • 前面加上\b

  • 后面加上\b

\B 匹配非单词的开始或结束

• \B加前面

• \B加后面

^\d+$

• \d+

• ^\d+

• \d+$

• ^\d+$

[^good] 匹配除了good之外的任意字符

2.字符转义

正则表达式中使用反斜杠 \ 来转义下一个字符。这将容许你使用保留字符来做为匹配字符 { } [ ] / \ + * . $ ^ | ?。在特殊字符前面加 \，就能够使用它来作匹配字符。 例如正则表达式 . 是用来匹配除了换行符之外的任意字符。如今要在输入字符串中匹配 . 字符，正则表达式 (f|c|m)at\.?，表示: 小写字母 f、c 或者 m 后跟小写字母 a，后跟小写字母 t，后跟可选的 . 字符。

3. 元字符

元字符是正则表达式的基本组成元素。元字符在这里跟它一般表达的意思不同，而是以某种特殊的含义去解释。有些元字符写在方括号内的时候有特殊含义。 元字符以下:

元字符	描述
.	匹配除换行符之外的任意字符。
[ ]	字符类，匹配方括号中包含的任意字符。
[^ ]	否认字符类。匹配方括号中不包含的任意字符
*	匹配前面的子表达式零次或屡次
+	匹配前面的子表达式一次或屡次
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。
{n,m}	花括号，匹配前面字符至少 n 次，可是不超过 m 次。
(xyz)	字符组，按照确切的顺序匹配字符xyz。
|	分支结构，匹配符号以前的字符或后面的字符。
\	转义符，它能够还原元字符原来的含义，容许你匹配保留字符 [ ] ( ) { } . * + ? ^ $ \ |
^	匹配行的开始
$	匹配行的结束

.和*和？

• .*d 匹配以d结尾的字符

• .d 匹配以d结尾的，而且包含他前面的一个字符

• .?d 匹配以d结尾的，而且包含他前面的一个字符

• \b.?ld\b

• ^.?ld$

  解读：^和$z作字符限定，.?ld表示匹配以ld结尾，前面只能有一个字符

[^x]

• [abc]ld 匹配ld前面是以a、b、c开头的

• [^abc]ld 匹配ld前面是非以a、b、c开头的

3.1.重复

如下元字符 +，* 或 ? 用于指定子模式能够出现多少次。这些元字符在不一样状况下的做用不一样。

3.1.1 星号

该符号 * 表示匹配上一个匹配规则的零次或屡次。正则表达式 a* 表示小写字母 a 能够重复零次或者屡次。可是它若是出如今字符集或者字符类以后，它表示整个字符集的重复。 例如正则表达式 [a-z]*，表示: 一行中能够包含任意数量的小写字母。

​

"[a-z]*" => The car parked in the garage #21.

​

 

该 * 符号能够与元符号 . 用在一块儿，用来匹配任意字符串 .*。该 * 符号能够与空格符 \s 一块儿使用，用来匹配一串空格字符。 例如正则表达式 \s*cat\s*，表示: 零个或多个空格，后面跟小写字母 c，再后面跟小写字母 a，再再后面跟小写字母 t，后面再跟零个或多个空格。

​

"\s*cat\s*" => The fat cat sat on the cat.

​

 

3.1.2 加号

该符号 + 匹配上一个字符的一次或屡次。例如正则表达式 c.+t，表示: 一个小写字母 c，后跟任意数量的字符，后跟小写字母 t。

​

"c.+t" => The fat cat sat on the mat.

​

3.1.3 问号

在正则表达式中，元字符 ? 用来表示前一个字符是可选的。该符号匹配前一个字符的零次或一次。 例如正则表达式 [T]?he，表示: 可选的大写字母 T，后面跟小写字母 h，后跟小写字母 e。

​

"[T]he" => The car is parked in the garage.

"[T]?he" => The car is parked in the garage.

​

例子

• 0\d{2,3}-\d{7,8}

tip：咱们会发现匹配的第二个号码后面还有个9，那么咱们该如何加上限定，不让他匹配后面的呢，就用到了前面学的^和$,来看示例

tip:上面的例子确实匹配到了正确的号码，但真实生活中的例子每每是每一个地区的电话号码写法都不同，看下图示例如何解决

ps:上面的例子不少条件放到了一块儿，不利于阅读，咱们能够用分支来解决，符合其中任一一种正则便可，看下图示例

4.分组

将表达式进行作成子集

使用()进行分组

方便match的字符串进行划分

分组的命名：(?<groupname>exp)

(?:exp) 匹配exp，不捕获匹配的文本，也不给分组分配组号

 <div\s+class="(?:result|result-op)\s+c-container\s+.*?<a.*?>(?<baiduTitle>.*?)</a>

5.贪婪与懒惰

懒惰

语法	说明
*？	重复任意次，但尽量少重复
+？	重复一次或更屡次，但尽量少重复
？？	重复0次或更屡次，但尽量少重复
{n,m}	重复n次到m次，但尽量少重复
{n,}	重复n次以上，但尽量少重复

 

• 贪婪

  所谓贪婪就是尽量多的匹配，它遇到第一个b不结束，遇到最后一个b才结束

• 懒惰

  遇到个b就匹配成功

6.处理选项

语法	说明
IgnoreCase	匹配时不区分大小写
Multiline	更改^和$的含义，是它们分别在任意一行的行首和行尾匹配，而不单单在整个字符串的开头和结尾匹配。(在此模式下，$的精确的含义是：匹配\n以前的位置以及字符串结束前的位置)
Singleline	更改.的含义，使它与每个字符匹配(包括换行符\n)
IgnorePatternWhitespace	忽略表达式中的非转义空白并启用由#标记的注释
ExplicitCapture	仅捕获已被显式命名的组

7.反向引用

匹配taobao taobao,home home 这样的状况

\b(\w+)\b\s+\1\b

\b(?<Word>\w+)\b\s+\k<Word>\b 命名后的写法

例一：

 \b(\w+)\b\s+\1\s+\1

8.零宽断言

正向零宽断言

?=exp 零宽度正预测先行断言，自身出现的位置的后面能匹配表达式

exp

 \b\w+(?=ing\b)

零宽度正回顾后发断言

?<=exp 零宽度正回顾后发断言，自身出现的位置的前面能匹配表达式

exp

 <?<=\bre>\w+\b

负向零宽断言

查找这样的单词，它里面出现了字母q，但q后面跟的不是字母u

不用断言的方式

 \b\w*q[^]\w*\b

使用断言 不消费任何字符

例一：

 \b\w*q(!u)\w\b

例二：前面三位是数字，后面不能是数字

 \d{3}(?!\d)

零宽度负回顾后发断言

例一：前面不是小写字母的7位数字

 (?<![a-z])\d{7}

断言综合示例

例一：找出全部个位数

(?<=\s+)\d(?=\s+)|(?<!\d)\d(?!\d)