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。