正则表达式快速通

Posted 2021-05-02 BYITTD

正则表达式到底是什么东东？(what)

---

俩句话

1. 正则表达式 是用于描述字符串规则的工具。

2. 正则表达式是记录文本规则的代码, 能被java或 js运行环境 识别解读。 

正则表达式有什么用？(why)

---

正则表达式能被java或 js运行环境 识别解读,用于快速在 大文本 定位 匹配 替换 查找出所有的符合正则表达式所描述规则的字符串。可以这么说,正则表达式是处理字符串,大文本字符串的利器.所以掌握正则表达式是一个合格的程序员应该具备的技能

 

正则表达式怎么用？(how)

---

学一个东西的最好方法就是从日常的需求,一个例子开始,然后步步升华深入。

假设你在一篇英文小说里查找 hi ，你可以使用正则表达式 hi 。

 

没错,这简单的俩个字母就可以是一个正则表达式.

 

这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h,后一个是i。

 

但是现在 如果我想不区分大小写的匹配hi,HI,Hi,hI,怎么办?

 

好办 ,通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它就可以匹配hi,HI,Hi,hI这四种情况中的任意一种了。

 

不幸的是，很多单词里包含hi这两个连续的字符，比如him,history,high等等。用hi来查找的话，这里边的hi也会被找出来。如果要精确地查找hi这个单词的话，我们需要这样来写 \bhi\b。

 

\b是正则表达式规定的一个特殊代码，代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。

 

假如你要找的是hi后面不远处跟着一个Lucy，你要这样写 \bhi\b.*\bLucy\b。

 

这里，.是另一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定*前边的内容可以连续重复任意次以使整个表达式得到匹配。因此，.*连在一起就意味着任意数量的不包含换行的字符。现在\bhi\b.*\bLucy\b的意思就很明显了：先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词。

 

看到这里.我们可以总结出这样的东西，也可以说我们明白这样一个问题:

正则表达式 , 由俩部分组成

1是 我们自己原始的字符,  代表他本来的意思 如 abc 就代表 abc

2 是 正则表达式系统 规定的字符 他往往不代表本身的意思 人们给这种字符起名为元字符 

例如 \b不代表斜线和一个b 而是代表一个单词的开始或结尾,代表一个位置  

又例如 . 这个. 可不代表一个. 而是代表除换行符以外的任意字符

又例如 * 也不代表 *  而是代表它前面的内容可重复任意个数量

那么到这里你可能会问,那如果我就是要表示一个.或*怎么办呢,正则表达式规定,如果你要表示这些,你需要写成\.和\*,要查找\本身，你得用\\

 

就这俩部分, 所以学 正则表达式  不难 ,无非就是我们要记住一个 正则表达式规定的字符, 然后灵活运用就好了

 

所以你需要背下下面 常用的元字符 

 

表1.常用的元字符
代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\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

 

   

表2.常用的代表数量的限定符
代码/语法	说明
*	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

  

 

表3.常用的反义代码
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以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

 

几个特殊的正则规则

 

1. 假如我要表示多个中的任意一个怎么表示 ?

答:用中括号[]来把,例如[ab]c 表示ac 或 bc

2. A*表示任意多个A ,如果我要表示 任意多个abcd进行重复怎么办 ?

答:使用(),即(abcd)*,看明白了吗()就代表括号里面的内容是一个整体.

3. 假如我要表示abcd或者1234 怎么办 ?

答:  使用| ,即 abcd|1234 ,|就代表或  

 

4. 假如我要查找文章中所有重复的词语 如go go ,bye bye,这样重复的办?

答:  我们当然不可以写 成\b\w+\b\s+\b\w+\b,相信你也可以理解为什么不可以这样写.很简单因为这样写匹配不了重复.

那要如何写呢? 这样 \b(\w+)\b\s+\1\b 对没错,

现在解释一下 正则表达式里规定  凡是用()括起来的表达式 会被分到一个组里,这个组有个组号. 整个正则表达式从左往右 第一个左括号分到的组号是1 ,第二个分到的组号是2 ,依次类推,最大到9 .如果要对这个组 进行重复只要使用 \加上组号即可.到这里 \b(\w+)\b\s+\1\b 看明白了吧  

5. 假设一个字符串100000090000009, 假如我要取1 和 第一个9 之间的内容,想一想,我们该怎么玩呢?

答: 我们可以写作1\d+9吗?告诉你,如果你这样写,匹配出的将是100000090000009 ,为什么会这样呢,因为当条件符合时正则表达式默认会尽可能多的匹配结果串.  如果我们要改变这种默认,要怎么玩呢.这里我们要在表示量词的+号后面加个问号,即1\d+?9 ,这样系统会尽可能少的去匹配结果集.我们就拿到我们想要的结果了. 

 

重要 : 正则表达式解析的时候  从左至右  解析

  

进阶

正则表达式的断言

 

零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置

这几个表达式 它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)  

(?=exp) 意思是 ,要后面跟着exp就算匹配上了, 如\b\w+(?=ing\b) 匹配reading 的read,匹配dancing的danc

(?<=exp)意思 自然就是 要前面跟着exp了.如 (?<=\bre)\w+\b 匹配rebuild中的build

(?!exp)意思 就是后面不能是 exp了

(?<!exp)意思就是 前面不能是exp了

 

至此 ,如果你掌握了这些东西 ,那的正则表达式已经入门了,有没有感觉也不是那么的难呢.

注：文章来源于网络，如有异议，请联系我删除！