正则表达式学习笔记

[Elric-pp]

正则表达式学习笔记

目录

1. 元字符
2. 字符转义
3. 重复
4. 字符类
5. 分支条件
6. 反义
7. 分组
8. 后向引用
9. 零宽断言
10. 注释
11. 贪婪与懒惰
12. 处理选项
13. 平衡组/递归匹配
14. 补充

元字符

常用元字符

元字符	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意得空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

重复

常用的限定符

语法	说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或者一次
{n}	重复n次
{n, }	重复n次或更多次
{n, m}	重复n到m次

字符类

使用一组方括号来制定字符范围, 如 [aeiou] 匹配任何一个英文元音字母

分支条件

分支条件指几种规则,如果满足其中任意一种规则都应该当成匹配, 具体方法是用| 把不同规则分开

分组

将多个字符用()包起来, 用来指定子表达式(也叫做分组), 你可以对子表达式做一些操作

常用分组语法

分类	语法	说明
捕获	(exp)	匹配exp, 并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里, 也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本, 也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响,只提供注释供阅读

反义

常用的反义代码

语法	说明
\W	匹配不是字母, 数字, 下划线, 汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
`[^x]
[^aeiou]	匹配除aeiou之外的任意字符

后向引用

根据分组组号对分组进行引用

零宽断言

(?=exp) 断言自身的出现的位置的后面能匹配表达式exp

\b\w+(?=ing\b) 匹配以ing结尾的单词的前面部分(不包括ing), reading --> read

(?<=exp) 断言自身出现的位置的前面能匹配表达式exp

(?<=\bre)\w+\b 匹配以re开头的单词的后半部分(不包括re), reading --> ading

负向零宽断言

(?!exp) 断言此位置的前面不能匹配表达式exp, \d{3}(?!\d) 匹配三位数字, 后面不能是数字

(?<!exp) 断言此位置的前面不能匹配表达式exp, (?<![a-z])\d{7} 匹配前面不是小写字母的七位数字

贪婪和懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

懒惰限定符

语法	说明
*?	重复任意次, 但尽可能少重复
+?	重复一次或者更多次, 但尽可能少重复
??	重复0次或1次, 但尽可能少重复
{n}	重复n次以上, 但尽可能少重复
{n,m}	重复n到m次, 但尽可能少重复

参考资料

deerchao的blog