正则表达式

正则表达式（Regular Expression，缩写为 regex 或者 regexp）是一组特殊文本，可以用来从文本中找出满足你想要的格式的部分。From learn regex the easy way

"the" => the fat cat sat on the mat.
the

表示使用正则表达式 “the”（第一行） 可以匹配到字符串 “the fat cat sat on the mat” 中的 “the”（第二行）

基本匹配

正则表达式其实就是执行搜素时的格式，大小写敏感。The表示一个规则，T紧接着h然后是e。

"The" => The fat cat sat on the mat.

元字符

概述

正则表达式主要依赖于元字符，元字符不代表他们的字面意思，具有特殊含义：

元字符	描述
.	匹配任意单个字符，除了换行符
[]	匹配方括号内的任意字符
[^]	匹配方括号内容以外的任意字符
*	匹配任意个（包括0个）*之前的字符
+	匹配至少一个+前的字符
?	匹配0个或者1个?之前的字符
{n,m}	匹配大于等于n，小于等于m个大括号前的字符
(xyz)	匹配与xyz完全相同的字符串
|	或运算符，匹配该符号前或者后的字符
\	转义字符，用于匹配一些保留字符
^	从前开始匹配
$	从后开始匹配

点.

".ar" => the car parked in the garage
car, par, gar

字符集

字符集[]

"[Tt]he" => The car parked in the garage.
The, the

另外，方括号内的.就表示它本身

"ar[.]" => A garage is a good place to park a car.
ar.

否定字符集[^]

一般说来^表示一个字符串的开头，但放在方括号内的开头时，表示这个字符集时否定的

"[^c]ar" => The car parked in the garage.
par, gar

重复次数

*号

匹配在*之前的字符大于等于0次。表达式[a-z]*匹配所有以小写字母开头的字符串。

"[a-z]*" => The car parked in the garage #21.
he, car, parked, in, the, garage

使用.*可以匹配所有的字符串，\s*cat\s*匹配以任意个空格开头，任意个空格结尾的cat

"\s*cat\s*" => The fat cat set on the concatenation.
cat, cat

+号

匹配+号之前的字符出现至少一次

"c.+t" => The fat cat sat on the mat.
cat sat on the mat

?号

匹配?号之前的字符出现0次或1次

"[T]?he" => The car is parked in the garage.
The, he

{}

控制一个或一组字符可出现的次数，{m,n}表示出现大于等于m小于等于n次。可以省略第二个参数，此时表示出现大于等于m次。{m}表示固定出现m次。

"[0-9]{2,3}" => The number was 9.9997 but we rounded it off to 10.0.
999, 10

"[0-9]{3}" => The number was 9.9997 but we rounded it off to 10.0.
999

()子模式

括号内的内容表示一个子模式，其中可以使用|运算符

"(c|g|p)ar" => The car is parked in the garage.
car, par, gar

|或运算符

匹配之前或者之后的内容

"(T|t)he|car" => The car is parked in the garage.
The, car, the

\转码特殊字符

反斜杠\用于转码紧跟其后的字符，用于指定{}[]/\+*.$^|?这些特殊字符。

"(f|c|m)at\.?" => The fat cat sat on the mat.
fat, cat, mat.

锚点

^号

仅正则表达式在所匹配字符串的开头时才进行匹配。

"^(T|t)the" => The car is parked in the garage.
The

$号

同理于^，$仅正则表达式在所匹配字符串结尾时进行匹配。

"(at)\.$" => The fat cat. sat. on the mat.
at.

简写字符集

简写	描述
.	除换行符外的所有字符
\w	匹配所有字母数字下划线，等同于[a-zA-z0-9_]
\W	匹配所有非字母数字，等同于[^\w]
\d	匹配数字,[0-9]
\D	匹配非数字
\s	匹配所有空格字符，[\t\n\f\r\p{Z}]
\S	匹配所有非空格字符
\f	换页符
\n	换行符
\r	回车符
\t	制表符
\v	垂直制表符
\p	CR/LF，等同于\r\n，匹配DOS行终止符

零宽度断言（前后预查）– 未学习

先行断言和后发断言都属于非捕获簇(不捕获文本 ，也不针对组合计进行计数). 先行断言用于判断所匹配的格式是否在另一个确定的格式之前, 匹配结果不包含该确定格式(仅作为约束).

