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
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。
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.
字符集
字符集[]
另外，方括号内的.就表示它本身
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
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。
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
+号
匹配+号之前的字符出现至少一次
?号
匹配?号之前的字符出现0次或1次
{}
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。
1 | "[0-9]{2,3}" => The number was 9.9997 but we rounded it off to 10.0. |
()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
|或运算符
匹配之前或者之后的内容
\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。
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。
$号
同理于^，$仅正则表达式在所匹配字符串结尾时进行匹配。
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.
?!... 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.
?<= ... 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.
?<!... 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.
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.
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.
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.
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。