正則表達式
Posted neroi
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了正則表達式相关的知识，希望对你有一定的参考价值。
正则
元字符
元字符：.^$+?{}[]|()
. 通配符（除
的任何字符）
d 数字
s 空白字符
w 字母或数字或下划线或汉字
特殊字符边界（匹配单词边界，不匹配任何字符。要防止转义字符串前面加r）
^ 开始
$ 结束
字符转义
用来转义匹配元字符 匹配 需要用
字符类
字符范围
[] 从字符集里匹配一个 可以使用a-z a,z表示范围 [.?!] 匹配标点符号(.或?或!)
例子：
[u4E00-u9FA5] 匹配汉字
重复匹配
* 0~无穷（可以按照0*True，结果为0）尽可能多的匹配
+ 1~无穷（可以按照0+True，结果为True）
? 出现0~1次(取最少)非贪婪匹配
{n,m} n-m次
{n,} 多于n次
{0，}==* {0,1}==？ {1，}==+
例子：
手机号码的正则：
^1[3|5|8]d{9}$
贪婪与懒惰
当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始以b结束的字符串。如果用它来搜索 aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号？ 这样.*？就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧a*b匹配最短的，以a开始，以b结束的字符串。如果把它应用于abab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
为什么第一个匹配是aab（第一到第三个字符）而不是b（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰/贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权——The match that beginsearliest wins。
默认贪婪匹配（从后往前匹配）
非贪婪（从前往后）在贪婪后面加?
|分支条件(或匹配)
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。
()分组
(d{1,3}.){3}d{1,3}是一个简单的地址匹配表达式。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})
使用小括号指定一个子表达式后，匹配这个子表达式的文本（也就是此分组捕获的内容）可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。
不幸的是，它也将匹配256.300888999这种不可能存在的|P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|P地址：(2[0-4]d|25[0-5]|[01]?dd?.){3}(2[0-4]d|25[0-5]|[01]?dd?)
var s=‘javascript and Java‘
var p=/Java(w+)/
p.exec(s)[0] //结果为："JavaScript"
p.exec(s)[1] //结果为："Script"
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。
常用反义代码：
| 代码/语法 | 说明 |
|---|---|
| W | 非字母数字下划线汉字 |
| S | 非空白字符 |
| D | 非数字字符 |
| B | 非单词开头或结尾 |
| [^x] | 非x以外的任意字符 |
| [^aeiou] | 非aeiou的任意字符 |
例子：
S+ 匹配不包含空白字符的字符串
<a[^>]+> 匹配尖括号包起来的a开头的字符串
非获取匹配：
w(?=pattern) 正向肯定匹配
(?<=pattern)w 逆向肯定匹配
w(?!pattern) 正向否定匹配
(?!pattern)w 反向否定匹配
后向引用
(w+)s+1 1表示第一个分组的内容 用来匹配重复相邻的单词：go go
你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>w+)或者把尖括号换成‘也行：(?‘Word‘w+)，这样就把w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用k<Word>，所以上一个例子也可以写成这样：(?<Word>w+)s+k<Word>。
实用小括号是还有很多用法，列举下常用的：
| 分类 | 代码/语法 | 说明 |
|---|---|---|
| 捕获 | (exp) |
匹配exp，并捕获文本到自动命名的组里 |
| 捕获 | (?<name>exp) |
匹配exp，并捕获文本到名称为name的组里，也可以写成(?‘name‘exp) |
| 捕获 | (?:exp) |
匹配exp，不捕获文本，不分配组好 |
| 零宽断言 | (?=exp) |
匹配exp前面的位置 |
| 零宽断言 | (?<=exp) |
匹配exp后面的位置 |
| 零宽断言 | (?!exp) |
匹配后面跟的不是exp的位置 |
| 零宽断言 | (?<!exp) |
匹配前面不是exp的位置 |
| 注释 | (?#comment) |
这种分组不对正则表达式产生任何影响，提供注释让人阅读 |
零宽断言
接下来的四个用于查找在某些内容（但并不包括这些内容）之前或之后的东西，也就是说它们像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），因此它们也被称为零宽断言。最好还是拿例子来说明吧：
断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。
(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如w+(?=ing)，匹配以ing结尾的单词的前面部分（除了ing以外的部分），如查找I‘m singing while you‘re dancing时，它会匹配sing和danc。
(?<=exp)也叫零宽度正回顾后发断言，它断言自身岀现的位置的前面能匹配表达式exp。
比如(?<=re)w+会匹配以re开头的单词的后半部分除了re以外的部分），例如在查找 reading a book时，它匹配ading假如你想要给一个很长的数字中每三位间加一个逗号（当然是从右边加起了），你可以这样查找需要在前面和里面添加逗号的部分：((?<=d)d{3})+，用它对1234567890进行查找时结果是234567890。
下面这个例子同时使用了这两种断言：(?<=s)d+(?=s)匹配以空白符间隔的数字再次强调，不包括这些空白符）
反向零宽断言
w*q[^u]w*匹配包含后面不是字母u的字母q的单词。但是如果多做测试（或者你思维足够敏锐，直接就观察出来了），你会发现，如果q出现在单词的结尾的话，像iraq,Benq，这个表达式就会出错。这是因为[^u]总要匹配一个字符，所以如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符（可能是空格，或者是句号或其它的什么），后面的w*将会匹配下一个单词，于是w*q[^u]w*就能匹配整个Iraqfighting。负向零宽断言能解决这样的问题，因为它只匹配一个位置，并不消费任何字符。现在，我们可以这样来解决这个问题：w*q(?!u)w*。
零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：d{3}(?!d)匹配三位数字，而且这三位数字的后面不能是数字；((?!abc)w)+匹配不包含连续字符串abc的单词。
同理，我们可以用(?<!exp)，零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp:(?<![a-z])d{7}匹配前面不是小写字母的七位数字。
请详细分析表达式(?<=<(W+)>).*(?=</1>)，这个表达式最能表现零宽断言真正用途。
一个更复杂的例子:(?<=<(W+)>).*(?=</1>)匹配不包含属性的简单html标签内里的内容。(?<=<(w+)>)指定了这样的前缀:被尖括号括起来的单词(比如可能是)，然后是.*(任意的字符串)最后是一个后缀(?=</1>)。注意后缀里的/，它用到了前面提过的字符转义；则是一个反向引用，引用的正是捕获的第一组，前面的(W+)匹配的内容，这样如果前缀实际上是的话，后缀就是了。整个表达式匹配的是和之间的内容（再次提醒，不包括前缀和后缀本身）
小括号的另一种用途是通过语法(?#comment)来包含注释。例如:2[0-4]d(?#200-249)|25[0-5](?#250-255)|[01]?dd?(?#0-199)。
以上是关于正則表達式的主要内容，如果未能解决你的问题，请参考以下文章