正则表达式初探

Posted lonelyxmas

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初探相关的知识,希望对你有一定的参考价值。

原文:正则表达式初探

本章主要想和大家分享下正则表达式的一些基础用法,希望能够对一些小白有所帮助,也为了防止自己以后遗忘相关知识点,下面我们正式进入主题。

一、正则表达式

  1、正则表达式是由普通字符(例如字符 a 到 z)以及特殊字符(称为元字符)组成的文字模式。
  2、正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
  3、在编写处理字符串的程序或网页时,经常会有查找或替换符合某些复杂规则的字符串的需要。
  4、正则表达式就是记录文本规则的代码。

  作用:
    1、查找数据
    2、替换数据

  正则表达式能做什么(字符串的匹配、字符串的提取、字符串的替换

二、正则表达式的构成

  1、普通字符(如果直接写多个普通字符,则会被当做一个整体的字符串来匹配)

    这包括所有的大小写字母字符,所有数字,所有标点符号以及一些特殊符号。
    例如:Hello world xyh666

  2、定义字符集(取值范围(该点都是匹配单个字符,要想匹配字符串需要结合限定符来实现)
    [a-e] 表示a到e这些字符中的某一个字符
    [aeiou] 表示aeiou这5个字符其中的某一个字符
    [a-zA-Z] 表示大写、小写字母中的某一个字符
    [0-9] 表示0到9之间某一个数字

    代表非
    [^lsjd]  :不是中括号中的任意一个字符
    [^a-f]  :a-f范围外的任意一个字符

  3、组合字符(大写表示非)(该点都是匹配单个字符,要想匹配字符串需要结合限定符来实现)

    d  :匹配一个数字字符。等价于[0-9]。
    D  :匹配一个非数字字符。等价于[^0-9]。
    w  :匹配一个字母或一个数字或一个下划线或一个汉字。
    W  :匹配一个非字母、非数字、非下划线和非汉字的字符。
    s  :匹配一个任意的空白符,包括空格、制表符、换页符等等。等价于[ f v]。
    S  :匹配任意一个非空白符。等价于[^ f v]。
     :匹配单词的开始或结束的位置。
    B  :匹配不是单词开头或结束的位置。

  4、特殊字符

    $  :表示字符串的结尾位置(以什么结尾)
     :表示字符串的开始位置(以什么开始)(在取值范围中还表示非)
     :一个点表示匹配一个除换行符 之外的任何单字符(匹配单个字符,要想匹配字符串需要结合限定符来实现)
    或者的意思,指明两项之间的一个选择 与[...]类似
      :这个符号是用来转义
    ( ) 分组,标记一个子表达式的开始和结束位置

  5、常用限定符
    =================匹配次数=================
    {m}  :其前一单元严格出现m次(重复m次)
    {m,}  :其前一单元出现至少m次(重复m次或更多次)
    {m,n}  :其前一单元出现至少m次,最多n次(重复m到n次)
    =======================================
    =================多次匹配=================
      :其前面那个单元出现0次或任意次数(重复零次或更多次)
      : 其前面那个单元出现1次或1次以上 至少匹配一次(重复一次或更多次)
    ?  : 其前面那个单元出现0次或1次(重复零次或一次)懒惰匹配(尽可能短匹配)
    =======================================
  6、贪婪与懒惰(贪婪模式和非贪婪模式)(尽可能长匹配和尽可能短匹配)
    *? 重复任意次,但尽可能少重复
    +? 重复1次或更多次,但尽可能少重复
    ?? 重复0次或1次,但尽可能少重复
    {n,m}? 重复n到m次,但尽可能少重复
    {n,}? 重复n次以上,但尽可能少重复

  7、分组

    当用()定义了一个正则表达式组后,正则引擎则会把被匹配的组按照顺序编号,存入缓存。

    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。

    我们可以通过“数字”的方式进行引用已经存入缓存的组。1引用第一个匹配的组,2引用第二个组,以此类推。

    括号内的内容会被当成一个整体进行匹配。

  8、非获取匹配和预查(零宽断言)

    非获取匹配:是指正则引擎不会把被匹配的组存入缓存,我们也无法通过“数字”的方式进行引用我们的组。

    预查预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。(即用来预查的表达式字符串不会被消耗,它只是用于指定一个位置

    零宽断言: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,^,$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。

    ===========================================================================================

    (?=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,它断言自身出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。

    ===========================================================================================

    (?:pattern) 非获取匹配,匹配pattern但不获取匹配结果,不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

    (?=pattern) 非获取匹配,正向肯定预查,在任何匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。

    (?!pattern) 非获取匹配,正向否定预,在任何不匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。

