第五章：重复匹配

Posted 2020-11-08 changlezhong

5.1 有多少个匹配：

　　5.5.1 匹配一个或多个字符：

　　　　想要匹配同一个字符（或字符集合）的多次重复，只要简单的给这个字符（或字符集合）加上一个+字符作为后缀即可。　

　　　　+ ： 表示匹配一个或多个字符，比如[0-9]表示匹配任意单个数字，[0-9]+将匹配一个或多个连续的数字

　　　注意：

　　　　　在给字符集合加上+后缀的时候，必须把+放在字符集合的外边，比如说[0-9]+是正确的匹配一个或多个连续的数字，而[0-9+]只是匹配一个单个的数字或加号

　　　文本：

　　　　Send personal email to [email protected] For qwestions about a book user [email protected] Feel free to send unsolicited email to [email protected] (wouldn‘t it be nice if it were that simple, huh?)

　　　正则表达式：

　　　　\[email protected]\w+\.\w+　　　

　　　结果：

　　　　Send personal email to [email protected]. For qwestions about a book user [email protected]. Feel free to send unsolicited email to [email protected] (wouldn‘t it be nice if it were that simple, huh?)

注意：

　　+是一个元字符，要相匹配+本身，就必须使用它的转义序列 \+

再看一个例子：

　　文本：

　　　　Send personal email to [email protected] or [email protected] For qwestions about a book user [email protected] Feel free to send unsolicited email to [email protected] (wouldn‘t it be nice if it were that simple, huh?)

　　正则表达式：

　　　　\[email protected]\w+\.\w+

　　结果：

　　　　Send personal email to [email protected] or ben.[email protected]. For qwestions about a book user [email protected]. Feel free to send unsolicited email to [email protected] (wouldn‘t it be nice if it were that simple, huh?)

　　分析：

　　　　[email protected]未正确匹配

　　调整后的正则表达式：

　　　　[\w.][email protected][\w.]\.\w+

注意：

　　当在字符集合（[]）里使用的时候，像.和+这样的元字符将被解释成普通字符，不需要转义，但转义也没有关系。[\w.] 和 [\w\.]是等价的

5.1.2 匹配零个或多个字符：

　　+匹配一个或多个字符，但不匹配零个字符，+最少也要匹配一个字符，那要想匹配一个可有可无的字符，该使用*元字符来完成

　　文本：

　　　　Hello [email protected] is my email address.

　　正则表达式：

　　　　[\w.][email protected][\w.]\.\w+

　　结果：

　　　　Hello [email protected] is my email address.

　　正确的正则表达式：

　　　　[\w.]*@[\w.]\.\w+

　　结果：

　　　　Hello .[email protected] is my email address.

注意：

　　*是一个元字符，要想匹配*本身需要对其进行转义

5.1.3 匹配零个或一个字符：

　　?只能匹配一个字符（或字符集合）的零次或一次出现

　　文本：

　　　　The URL is http://www.forta.com, to connect securely user https://www.forta.com/ instead.

　　正则表达式：

　　　　http://[\w./]+

　　结果：

　　　　The URL is http://www.forta.com, to connect securely user https://www.forta.com/ instead.

在http后加一个s*并不能解决问题，因为httpssss://这种事非法的url

　　正确的正则表达式：

　　　　https?://[\w./]+

　　结果：

　　　　The URL is http://www.forta.com, to connect securely user https://www.forta.com/ instead.

注意：

　　?是一个元字符，要想匹配*本身需要对其进行转义

拓展：

　　之前说过在Windows系统下匹配空行为 \r\n\r\n，在linux系统下匹配空行为 \n\n，那想写出在Windows和linux系统下通用的空行匹配正则表达式该怎么写呢：

　　[\r]?\n[\r]?\n

5.2 匹配的重复次数：

　　我们学过+，*和？，但这并不能对重复性匹配有一个精确的控制，所以在正则表达式中提供了一个用来设定重复次数的语法，重复次数要用 { 和 } 字符来给出，把重复的次数卸载它们之间即可

注意：

　　{ 和 }是元字符，要想匹配他们本身需要对他们进行转义

5.2.1 为重复匹配设定一个精确的值：

　　　　文本：

　　　　　　#123456 #12345 #1234567

　　　　正则表达式：

　　　　　　#\d{6}

　　　　结果：

　　　　　　#123456 #12345 #1234567

5.2.2 为重复匹配次数设定一个区间：

　　　　{}语法还可以为重复次数设定一个区间，也就是设定一个重复匹配的最小值和最大值，{2,4}表示最少重复2次，最多重复4次

　　　　文本：

　　　　　　4/8/03

　　　　　　10.6.2004

　　　　　　2/2/2

　　　　　　01-01-01

　　　　正则表达式：

　　　　　　\d{1,2}[-\/\]\d{1,2}[-\/]\d{2,4}

　　　　结果：　　

　　　　　　4/8/03

　　　　　　10.6.2004

　　　　　　2/2/2

　　　　　　01-01-01

注意：

　　在上面的例子中，匹配 / 的时候我们使用了转义序列 \/

5.2.3 匹配“至少重复多少次”

　　使用 {3,} 来表示至少重复3次或更多次

　　文本：

　　　　1001：$496.80

　　　　1002：$1290.69

　　　　1003：$26.43

　　　　1004：$613.42

　　　　1005：$7.61

　　　　1006：$414.90

　　　　1007：$25.00

　　正则表达式：

　　　　\d+：\$\d{3,}\.\d{2}

　　结果：　　

　　　　1001：$496.80

　　　　1002：$1290.69

　　　　1003：$26.43

　　　　1004：$613.42

　　　　1005：$7.61

　　　　1006：$414.90

　　　　1007：$25.00

5.3 防止过度匹配：

　　文本：

　　　　<B>AK</B> and <B>HI</B>

　　正则表达式：

　　　　<Bb>.*</Bb>

　　结果：

　　　　<B>AK</B> and <B>HI</B>

　　分析：

　　　　+和*属于“贪婪型”元字符，他们在匹配的时候是多多益善而不是适可而止，当你不需要这种“贪婪行为”时，你就需要使用这些元字符的“懒惰型”版本，即在贪婪型元字符后面加一个?即可。

　　懒惰型正则表达式：

　　　　<Bb>.*？</Bb>

　　结果：

　　　　<B>AK</B> and <B>HI</B>