正则表达式基础知识
Posted 好读书不如好记笔记
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了正则表达式基础知识相关的知识，希望对你有一定的参考价值。
《正则表达式必知必会》的读书笔记。
第一章 正则表达式介绍
用正则表达式语言创建的，匹配和处理文本的字符串。
正则表达式语言不是一种独立的语言，它是被其他工具或编程语言实现了的。
不同的工具和编程语言，对正则表达式的实现略有不同，所以在使用正则表达式之前，要根据当前的工具或编程语言，首先了解它支持的正则表达式的语法和元字符。
验证某个模式能不能获得预期的匹配结果并不困难，困难的是如何保证它不匹配到不想要的东西。
正则表达式的两种用途：
搜索和替换
第二章 匹配单个字符
2-1 匹配纯文本
纯文本也是一个正则表达式
2-1-1 有多个匹配结果
返回一个数组等形式，把所有的匹配结果找出来的机制，因编程语言而不同。
2-1-2 区分大小写
正则表达式默认是区分大小写的，但是也支持不区分大小写的匹配操作，因编程语言而不同。
2-2 匹配任意字符
. 匹配任何一个单个的字符（包含.本身）
2-3 匹配特殊字符
.在正则表达式里有特殊含义，如果要表示.本身，就要对它转义，转义字符是\。
第三章 匹配一组字符
3-1 匹配多个字符中的某一个
利用元字符[和]定义字符集合。匹配该字符集合的任意某一个字符。
3-2 利用字符集合区间
在[ ]中间把字符集合的所有字符一个一个列出来。
在[ ]中间使用元字符-来定义集合区间。（按照ASCII字符表的顺序）
常见的字符集合区间：
[0-9], [a-z], [A-Z], [A-Za-z0-9]
3-3 取非匹配
除了字符集合里的字符，其他字符都可以匹配。使用元字符^。
第四章 使用元字符
4-1 对特殊字符进行转义
元字符有特殊含义，所以不能表示它自身。要想表示元字符自身，要使用转义字符\。\也是元字符，所以\的转义是\\。
元字符分两种，一种是用来匹配文本的，另一种是正则表达式的语法要求的。
4-2 匹配空白字符
[\b] 回退一个字符
\r 回车符
\n 换行符
\f 换页符
\t 制表符
\v 垂直制表符
4-3 匹配特定的字符类别
常用的字符集合可以用特殊元字符来代替。这称作字符类。
4-3-1 匹配数字（与非数字）
\d = [0-9]
\D = [^0-9]
4-3-2 匹配字母和数字（与非字母和数字）
\w = [0-9A-Za-z_]
\W = [^0-9A-Za-z_]
4-3-3 匹配空白字符（与非空白字符）
\s = [\f\r\n\t\v]
\S = [^\f\r\n\t\v]
注意，\s和\S都不包括退格字符[\b]。
4-3-4 匹配十六进制或八进制数值
十六进制数值用前缀\x来表示。例如，\x0A对应于ASCII字符10，换行符，等价于\n。
八进制数值用前缀\0来表示。例如，\011对应于ASCII字符9，制表符，等价于\t。
4-4 使用POSIX字符类
[:alnum:] = [0-9A-Za-z_]
[:alpha:] = [A-Za-z]
[:blank:] = [\t ]
[:digit:] = [0-9]
[:lower:] = [a-z]
[:upper:] = [A-Z]
[:xdigit:] = [0-9A-Fa-f]
例如在正则表达式里要表示任意一个小写字母，可以用[[:lower:]]，外层的中括号代表定义字符集合，里层的中括号是POSIX字符类的一部分。
第五章 重复匹配
5-1 有多少个匹配
5-1-1 匹配一个或多个字符
在字符（或字符集合）后面加上+字符，匹配一个或多个字符。
5-1-2 匹配零个或多个字符
在字符（或字符集合）后面加上*字符，匹配零个或多个字符。
5-1-3 匹配零个或一个字符
在字符（或字符集合）后面加上?字符，匹配零个或一个字符。
5-2 匹配的重复次数
重复次数用{和}来给出。
5-2-1 为重复匹配次数设定一个精确的值
[\d]{3}代表三位数字，即000到999的其中一个。
5-2-2 为重复匹配次数设定一个区间
{2,4}，最少重复2次，最多重复4次。
? 等价于{0,1}
5-2-3 匹配“至少重复多少次”
{3,}，表示最少重复三次
+ 等价于{1,}
5-3 防止过度匹配
+和*都是贪婪型元字符。
懒惰型元字符的写法，是给贪婪型元字符加一个?后缀。
+ +? * *? {n,} {n,}?
第六章 位置匹配
6-1 边界
6-2 单词边界
\b，用来匹配一个单词的开始或结尾。单词前后都要加。
\B，不匹配一个单词边界。
6-3 字符串边界
定义字符串开头的^，定义字符串结尾的$。
分行匹配模式，(?m)。很多正则表达式都不支持。
第七章 使用子表达式
7-1 什么是子表达式
+,*等只能作用于它前面的单个字符。
把子表达式当作一个独立元素来使用。
子表达式用(和)括起来。
7-2 子表达式
|是正则表达式里的或操作符，它会把两边各作为一个整体看待，经常和子表达式结合使用。
7-3 子表达式的嵌套
子表达式的基本用途之一：把一组字符编组为一个字符集合。重复匹配。
子表达式的分组，基于从左到右，从外向内的基本原则。
第八章 回溯引用
子表达式的基本用途之二：定义回溯引用。
8-1 回溯引用有什么用
文本匹配
文本替换
8-2 回溯引用匹配
回溯引用只能用来引用模式里的子表达式。
回溯引用匹配通常从1开始计数，\1代表第一个子表达式。通常\0代表整个正则表达式。
8-3 回溯引用在替换操作中的应用
替换操作需要用到两个正则表达式：一个用来给出搜索模式，另外一个用来给出匹配文本的替换模式，回溯引用可以跨模式使用。
在替换模式里，$1代表第一个子表达式，$2代表第二个子表达式。
8-3-1 大小写转换
有些正则表达式，支持使用下列元字符对大小写进行转换。
\l 把下一个字符转换为小写
\u 把下一个字符转换为大写
\U \E 把它们之间的字符转换为大写
\L \E 把他们之间的字符转换为小写
第九章 前后查找
9-1 前后查找
子表达式的另外一个应用。
任何一个子表达式都可以被改写成向前查找或向后查找。
有时候成为零宽度匹配操作。
匹配本身只是用于确定正确的匹配位置，并不是匹配结果的一部分。即只匹配不返回。
向前查找和向后查找。
9-2 向前查找
XX(?=yy)等号后面跟要匹配的文本，但是返回结果里不包含。
一个表达式可以包含多个向前查找，可以出现在表达式的任意位置。
9-3 向后查找
(?<=yy)XX等号后面跟要匹配的文本，但是返回结果里不包含。
向前查找模式的长度是可变的，可以包含.+之类的元字符。向后查找模式长度是固定的，不能包含.+等元字符。
9-4 向前查找和向后查找结合使用
只返回向前查找和向后查找之间的匹配文本。
9-5 对前后查找取非
正向前查找和正向后查找，返回匹配结果。
负向前查找和负向后查找，返回不匹配结果。
用!取非，它代替等号。
(?!)
(?<!)
第十章 嵌入条件
在表达式的内部嵌入条件处理功能。
以上是关于正则表达式基础知识的主要内容，如果未能解决你的问题，请参考以下文章