例如, 我们想要获得所有跟在 $ 符号后的数字, 我们可以使用正后发断言 (?<=\$)[0-9\.]*. 这个表达式匹配 $ 开头, 之后跟着 0,1,2,3,4,5,6,7,8,9,. 这些字符可以出现大于等于 0 次.

零宽度断言如下:

符号	描述
?=	正先行断言-存在
?!	负先行断言-排除
?<=	正后发断言-存在
?<!	负后发断言-排除

?=... 正先行断言

?=... 正先行断言, 表示第一部分表达式之后必须跟着 ?=...定义的表达式.

返回结果只包含满足匹配条件的第一部分表达式. 定义一个正先行断言要使用 (). 在括号内部使用一个问号和等号: (?=...).

正先行断言的内容写在括号中的等号后面. 例如, 表达式 (T|t)he(?=\sfat) 匹配 The 和 the, 在括号中我们又定义了正先行断言 (?=\sfat) ,即 The 和 the 后面紧跟着 (空格)fat.

"(T|t)he(?=\sfat)" => The fat cat sat on the mat.

在线练习

?!... 负先行断言

负先行断言 ?! 用于筛选所有匹配结果, 筛选条件为 其后不跟随着断言中定义的格式. 正先行断言 定义和 负先行断言 一样, 区别就是 = 替换成 ! 也就是 (?!...).

表达式 (T|t)he(?!\sfat) 匹配 The 和 the, 且其后不跟着 (空格)fat.

"(T|t)he(?!\sfat)" => The fat cat sat on the mat.

在线练习

?<= ... 正后发断言

正后发断言 记作(?<=...) 用于筛选所有匹配结果, 筛选条件为 其前跟随着断言中定义的格式. 例如, 表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat, 且其前跟着 The 或 the.

"(?<=(T|t)he\s)(fat|mat)" => The fat cat sat on the mat.

在线练习

?<!... 负后发断言

负后发断言 记作 (?<!...) 用于筛选所有匹配结果, 筛选条件为 其前不跟随着断言中定义的格式. 例如, 表达式 (?<!(T|t)he\s)(cat) 匹配 cat, 且其前不跟着 The 或 the.

"(?<!(T|t)he\s)(cat)" => The cat sat on cat.

在线练习

标志

标志也叫模式修正符, 因为它可以用来修改表达式的搜索结果. 这些标志可以任意的组合使用, 它也是整个正则表达式的一部分.

标志	描述
i	忽略大小写.
g	全局搜索.
m	多行的: 锚点元字符 ^ $ 工作范围在每行的起始.

忽略大小写 (Case Insensitive)

修饰语 i 用于忽略大小写. 例如, 表达式 /The/gi 表示在全局搜索 The, 在后面的 i 将其条件修改为忽略大小写, 则变成搜索 the 和 The, g 表示全局搜索.

"The" => The fat cat sat on the mat.

在线练习

"/The/gi" => The fat cat sat on the mat.

在线练习

全局搜索 (Global search)

修饰符 g 常用于执行一个全局搜索匹配, 即(不仅仅返回第一个匹配的, 而是返回全部). 例如, 表达式 /.(at)/g 表示搜索 任意字符(除了换行) + at, 并返回全部结果.

"/.(at)/" => The fat cat sat on the mat.

在线练习

"/.(at)/g" => The fat cat sat on the mat.

在线练习

多行修饰符 (Multiline)

多行修饰符 m 常用于执行一个多行匹配.

像之前介绍的 (^,$) 用于检查格式是否是在待检测字符串的开头或结尾. 但我们如果想要它在每行的开头和结尾生效, 我们需要用到多行修饰符 m.

例如, 表达式 /at(.)?$/gm 表示小写字符 a 后跟小写字符 t , 末尾可选除换行符外任意字符. 根据 m 修饰符, 现在表达式匹配每行的结尾.

"/.at(.)?$/" => The fat
                cat sat
                on the mat.

在线练习

"/.at(.)?$/gm" => The fat
                  cat sat
                  on the mat.

在线练习

贪婪匹配与惰性匹配 (Greedy vs lazy matching)

正则表达式默认采用贪婪匹配模式，在该模式下意味着会匹配尽可能长的子串。我们可以使用 ? 将贪婪匹配模式转化为惰性匹配模式。

"/(.*at)/" => The fat cat sat on the mat. 

在线练习

"/(.*?at)/" => The fat cat sat on the mat. 

在线练习