正則表達式的使用

1、正則表達式-教程

　　正則表達式：文本模式，包括普通字符（例如，a到z之間的字母）和特殊字符（稱為元字符）。

　　正則表達式使用單個字符串來描述，匹配一系列匹配某個句法規則的字符串。

2、正則表達式-語法

　　正則表達式描述了一種字符串匹配的模式（pattern），可以用來檢查一個串是否含有某種子串、將匹配的子串替換或者從某個串中取出符合某個條件的子串等。正則表達式是由普通字符（例如字符a-z）以及特殊字符（稱為“元字符”）組成的文字模式。模式描述在搜索文本時要匹配的一個或多個字符串。正則表達式作為一個模板，將某個字符模式與所搜索的字符串進行匹配。

2.1普通字符

　　普通字符包括沒有顯示指定為元字符的所有可打印和不可打印字符。這包括所有大寫和小寫字符、所有數字、所有標點符號和一些其他符號。

2.2 非打印字符

　　非打印字符也可以是正則表達式的組成部分。下列列出了表示非打印字符的轉義序列：

字符	描述
\cx	匹配由x指明的控制字符。比如\cM匹配一個Control-M或回車符。 x的值必須為A-Z或a-z之一。
\f	匹配一個換頁符。=\x0c或=\cL
\n	匹配一個換行符。=\x0a或\cJ
\r	匹配一個回車符。=\x0d和\cM
\s	匹配任何空白字符，包括空格、制表符、換頁符等待。=[\f\n\r\t\v]
\S	匹配任何非空白字符。=[^ \f\n\r\t\v]
\t	匹配一個制表符。=\x09和\cl
\v	匹配一個垂直制表符。=\x0b和 \cK

2.3 特殊字符

　　特殊字符，就是有一些特殊含義字符。

特別字符	描述
$	匹配輸入字符串的結尾位置。如果要匹配本身，需要進行轉義，使用\$.
()	標記一個子表達式的開始和結束位置。
*	匹配前面的子表達式0或多次。如果要匹配本身，需要進行轉義，使用\*
+	匹配前面的子表達式1或多次。如果要匹配本身，需要進行轉義，使用\+
.	匹配除換行符\n之外的任何單個字符。匹配.,使用\.
[	標記一個中括號表達式的開始。要匹配[,使用\[
?	匹配前面的子表達式0或1次，或指明一個非貪婪限定符。要匹配？字符，使用\?
^	匹配輸入字符串的開始位置，除非在方括號表達式中使用，當該符號在方括號表達式中使用時，表示不接受該方括號表達式中的字符集合。要匹配^,使用\^
{	標記限定符表達式的開始。要匹配{,使用\{
\|	指明兩項之間的一個選擇。要匹配\|，請使用\\|

2.4 限定符

　　限定符用來指定正則表達式的一個給定組件必須要出現多少次才能滿足匹配。有*或+或？或{n}或{n,}或{n,m}共6種。正則表達式中的幾種重復模式。

正則表達式的限定符有：

字符(語法)	描述（說明）
*	匹配前面的子表達式0或多次。
+	匹配前面的子表達式1或多次。
？	匹配前面的子表達式0或1次。
{n}	n是一個非負整數。匹配確定的n次。
{n,}	n是一個非負整數，至少匹配n次。
{n,m}	m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。

*、+限定符都是貪婪的，因為它們會盡可能多的匹配文字，只有它們的后面加上一個?就可以實現非貪婪或最小匹配。

貪婪：下面的表達式匹配從開始小于符號(<)到關閉大于符號(>)之間的所有內容。

比如：<h1>RUNOOB-菜鳥教程</h1>

/<.*>/?

非貪婪：如果您只需要匹配開始和結束h1標簽，下面的非貪婪表達式只匹配<h1>。

/<.*?>/?

