正则表达式

正则表达式是文本处理极为重要的技术，1970年代，Unix之父Ken Thompson将正则表达式引入到Unix文本编辑器sed和grep中，由此正则表达式普及开来。

1980年后，perl语言对Henry Spencer编写的库扩展了很多新的特性，1997年开始，Philip Hazel开发出了PCRE，被php和httpd等工具采用。

正则表达式应用极其广泛，shell中处理文本的命令，各种高级编程语言都支持正则表达式。

参考 https://www.w3cschool.cn/regex_rmjc/

元字符（metacharacter）

代码	说明	举例
.	匹配除换行符外任意一个字符	.
[xyz]	字符集合，只能表示一个字符位置，匹配所包含的任意一个字符	[xyz]匹配xvvz中的'xz'
[^xyz]	字符集合，只能表示一个字符位置，匹配除去所包含字符的任意一个字符	[^xyz]匹配xvvz中的'vv'
[a-z]	字符范围，也是一个集合，表示一个字符位置，匹配所包含的任意一个字符	[a-z][A-Z][0-9]
\b	匹配单词边界	\bb 匹配已b开头的字符
\B	匹配非单词边界	\Bb 匹配不以b开头的含有b的单词
\d	[0-9]匹配0-9之间的任意一个数字	\d
\D	[^0-9]匹配任意一个非数字的字符	\D
\s	匹配一位空白字符，包括换行符，制表符，空格	\s
\S	匹配一位非空白字符	\S
\w	匹配[a-zA-Z0-9_]包括中文的字符	\w
\W	匹配\w之外的任意字符	\W

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Linux下换行符是\n,win下换行符是\r\n

单行模式

.可以匹配所有字符，包括换行符

^表示整个字符串的开头，$表示整个字符串的结尾

多行模式

.可以匹配除了换行符之外的字符

^表示行首，$表示行尾

^表示整个字符串的开始，$表示整个字符串的结尾，开始指定的是\n后紧接着下一个字符，结束指的是/n前的字符

转义： \,  \\表示\

重复

代码	说明	举例
*	表示前面的正则表达式会重复0次或多次	a\w* 单词中有a然后后面是非空白字符
+	表示前面的正则表达式重复至少一次	a\w+ 单词中a后面至少有一个非空白字符
？	表示前面的正则表达式会重复0次或1次	a\w? 单词中a后面最多有一个空白字符
{n}	重复固定的n次	a\w{1}单词中a后面只能有一个非空白字符
{n,}	重复至少n次	a\w{1,}等价a\w+ a\w{0,}等价e\w*a\w{0,1}等价e\w?
{n,m}	重复至少n次，最多m次	a\w{0,10}单词中a后面至少1个，至多10个非空白字符
x|y	匹配x或者y	w|food或者(w|f)ood,匹配wood或者food
(pattern)	使用小括号指定一个分组，配好从1开始	(very)
\数字	匹配对应的分组	(very) \1
(?:pattern)	改变优先级，不认为是分组	(:?very),不是分组不能用数字调用
(?=exp)	断言exp一定在匹配的右边出现，一定有exp后缀	f(？=oo)f后面一定有oo出现，匹配是f而不是oo
(?<=exp)	断言exp一定在匹配的左边出现，一定有exp前缀	(?<=t)ook,匹配ook前面一定有t出现，匹配ook
(?!exp)	断言后面一定不是exp	too(?!d)，匹配too后面不是d的too
(?<!exp)	断言前面一定不是exp	(?<!f)ood 匹配ood左边不是f的ood

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

断言不占分组号

正则表示工作在贪婪模式中，默认匹配更长的字符，非贪婪模式需要在符号前面加一个？,表示尽量少的匹配

代码	说明
*?	匹配任意次，尽可能的少匹配
+?	匹配至少一次，尽可能的少重复匹配
??	匹配0次或者1次，尽可能的少重复匹配
{n,}?	匹配至少n次，尽可能的少重复
{n,m}?	匹配至少n次，至多m次，尽可能的少重复