正则表达式

最近项目中用到正则表达式，每次用到，就查一下看一下正则表达式30分钟入门教程，不久后又忘记，对一些复杂一点的也不是很理解，导致每次都花费很多时间，就彻底整理一遍，找了《正则表达式必知必会》参考，整理出匹配的表达式和文本范例，下次看也高效一点。

定义：正则表达式就是用于描述这些规则的工具。
用途：

1. 查找特定的信息(搜索)
2. 查找并编辑特定的信息(替换)

元字符

代码	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	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或者结束
^	匹配字符串的开始
$	匹配字符串的结束

• 匹配单个字符

  表达式：my

  文本：My name is yuan,her name is li,my brother name is ling.

• 匹配数字

  表达式：\d

  file1.txt

• \s表示任意的空白符，包括\r空格，\n换行，\tTab键，分别匹配空格，Tab键，换行。

  表达式：txt\sf

  文本：
  file1.txt file2.txt　　file3.txt
  file4.txt

单词边界

边界可以由\b进行限定，\b不匹配任何字符，其只匹配一个位置，这个位置位于一个能否用来构成单词的字符（也就是和\w相匹配的字符）和一个不能用来构成单词的字符（也就是与`\W相匹配的字符）之间。

• 匹配开头为n的单词，需要添加元字符\b，否则会匹配yuan ling，

  表达式：\bn

  文本：My name is yuan,her name is li,my brother name is ling.

• 匹配li而不匹配ling，\b匹配了单词的开头和结尾

  表达式：li\b

  文本：My name is yuan,her name is li,my brother name is ling.

• ^也是限制匹配词的开始，不过是针对整个字符串，匹配其中开头的My，而不是中间的my，表达式为：^my，$则是限制字符串的结束

反义符

代码	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意不是数字的字符
\B	匹配不是单词开头或者结束的位置
[^X]	匹配除了X以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的人任意字符

• [0-9]表示匹配0-9的数字，和\d一样。 [a-z]表示匹配a-z的所有单词，[A-Z]表示匹配A-Z的所有单词，[a-zA-Z]则匹配所有大小写单词单词。

• 连字符-在字符集[ ]之间才有特殊的意义，在字符集外只是一个普通字符，匹配其本身不需要被转义。

转义符

// 以下字符有特殊意义，匹配该字符需要添加 \
* . ? + $ ^ [ ] ( ) { } | \ /

• 上面的字符在字符集[ ]中会被解释为普通字符，不需要转义，但为了避免误解，最好进行转义。

限定符

代码	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

在给一个字符集合加上限定符的时候，必须把限定符放在其外面

• 表达式：n\d* 文本：n n1 n123
• 表达式：n\d+ 文本：n n1 n123
• 表达式：n\d? 文本：n n1 n123
• 表达式：n\d{1} 文本：n n1 n123
• 表达式：n\d{1,} 文本：n n1 n123
• 表达式：n\d{1,2} 文本：n n1 n123

贪婪与懒惰

正则匹配默认情况下，是匹配尽可能多的字符，即贪婪匹配。如果需要匹配尽可能少的字符，就需要通过限定符转化为懒惰匹配。

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

注：由于匹配到的文本想通过高亮显示出现，没办法使用代码块，导致<H1>会被网页识别为标题，因此，下面通过《替代<和》替换>，一方面在Markdown中正确显示，又在网页中可以正确显示

• 匹配《H1》标签之间的内容，默认是贪婪匹配，会匹配尽可能的多。

  表达式：《H1》.*《/H1》

  文本：
  《H1》Welcome to my Homepage《/H1》Content is divided into two sections.《H1》This is not valid HTML《/H1》

• 过度匹配，需要采用懒惰模式，匹配尽可能的少

  表达式：《H1》.*？《/H1》

  文本：
  《H1》Welcome to my Homepage《/H1》Content is divided into two sections.《H1》This is not valid HTML《/H1》

子表达式

子表达式通过（和）把一系列元素括起来，把其当成一个独立元素使用。

默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的组号为1，第二个为2，以此类推。第0个匹配可以用来代表整个正则表达式。组号必须添加\进行转义。

• 在表达式((A)(B(C)))中，存在4个分组

  ((A)(B(C)))  
  (A)  
  (B(C))  
  (C)

捕获

代码	说明
(exp)	匹配exp，并捕获文本到自动命名的组里
(?\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，也不给词分组分配组号

• 匹配年份，如果不使用子表达式，则只会匹配19，因为|操作符是吧位于它左边和右边的两个部分都作为一个整体来看待的，就变成匹配19和20\d{2}

  表达式：(19|20)\d{2}

  文本：1999

• ​匹配HTML标题中的内容，会发现，H2 对应的 H3 为错误的，不应该被匹配到

  表达式：《H[1-6]》.*?《/H[1-6]》

  文本：
  《H1》Welcome to my Homepage《/H1》
  Content is divided into two sections.
  《H2》This is not valid HTML《/H3》

• 如果不想匹配到错误的内容，只要使用回溯引用，确保标签头和标签尾一致。把[1-6]作为一个表达式，在后面使用\1去匹配。

  表达式：《H([1-6])》.*?《/H\1》

  文本：
  《H1》Welcome to my Homepage《/H1》
  Content is divided into two sections.
  《H2》This is not valid HTML《/H3》

• 如果使用组号进行匹配，在正则表达式复杂的情况下，如果进行修改，比如在前面添加一个分组，所有的分组编号都要进行修改。因此，使用分组重命名就可以避免。

  表达式：《H(?<number>[1-6])》.*?《/H\number》

  文本：
  《H1》Welcome to my Homepage《/H1》
  Content is divided into two sections.
  《H2》This is not valid HTML《/H3》

• 有时候在使用|的时候，需要用到()，但是实际上，不需要进行捕获，在后面也不需要用到此分组，为了提高效率，可以使用(?:exp)

  表达式：(19|20)\d{2}《H([1-6])》.*《H\2》

  文本：
  1993《H1》head《/H1》

• 如果使用(?:exp)，则没有该分组了，\2也需要换成\1

  表达式：(?:19|20)\d{2}《H([1-6])》.*《/H\1》

  文本：
  1993《H1》head《/H1》

断言

代码	说明
(?=exp)	正向前查找
(?!exp)	负向前查找
(?<=exp)	正向后查找
(?<!exp)	负向后查找

有些时候，匹配到的内容，不是你真正需要的，如果把它搜索出来，再手动去掉，比较麻烦，那么需要被匹配到的文本不包含在最终返回的匹配结果中，也就是“不消费”。

• 匹配URL地址，把协议名部分提取出来

  表达式：.+(?=:)

  文本：
  http://www.baidu.com
  https://www.baidu.com

• 提取产品中的价格

  表达式：(?<=\$)[0-9.]+

  文本：
  apple: \$1
  banana: \$2

• 匹配数量不匹配价格

  表达式：\b(?<!\$)\d+\b

  文本：I paid $30 for 100 apples;

嵌入条件

正则表达式里的条件用？来定义，只有符合条件才执行后面的匹配。

代码	说明
(?(condition)true)	存在则执行true
(?(condition)true\	false)	存在则执行true，错误则执行false

• 匹配电话号码，如果存在（ 则需要），否则需要 -

  表达式：(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}

  文本：
  123-456-7890
  (123)456-7890
  (123-456-7890
  (123)-456-7890

参考

1. 正则表达式30分钟入门教程
2. 站长工具 正则测试
3. 《正则表达式必知必会》