    (?<=pattern) 非获取匹配,反向肯定预查,与正向肯定预查类似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。

    (?<!patte_n) 非获取匹配,反向否定预查,与正向否定预查类似,只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。

三、C#代码调用正则表达式

技术图片
    命名空间 System.Text.RegularExpressions
    
    1new Regex(正则表达式).IsMatch(要匹配的字符串)   返回bool
    2、Regex.Match
        Match match = Regex.Match("age=30", @"^(.+)=(.+)$");
        if (match.Success)
        {
            Console.WriteLine(match.Groups[0].Value);//第0组 输出完整的字符串 age=30
            Console.WriteLine(match.Groups[1].Value);//第1组 age
            Console.WriteLine(match.Groups[2].Value);//第2组 30
        }
    3、Regex.Matches
        StringBuilder sb = new StringBuilder();
        sb.Append("<Name>张三</Name>
<Name>李四</Name>
<Name>王五</Name>");

        MatchCollection mc = Regex.Matches(sb.ToString(), @"(?<=<Name>).*(?=</Name>)");
        foreach (Match m in mc)
        {
            Console.WriteLine(m.Value);
        }
技术图片

四、示例说明

接下来针对第二大点的内容我们举些例子来说明:

示例1(普通字符):

我们用 xyh 来匹配 xyh123 如下图所示:

技术图片

 从上面的正则表达式测试器匹配的结果可以看出:如果直接写多个普通字符,则会被当做一个整体的字符串来匹配。

 

示例2(元字符和限定符):

我们用 d 来匹配 xyh123 如下图所示:

技术图片

 从匹配的结果可以发现d只是匹配单个数字,所以有三个结果,分别为1、2、3,那如果想匹配一整个字符串123要怎么办呢?此时就要结合限定符来实现了。继续来看下下面的一张图。

技术图片

 从图中可以看出结合限定符后就可以实现匹配到123这个字符串了。

 

示例3(普通字符和元字符组合):

我们用 https://www..+.com 来匹配这么一句话:https://www.jd.com两个链接https://www.taobao.com  如下图所示:

技术图片

 可以发现匹配的结果为完整的一整句话,那为什么不是匹配出2个结果分别为 https://www.jd.com 和 https://www.taobao.com 呢?

 那是因为默认情况下正则表达式采用贪婪模式匹配(即尽可能多匹配),所以匹配出了完整的一句话,此时可以用?来实现非贪婪模式匹配(即尽可能少匹配),如下图所示:

技术图片

 这样就匹配出了2个结果

 

示例4(分组):

 我们用 (abc)1 来匹配 abcabc666 如下图所示:

技术图片

 从图中可以看出匹配结果为abcabc,为什么会是这样呢?首先我们分组(abc)匹配到存入缓存中的值为abc,通过1的方式就取到了存入缓存中的第1个分组值abc,这个分组值abc与原来分组(abc)匹配到的字符串abc组成新的匹配字符串abcabc,用新的匹配字符串abcabc去匹配abcabc666得到的匹配结果就是abcabc了。

 

示例5(非获取匹配):

非获取匹配(?:pattern)如下图所示:

技术图片

技术图片

 从图中可以看出非获取匹配,匹配pattern但不获取匹配结果,不进行存储供以后使用。因此无法通过“数字”的方式来获取。

 

示例6(预查和零宽断言):

预查不消耗字符,它只是用于指定一个位置,如下图所示:

技术图片

 从图中可以看出用 ab(?=a) 来匹配 ababa123 时会得到两个结果而不是一个结果,那是因为预查不消耗字符(即不会消耗用来预查用的表达式exp对应的字符),它只是用于指定一个位置,所以在第3个位置的a(即第2个a)没有被消耗掉。当匹配到第1个结果ab后会从第3个位置的a(即第2个a)开始查找下一个能匹配的字符串,而不是从第4个位置的b(即第2个b)开始查找,这就解释了为什么会匹配到2个结果了。

 

PS:本文仅是个人见解 ,如有表述错误欢迎评论指正!

正则表达式测试器:

链接:https://pan.baidu.com/s/1CwyrLH2dwbBk1KVi2FCGDw 
提取码:nwyc

 

版权声明:本文部分描述摘自网络,如有雷同纯属巧合,如有侵权请及时联系本人修改,谢谢!!!

以上是关于正则表达式初探的主要内容,如果未能解决你的问题,请参考以下文章

爬虫初探正则表达式

正则表达式初探

初探正则表达式

python3爬虫初探之正则表达式

通过 Java 正则表达式提取 semver 版本字符串的片段

text 正则表达式片段