玩转正则表达式(Regular)，这个世界正在奖励偷偷用心的人

Posted 2020-10-01 BingCorePower

　　声明：以下只是本人学习正则表达式的笔记概要，主要参考：

　　正则表达式30分钟入门教程

 

1.必记的常用元字符:

. 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 \W表示与之相反
\s 匹配任意的空白符 \S表示与之相反
\d 匹配数字 \D表示与之相反
\b 匹配单词的开始或结束 \B表示与之相反
^ 匹配字符串的开始
$ 匹配字符串的结束
[x] 匹配字符x [^x]表示出来字符x以外的任意字符
[aeiou] 匹配英语中的元音字母 [^aeiou] 表示除了元音字母以外的所有字符

2.必记的常用限定符

* 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

3.必记的常用分组语法

　　小括号表示一个子表达式，匹配这个子表达式也就是捕获匹配到的文本，
　　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，
　　组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号

　　3.1捕获
　　　　(exp) 匹配exp,并捕获文本到自动命名的组里 \b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty
　　　　(?<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)

　　　　上面的正则指定组名，可以写成\b(?<Word>\w+)\b\s+\k<Word>\b

　　　　(?:exp) 匹配exp,不捕获匹配的文本，也不给此分组分配组号 (?:@\w*)binguo\w*匹配@开头包含binguo的字符串
　　　　　　(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面，也不会拥有组号
　　3.2零宽断言
　　　　(?=exp) 匹配exp前面的位置 \b\w+(?=ing\b) I‘m singing while you‘re dancing 匹配sing和danc
　　　　(?<=exp) 匹配exp后面的位置

　　　　　　  (?<=\bre)\w+\b reading a book 匹配ading (?<=\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)
　　　　(?!exp) 匹配后面跟的不是exp的位置

　　　　　　 \b((?!abc)\w)+\b匹配不包含连续字符串abc的单词\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字

　　　　(?<!exp) 匹配前面不是exp的位置 (?<![a-z])\d{7}匹配前面不是小写字母的七位数字
　　　　　 　(?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单html标签内里的内容
　　3.3注释
　　　　(?#comment) 这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读
　　　　(?<= # 断言要匹配的文本的前缀
　　　　<(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
　　　　) # 前缀结束
　　　　.* # 匹配任意文本
　　　　(?= # 断言要匹配的文本的后缀
　　　　<\/\1> # 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
　　　　) # 后缀结束

4.必记的懒惰限定符

*? 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

贪婪匹配：

　　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
　　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。

懒惰(非贪婪)匹配：

　　也就是匹配尽可能少的字符，《2.必记的常用限定符》提到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?
　　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aabab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）
　　为什么第一个匹配的是aab（第一到第三个字符）而不是ab（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

5.非常用正则表达式元素

\a 报警字符(打印它的效果是电脑嘀一声)
\b 通常是单词分界位置，但如果在字符类里使用代表退格
\t 制表符，Tab
\r 回车
\v 竖向制表符
\f 换页符
\n 换行符
\e Escape
\0nn ASCII代码中八进制代码为nn的字符
\xnn ASCII代码中十六进制代码为nn的字符
\unnnn Unicode代码中十六进制代码为nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串开头(类似^，但不受处理多行选项的影响)
\Z 字符串结尾或行尾(不受处理多行选项的影响)
\z 字符串结尾(类似$，但不受处理多行选项的影响)
\G 当前搜索的开头
\p{name} Unicode中命名为name的字符类，例如\p{IsGreek}
(?>exp) 贪婪子表达式
(?<x>-<y>exp) 平衡组
(?im-nsx:exp) 在子表达式exp中改变处理选项
(?im-nsx) 为表达式后面的部分改变处理选项
(?(exp)yes|no) 把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes) 同上，只是使用空表达式作为no
(?(name)yes|no) 如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
(?(name)yes) 同上，只是使用空表达式作为no

 

附录：
正则表达式本地及在线测试工具、MSDN官方正则表达式在线文档

MSDN正则表达式语言 - 快速参考

Regester正则表达式测试工具-绿色版.zip

Regester正则表达式测试工具-安装版.zip

编写正则表达式时，时时点亮匹配到的文本(但不支持中文，有点遗憾)

很牛逼的一个在线正则匹配网站，时时点亮加支持中文

 

IP地址匹配: ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。表达式顺序分析:

\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})。