正则表达式

Posted 2020-10-02 忆华灯纵博

重点篇

一、正则表达式－单行与多行模式

补充：

.点	匹配除“\\r\\n”之外的任何单个字符。要匹配包括“\\r\\n”在内的任何字符，请使用像“[\\s\\S]”的模式。

开启多行模式

^　可以匹配字符串开头（字符串的开始位置），也可以匹配行的开头（即换行符\\n之后的位置） $　可以匹配字符串结尾（字符串的结束位置）, 也可以匹配行的结尾（即换行符\\n之前的位置）

关闭多行模式

^　只能匹配字符串开头 $　只能匹配字符串结尾

正则表达式：(?m)^\\d\\w+(\\r)(\\n)

例：abcde

结果：

ab
cd
e

在windows操作系统中其实是：ab[CR][LF]cd[CR][LF]e

CR用符号\'\\r\'表示, ASCII代码是13, 十六进制为0x0D; 
LF用符号\'\\n\'表示, ASCII代码是10, 十六进制为0x0A;

 

从网站上获取的html源码，极少有不换行的。这时候单行模式派上用场了，它可以改变点符号的意义。

一般认为点符号(.)是匹配任意单个字符的，而(.*)就是匹配任意多个字符。但实际上点符号不能匹配换行符。在Windows中与它等效的表达式为[^\\r\\n]。

1.单行模式的嵌入修饰符：
我们可以直接在正则表达式中嵌入单行模式：

(?s)<div>.*</div>

(?s)修饰符说明，其后面的表达式采用单行模式。所以使用时请不要将它放在末尾。另外可以使用(?-s)关闭单行模式。

2. 多行模式(Multiline)

MSDN定义：更改 ^ 和 $ 的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。

	定义	影响的表达式	RegexOptions枚举	嵌入标识符
单行模式	更改点 (.) 的含义，使它与每一个字符匹配（而不是与除 \\n 之外的每个字符匹配）。	.	Singleline	(?s)
多行模式	更改 ^ 和 $ 的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。	^$	Multiline	(?m)
忽略大小写	指定不区分大小写的匹配。		IgnoreCase	(?i)

 二.贪婪匹配

什么是贪婪匹配和非贪婪匹配

贪婪匹配:正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配。如上面使用模式p匹配字符串str，结果就是匹配到：abcaxc(ab*c)。

非贪婪匹配：就是匹配到结果就好，就少的匹配字符。如上面使用模式p匹配字符串str，结果就是匹配到：abc(ab*c)。

编程中如何区分两种模式：　默认是贪婪模式；在量词后面直接加上一个问号？就是非贪婪模式。

 

表1.懒惰限定符

代码/语法	说明
*?	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

举例： 

源字符串：aa<div>test1</div>bb<div>test2</div>cc 

正则表达式一：<div>.*</div> 

匹配结果一：<div>test1</div>bb<div>test2</div> 

正则表达式二：<div>.*?</div> 

匹配结果二：<div>test1</div>（这里指的是一次匹配结果，所以没包括<div>test2</div>） 
转载大神的例子

在上面从应用角度分析贪婪与非贪婪模式时，一直提到的一个前提条件就是“整个表达式匹配成功”，为什么要强调这个前提，我们看下下面的例子。 

正则表达式三：<div>.*</div>bb 

匹配结果三：<div>test1</div>bb 

修饰“.”的仍然是匹配优先量词“*”，所以这里还是贪婪模式，前面的“<div>.*</div>”仍然可以匹配到“<div>test1</div>bb<div>test2</div>”，但是由于后面的“bb”无法匹配成功，这时“<div>.*</div>”必须让出已匹配的“bb<div>test2</div>”，以使整个表达式匹配成功。这时整个表达式匹配的结果为“<div>test1</div>bb”，“<div>.*</div>”匹配的内容为“<div>test1</div>”。可以看到，在“整个表达式匹配成功”的前提下，贪婪模式才真正的影响着子表达式的匹配行为，如果整个表达式匹配失败，贪婪模式只会影响匹配过程，对匹配结果的影响无从谈起。 

正则表达式四：<div>.*?</div>cc 

匹配结果四：<div>test1</div>bb<div>test2</div>cc 

这里采用的是非贪婪模式，前面的“<div>.*?</div>”仍然是匹配到“<div>test1</div>”为止，此时后面的“cc”无法匹配成功，要求“<div>.*?</div>”必须继续向右尝试匹配，直到匹配内容为“<div>test1</div>bb<div>test2</div>”时，后面的“cc”才能匹配成功，整个表达式匹配成功，匹配的内容为“<div>test1</div>bb<div>test2</div>cc”，其中“<div>.*?</div>”匹配的内容为“<div>test1</div>bb<div>test2</div>”。可以看到，在“整个表达式匹配成功”的前提下，非贪婪模式才真正的影响着子表达式的匹配行为，如果整个表达式匹配失败，非贪婪模式无法影响子表达式的匹配行为。 

 

匹配原理：

http://www.jb51.net/article/31491.htm 

 

知识点：

单行与多行模式与非贪婪匹配

贪婪匹配