2.5定位符

定位符能使正則表達式固定到行首或行尾。定位符用來描述字符串或單詞的邊界，^和$分別指字符串的開始與結束，\b描述單詞的前或后邊界，\B表示非單詞邊界。

字符	描述
^	匹配輸入字符串開始的位置。
$	匹配輸入字符串結尾的位置。
\b	匹配一個單詞邊界，即字與空格間的位置。
\B	非單詞邊界匹配。比如chapter和aptitude,apt出現在單詞chapter中的非單詞邊界處，但出現在單詞aptitude中的單詞邊界處。

注意：不能將限定符與定位符一起使用。由于在緊靠換行或單詞邊界的前面或后面不能有一個以上位置，因為不允許諸如^*之類的表達式。

選擇：用圓括號將所有選擇項括起來，相鄰的選擇項之間用|分隔。但用圓括號會有一個副作用，使相關的匹配會被緩存，此時可用？：放在第一個選項前來消除這種副作用。

其中？:是非捕獲元之一，還有兩個非捕獲元是?=和?!。

?=:正向預查，在任何開始匹配圓括號內的正則表達式的位置來匹配搜索字符串。

?!:負向預查，在任何開始不匹配該正則表達式模式的位置來匹配搜索字符串。

反向引用：對一個正則表達式模式或部分模式兩邊添加圓括號將導致相關匹配存儲到一個臨時緩沖區中，所捕獲的每個子匹配都按照在正則表達式中從左到右出現的順序存儲。緩沖區編號從1開始，最多可存儲99個捕獲的子表達式。

可以使用非捕獲元字符?:,?=;?!來重寫捕獲，忽略對相關匹配的保存。

比如例子1：Is is the cost of of gasoline going up up?

該正則表達式：/\b([a-z]+) \1\b/ig ??#[a-z]+ 表示1個或多個字母。\1指定第一個子匹配項。g表示全局變量，i忽略大小寫。

例子2：要匹配taobao taobao ,home home這樣的情況如何處理？

正則表達式：\b(\w+)\b\s+\1\b

正則表達式給匹配項命名：\b(?<Word>\w+)\b\s+\k<Word>\b

? ? ? ? ? ? ? ??

3、正則表達式-元字符

字符	描述
\	將下一個字符標記為特殊字符、或原義字符、或向后引用、或八進制轉義符。例如n 匹配字符n,\n匹配換行符。匹配\，使用\\;匹配(，使用\(
^	匹配輸入字符串的開始位置，除非在方括號表達式中使用，當該符號在方括號表達式中使用時，表示不接受該方括號表達式中的字符集合。要匹配^,使用\^
$	匹配輸入字符串的結尾位置。如果要匹配本身，需要進行轉義，使用\$.
*	匹配前面的子表達式0或多次。
+	匹配前面的子表達式1或多次。如果要匹配本身，需要進行轉義，使用\+
？	匹配前面的子表達式0或1次，或指明一個非貪婪限定符。要匹配？字符，使用\?
{n}	n是一個非負整數。匹配確定的n次。
{n,}	n是一個非負整數，至少匹配n次。
？	當該字符緊跟在任何一個其他限制符(*、+、？、{n}、{n,}、{n,m})后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如對于字符串"oooo",'0+?'將匹配單個"o","o+"將匹配所有'o'.
.	匹配除換行符\n之外的任何單個字符。匹配.,使用\.
(pattern)	匹配pattern并獲取這一匹配。
(?:pattern)	匹配pattern但不獲取這一匹配，即這是一個非獲取匹配，不進行存儲供以后使用。比如'industr(?:y\|ies)就是一個比'industry\|industries'更簡單的表達式。
(?=pattern)	正向肯定預查（look ahead positive assert),在任何匹配pattern的字符串開始處匹配查找字符串。非獲取匹配，該匹配不需要獲取供以后使用。比如“windows(?=95\|98\|NT\|2000)”能匹配windows2000中的windows,但不能匹配windows3.1中的windows.預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
(?!pattern)	正向否定預查(negative assert),在任何不匹配pattern的字符串開始處匹配查找字符串。非獲取匹配，也就是說，該匹配不需要獲取供以后使用。比如“windows(?!95\|98\|NT\|2000)”不能匹配windows2000中的windows,但能匹配windows3.1中的windows.預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
(?<=pattern)	反向(look behind)肯定預查，與正向肯定預查方向相反。比如“(?<=95\|98\|NT\|2000)windows”能匹配2000windows中的windows,但不能匹配3.1windows中的windows.
(?<!parttern)	反向(look behind)否定預查，與正向否定預查方向相反。比如“(?<!95\|98\|NT\|2000)windows”不能匹配2000windows中的windows,但能匹配3.1windows中的windows.
x\|y	匹配x或y。比如，'z\|food'能匹配'z'或'food'。‘(z\|f)ood’則匹配"zood"或"food".
[xyz]	字符集合。匹配所包含的任意一個字符。比如'[abc]'可以匹配'plain'中的'a'.
[^xyz]	負值字符集合。匹配未包含的任意字符，例如'[^abc]'可以匹配’plain'中的‘p’、'l'、'i'、'n'.
[a-z]	字符范圍。匹配指定范圍內的任意字符。例如'[a-z]'可以匹配'a'到'z'范圍內的任意小寫字母字符。
[^a-z}	負值字符范圍。匹配任何不在指定范圍內的任意字符。例如'[^a-z]'可以匹配任何不在'a'到'z'范圍內的任意小寫字符。
\b	匹配一個單詞邊界，即字與空格間的位置。例如，'er\b'可以匹配"never"中的"er"，但不能匹配"verb"中的"er"
\B	匹配非單詞邊界。例如，'er\B'不可以匹配"never"中的"er"，但能匹配"verb"中的"er"
\cx	匹配由x指明的控制字符。比如\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。
\d	匹配一個數字字符。等價于[0-9]
\D	匹配一個非數字字符。等價于[^0-9]
\f	匹配一個換頁符。等價于\x0c和=\cL
\n	匹配一個換行符。等價于\x0a或\cJ
\r	匹配一個回車符。等價于\x0d和\cM
\s	匹配任何空白字符，包括空格、制表符、換頁符等待。=[\f\n\r\t\v]
\S	匹配任何非空白字符。=[^ \f\n\r\t\v]
\t	匹配一個制表符。=\x09和\cl
\v	匹配一個垂直制表符。=\x0b和 \cK
\w	匹配字母、數字、下劃線。等價于[A-Za-z0-9_]
\W	匹配非字母、數字、下劃線。等價于[^A-Za-z0-9_]
\xn	匹配n,其中n為十六進制轉義值。例如'\x41'匹配“A”。'\x041'則等價于‘\x04' & '1'.
\num	匹配num.
\n	標識一個八進制轉義值或一個向后引用。如果 \n 之前至少 n 個獲取的子表達式，則 n 為向后引用。否則，如果 n 為八進制數字 (0-7)，則 n 為一個八進制轉義值。
\nm	標識一個八進制轉義值或一個向后引用。如果 \nm 之前至少有 nm 個獲得子表達式，則 nm 為向后引用。如果 \nm 之前至少有 n 個獲取，則 n 為一個后跟文字 m 的向后引用。如果前面的條件都不滿足，若 n 和 m 均為八進制數字 (0-7)，則 \nm 將匹配八進制轉義值 nm。
\nml	如果 n 為八進制數字 (0-3)，且 m 和 l 均為八進制數字 (0-7)，則匹配八進制轉義值 nml。
\un	匹配 n，其中 n 是一個用四個十六進制數字表示的 Unicode 字符。例如， \u00A9 匹配版權符號 (?)。

