正则

简洁而神秘的语法：

正则表达式的语法很是简洁，并且对于不熟悉正则表达式的人，看起来简直很神秘。有时，正则表达式中看起来好像处处都充斥着反斜杠、圆括号和方括号。而只要理解正则表达式中每一个字符串和元字符的做用，就能本身编写正则表达式或者分析其余开发人员编写的正则表达式。

元字符是指在正则表达式模式中具备特殊含义的字符或字符组合：\b,.,*，还有\d.正则表达式里还有更多的元字符，好比\s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。\w匹配字母或数字或下划线或汉字等。

示例：

\ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b)，而后是字母a,而后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。

\d+匹配1个或更多连续的数字。这里的+是和*相似的元字符，不一样的是*匹配重复任意次(多是0次)，而+则匹配重复1次或更屡次。

空格会致使含义改变：

若是无心间在正则表达式中插入了空格，就会完全改变正则表达式的含义，从而使得应该匹配的内容不在匹配，而不想匹配的内容却匹配了。因此，在创建正则表达式模式时，必需要当心处理空格符。

没有统一的语法标准：

正则表达式多样化是由于没有统一的标准定义正则表达式的语法。正则表达式最先是由于被Perl语言采用才引发人们注意的，因为遵循不一样程度的精确性，致使了其余语言和应用程序中的正则表达式语法不相同。

不一样环境下的字符含义不一样：

正则表达式容易令人感到疑惑的另外一个缘由是，单个字符或者元字符，其使用环境不一样，含义也会不一样。例如，^元字符在某些语言的正则表达式中用于表示一行的开始位置。但就是在同一种语言环境下，^元字符类中使用时，就变成了否认的含义（或非、取反、补集——即不包括的意思。）有上可知，正则表达式模式^and匹配字符序列and位于一行开头的状况，而正则表达式[^and]则表示一个包含a、b、d的字符类。

字符转义：

若是你想查找元字符自己的话，好比你查找.,或者*,就出现了问题：你没办法指定它们，由于它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。所以，你应该使用\.和\*。固然，要查找\自己，你也得用\\.

例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。

重复：

咱们常常看到的无非就是*,+,{2},{5,12}这几个匹配重复的方式了。下面是正则表达式中全部的限定符(指定数量的代码，例如*,{5,12}等)：

代码/语法	说明
*	重复零次或更屡次
+	重复一次或更屡次
？	重复零次或一次
{n}	重复n次
{n,}	重复n次或更屡次
{n,m}	重复n到m次

下面是一些使用重复的例子：

Windows\d+匹配Windows后面跟1个或更多数字

^\w+匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪一个意思得看选项设置)

分支条件：

正则表达式里的分支条件指的是有几种规则，若是知足其中任意一种规则都应该当成匹配，具体方法是用|把不一样的规则分隔开。听不明白？不要紧，看例子：

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)。

\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}这个表达式匹配3位区号的电话号码，其中区号能够用小括号括起来，也能够不用，区号与本地号间能够用连字号或空格间隔，也能够没有间隔。你能够试试用分支条件把这个表达式扩展成也支持4位区号的。

\d{5}-\d{4}|\d{5}这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之因此要给出这个例子是由于它能说明一个问题：使用分支条件时，要注意各个条件的顺序。若是你把它改为\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。缘由是匹配分支条件时，将会从左到右地测试每一个条件，若是知足了某个分支的话，就不会去再管其它的条件了。

分组：

咱们已经提到了怎么重复单个字符（直接在字符后面加上限定符就好了）；但若是想要重复多个字符又该怎么办？你能够用小括号来指定子表达式(也叫作分组)，而后你就能够指定这个子表达式的重复次数了，你也能够对子表达式进行其它一些操做(后面会有介绍)。

(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个总体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。

IP地址中每一个数字都不能大于255，你们千万不要被《24》第三季的编剧给忽悠了……

不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址。若是能使用算术比较的话，或许能简单地解决这个问题，可是正则表达式中并不提供关于数学的任何功能，因此只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。

理解这个表达式的关键是理解2[0-4]\d|25[0-5]|[01]?\d\d?，这里我就不细说了，你本身应该能分析得出来它的意义。

反义：

有时须要查找不属于某个能简单定义的字符类的字符。好比想查找除了数字之外，其它任意字符都行的状况，这时须要用到反义：

代码/语法	说明
\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之外的任意字符
[^aeiou]	匹配除了aeiou这几个字母之外的任意字符

例子：\S+匹配不包含空白符的字符串。

<a[^>]+>匹配用尖括号括起来的以a开头的字符串。