复习总结正则表达式-上

Posted 2020-10-14

网上有很多关于正则表达式快速入门的教程，此篇文章仅仅是我看文章的理解，关于正则表达式的资料我已经放到我的GitHub上面了欢迎大家star or fork me.

(我的GitHub是https://github.com/MartinWuQing)

1.什么叫正则表达式。

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE）。

正则表通常被用来查找、替换那些符合某个模式(规则)的文本，正则表达式就是用来做这件事的工具。

就像Windows/Dos下用于文件查找的通配符(wildcard)，也就是*和?。如果你想查找某个目录下的所有的Word文档的话，你会搜索*.doc。在这里，*会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串(像010-12345678或0376-7654321)。

（Talk is cheap ,show you the code ）

2.常用的正则表达式元字符

    先介绍一个概念：元字符metacharacter

    所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符，就是下面的红色的字符。

（1）\b   : 代表着单词的开头或结尾，也就是单词的分界处，只替换一个位置

 

                  比如要精确找到谋篇文章里面的hello这个单词那么，正则表达式就应该是这个样子： \bhello\b

（2） .   ： . 代表匹配除了换行符以外的任意字符

（3） *  ：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使用任意次以使整个表达式得到匹配。

例子： 要找hello后面不远的liming这个单词：

              正则表达式为：\bhello\b.*\bLucy\b 

              意思就很明显了：先是一个单词hello然后是任意个任意字符(但不能是换行)，最后是liming这个单词     

（4）\d ：匹配一位数字(0，或1，或2，或……)

例子：中国电话号码 形式用正则表达式表达出来：

                 正则表达式：0\d\d-\d\d\d\d\d\d\d\d      （注：-不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它） 

                 或者：0\d{2}-\d{8}                                （注：这里\d后面的{2}({8})的意思是前面\d必须连续重复匹配2次(8次)）

（5）\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

（6）\w  ：匹配字母或数字或下划线或汉字等

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

（7）+   ：+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。

例子：\d+匹配1个或更多连续的数字      

            \b\w{6}\b 匹配刚好6个字符的单词

（8）^   ：匹配字符串的开始

（9）$    ：匹配字符串的结束

元字符^（和数字6在同一个键位上的符号）和$都匹配一个位置，这和\b有点类似。^匹配你要用来查找的字符串的开头，$匹配结尾。

 

例子：qq号规定5-12位的数字：^\d{5,12}$

这里的{5,12}和前面介绍过的{2}是类似的，只不过{2}匹配只能不多不少重复2次，{5,12}则是重复的次数不能少于5次，不能多于12次，否则都不匹配。

因为使用了^和$，所以输入的整个字符串都要用来和\d{5,12}来匹配，也就是说整个输入必须是5到12个数字，因此如果输入的QQ号能匹配这个正则表达式的话，

那就符合要求了。

和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，^和$的意义就变成了匹配行的开始处和结束处。

 

 3.字符转义

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为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。

因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\

例如mahuaqun.net   用正则表达式为：mahuaqun\.net

 

 

4. 关于代表重复的限定符

（1）*重复零次或更多次

（2）+重复一次或更多次

（3）?重复零次或一次

（4）{n}重复n次

（5）{n,}重复n次或更多次

（6）{n,m}重复n到m次

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，具体匹配哪个意思得看选项设置)

 

5.匹配一个字符或一个范围

[ ]    :

（1）匹配括号里面的任何一个字符

例子：  [aeiou] ：就匹配任何一个英文元音字母

                [.?!]匹配标点符号(.或?或!)

 （2）指定一个范围

例子：[0-9]代表的含意与\d就是完全一致的：一位数字

           [a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）

 

下面是一个更复杂的表达式：\(?0\d{2}[) -]?\d{8}。

“(”和“)”也是元字符，后面会提到，所以在这里需要使用转义。

这个表达式可以匹配几种格式的电话号码，像[phone]，或022-22334455，或02912345678等。我们对它进行一些分析吧：首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。

 

6.正则表达式中的“或”

 |： |可以把不同的规则分隔开

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，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。你可以试试用分枝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。之所以要给出这个例子是因为它能说明一个问题：使用分枝条件时，要注意各个条件的顺序。如果你把它改成\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)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

 

 7.分组（给字符串）

 我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行了）；

但如果想要重复多个字符又该怎么办？

你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作(后面会有介绍)。

 （）： 分组

 例子：

(\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(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。

注意：IP地址中每个数字都不能大于255

不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以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，你自己应该能分析得出来它的意义。

 

 8.反义

 有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，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

[^aeiou]:匹配除了aeiou这几个字母以外的任意字符

 

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。