其中零寬斷言：

?=exp 零寬度正預測先行斷言，自身出現的位置的后面能匹配表達式exp。

比如：I’m?singing while you’re?dancing.

正則表達式：\b\w+(?=ing\b)

?<=exp 零寬度正向顧后發斷言，自身出現的位置的前面能匹配表達式exp.

比如：reading?a book

正則表達式：(?<=\bre)\w+\b

負向零寬斷言：

查找這樣的單詞--它里面出現了字母q，但是q后面跟的不是字母u。

正則表達式：\b\w*q[^u]\w*\b，存在一個問題，[^u]占位的問題。

?!=exp 負向零寬斷言：\b\w*q(?!u)\w*\b 并不消費任何字符

\d{3}(?!\d)匹配3位數字，而且這3位數字的后面不能是數字。

\b((?!abc)\w)+\b匹配不包含連續字符串abc的單詞。

?<! 零寬度負回顧后發斷言。

(?<![a-z])\d{7} 匹配前面不是小寫字母的七位數字。

4、正則表達式-運算符優先級

正則表達式從左到右進行計算，并遵循優先級順序，與算數表達式類似。

相同優先級的從左到右進行計算，不同優先級的運算先高后低。

運算符	描述
\	轉義符
(),(?:),(?=),[]	圓括號和方括號
*,+,?,{n},{n,},{n,m}	限定符
^,$,\任意元字符,任意字符	定點位和序列(即：位置和順序)
\|	替換，“或”操作，字符具有高于替換運算符的優先級，使得"m\|food"匹配"m"或"food"。如要匹配"mood"或"food",請使用括號創建子表達式，從而產生"(m\|f)ood"