正则表达式入门教程
介绍
正则表达式就是记录文本规则的代码。
在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。比如找出一段文本中所有的数字。
如果你想查找某个目录下的所有的 PPT 的话，你会搜索 *.pptx 。在这里，* 会被解释成任意的字符串。
和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂。
元字符
hi
匹配含有 hi 的字符串，包括 him，high，history。
\bhi\b
精确查找，只匹配 hi。
\b 是一个元字符，代表单词的开始和结束，它匹配一个位置。
0\d\d-\d\d\d\d\d\d\d\d
\d 匹配数字。
这个式子可以化简为
0\d{2}-\d{8}
第一个表示数字重复两次，第二个表示重复八次。
\D [^\d] 匹配非数字字符。
. 匹配任意字符
\w 匹配字母数字下划线
\ba\w*\b
首先匹配 a 开头，\w 匹配字母数字下划线或汉字，* 表示 * 之前的可以任意使用任意次（注意可以是0次）。
\d+
匹配任意个数字 + 表示匹配 1 次或任意次，注意至少要 1 次。
\b\w{6}\b
匹配 6 个字符的字符串。
\d{4,10}
匹配 4 到 10 个字符串，包括 4 和 10。
字符转义
如果你想查找元字符本身，比如 *，- ，那么你可以用一个
反斜杠 + 查找的元字符，如果想查找 \ ,那么就是 \\ 。
重复
字符类
如果想要匹配没有预定义元字符的字符集合，比如 1 3 5，或者 aeiou，那么应该怎么办呢？
[aeiou] [135]
试一下更复杂的表达式
\(?0\d{2}[) -]?\d{8}
拆除一部分一部分分析。
\(?0\d{2}
表示左小括号 ( 出现 1 次或 0 次，然后是一个 0，再加 2 个数字，
[) -]?
再加上右括号 空格 减号中的 1 个，这个出现的次数是 1 次或 0 次。
\d{8}
最后再加上 8 个数字。 可以匹配
(012)12345678
012)12345678
(012 12345678
(012-12345678
01212345678
分枝条件
有时候我们需要多种条件，比如有三位区号，但是我也要四位区号。类似 if ，else if。
分支条件指的是有几种规则，只要满足任意一个规则，那么就可以匹配。
\(0\d{3}\)[- ]?\d{8}|0\d{3}[- ]?\d{8}
| 将两个表达式隔开，一个一个分析。
有括号的以 0 开头四位区号，第二个没括号。
匹配分支时，从左到右，左边满足就不会管右边。
分组
我们已经学过数字和字符的重复，比如 \d{3}, 3 个数字，那么我们也可以对表达式进行重复。
通过小括号来指定子表达式，然后可以指定子表达式的重复次数。
(\d{1,3}\.){3}\d{1,3}
简单 ip 地址匹配表达式，\d{1,3} 匹配 1 到 3 位数字，\. 匹配符号 . ,被小括号包括，说明是个分组，后面的 {3} 表示分组重复的次数。
不过这个表达式不够严谨，会匹配到不存在的 ip 地址。
比如 666.666.666.666。
正确的匹配 ip 表达式
((2[0-4]\d|25[1-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[1-5]|[01]?\d\d?)
依然一个一个看，ip地址的数字范围是[0,255]。 可划分为:
- [0,9]
- [10,99]
- [100,199]
- [200,249]
- [250,255]
[01]?\d\d?
匹配 [0,199]
2[0-4]\d
匹配 [200,249]
25[1-5]
匹配 [250,255]
反义
后向引用
后向引用用于重复搜索
(\d)\d\1
第一个 \d 是一个匹配数字捕获分组，第二个普通的匹配数字
，\1 是匹配捕获分组中的字符。
结果就是匹配类似 303 575这种字符串。
\b(\w+)\b\s+\1\b
(\w+) 是一个分组，匹配一个单词，\1表示的前面出现过的分组 1 的内容。
\s+ 匹配一个或多个空格。
也可以自己给分组起个名称。
(?\w+)
那么 first 就是分组的名称了，反向引用就是
\k
零宽断言
零宽断言用于指定一个位置, 用于查找在某些内容(但并不包括这些内容)之前或之后的东西.
\w+(?=ing)
匹配以 ing 结尾的前面部分（不包括 ing）。
(?<=sin)\w+
匹配 sin 开头的单词的后半部分，不包括 sin。