正则表达式入门知识科普

    什么是正则表达式

正则表达式就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。简单的一个例子：用字符串”a”来验证字符串s是否是”a”，形如s.match(“a”)。概括来说有以下作用：

• 验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。

• 查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活。

• 替换字符串，比普通的基于字符串的替换更灵活。

基本规则 普通字符

字母、数字、汉字、下划线、以及后续没有特殊定义的标点符号，都是”普通字符”。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。如：表达式 “a”，在匹配字符串 “abcde” 时，匹配到的内容是：“a”。

转义字符

一些不便书写的字符，采用在前面加 “” 的方法。常见的如：

• : 回车

• : 换行符

• : 制表符

• : “” 本身

此外，还有其他再正则中有特殊用处的标点符号，在前面加 “”后，代表该符号本身。如：^, “ 字符，需要写成 “^” 和 “$”。如

• ^: 匹配^符号本身

• $: 匹配$符号本身

• .: 匹配小数点. 本身

其匹配规则和普通字符串是一样的，如“^”匹配“a^bc”中的“^”。

‘多种字符’匹配

• d：任意一个数字，0~9 中的任意一个

• w：任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中任意一个

• s：包括空格、制表符、换页符等空白字符的其中任意一个

• .：小数点可以匹配除了换行符以外的任意一个字符

如：表达式 “dtestd”匹配”1test2”。

除了正则自带的“多种字符”匹配外，还可以通过中括号[]来自定义。

• 使用[ ]包含一系列字符，能够匹配其中任意一个字符。

• 用 [^ ]包含一系列字符，则能够匹配其中字符之外的任意一个字符。

如：[123]匹配 “1”或”2”或“3”;[^abc]匹配 “a”、”b”、”c” 之外的任意一个字符。

这里需要注意的是，在使用[]时，只有会改变字符组含义的才需要转义，

• 反斜线必须转义

• 方括号必须转义

• 「^」在首和「-」在中必须转义

其他情况即使是特殊字符也不需要转义，如：

• [aeiou]

• [$.*+?{}()|]

• [abc^123-]

匹配次数

“次数修饰”放在”被修饰的正则表达式”后边，可以匹配多次。如：

• {n}: 表达式重复n次，比如：“d{2}” 相当于 “dd”。

• {m,n}:表达式至少重复m次，最多重复n次，比如：“a{1,3}”可以匹配 “a”或”aa”或”aaa”。

• {m,}: 表达式至少重复m次，比如：“d{2,}”可以匹配 “12”,“123”,“12345678”。

• ?: 匹配表达式0次或者1次，相当于 {0,1}，比如：“a[b]?”可以匹配”a”,“ab”。

• +: 表达式至少出现1次，相当于 {1,}，比如：“a+”可以匹配”a”,“aa”,“aaa”。

• *: 表达式不出现或出现任意次，相当于 {0,}，比如：”ab“可以匹配 “a”、”ab”、”abb”。

特殊符号

• ^: 与字符串开始的地方匹配，不匹配任何字符,这里如果使用(?m)模式，则匹配每一行的开始。如：“^aaa”无法匹配 “xxxaaaxxx”，可以匹配”aaaxxx”。

• $: 与字符串结束的地方匹配，不匹配任何字符，这里如果使用(?m)模式，则匹配每一行的结束。如：“aaa$”无法匹配“xxxaaaxxx”, 可以匹配“xxxaaa”。

• ：匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符。它与 “^”、”$“ 类似，本身不匹配任何字符，但是它要求它在匹配结果中所处位置的左右两边，其中一边是 “w” 范围，另一边是 非“w” 的范围。。如：“..”匹配“@@abc”的“@a”。

此外，还有一些符号可以影响表达式内部的子表达式之间的关系：

• |: 左右两边表达式之间“或”关系，匹配左边或者右边。

• (): 在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰;取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到。如：”(abs*)+“匹配”hi, ab ab ab”中的“ab ab ab”。

高级规则 贪婪与非贪婪匹配

在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如：“{m,n}”, “{m,}”, “?”, “*”, “+”，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。

比如，文本 “axxxaxxxa”，”(a)(w+)“，其中”w+“会匹配”xxxaxxxa”，”(a)(w+)(a)“则会匹配”xxxaxxx”。由此可见，”w+“ 在匹配的时候，总是尽可能多的匹配符合它规则的字符。

虽然第二个举例中，它没有匹配最后一个 “a”，但那也是为了让整个表达式能够匹配成功。同样的，带 ”“ 和 ”{m,n}“ 的表达式都是尽可能地多匹配，带 ”?“ 的表达式在可匹配可不匹配的时候，也是尽可能的匹配。这种匹配原则就叫作”贪婪”模式。

非贪婪模式则是指的在修饰匹配次数的特殊符号后再加上一个 “?” 号，可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的不匹配。

这种匹配原则也叫作 “勉强” 模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。如，文本 “axxxaxxxa” ，“(a)(w+?)”，其中”w+“只会匹配一个“x”。

反向引用

表达式在匹配时，表达式引擎会将小括号 “()” 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。如：“(.*?)