正则表达式 RegEx
0x01 概述
- 正则表达式（RegEx）可以精确描述需要匹配的字符组合，提高文本处理效率
- 相关工具：
- 正则表达式在线测试网站：https://regexr.com/
- VSCode 插件：Regex Previewer
- Python 的 re 模块：
import re
0x02 基本语法
（1）字符匹配
-
正则表达式一般用两个
/包裹起来，在后面跟上修饰符修饰符 说明 g global，全局 i case insensitive，不区分大小写 m multiline，多行 s single line(dotall)，单行 u unicode，Unicode 字符 y sticky，只读 -
.表示除了换行符外的任意一个字符/.al/g：全局中，以任意字符开头并以 al 结尾的文本，如 special 中的 ial/a.l/g：全局中，以 a 开头、l 结尾并中间包含任意字符的文本，如 all/al./g：全局中，以 al 开头并以任意字符结尾的文本，如 always 中的 alw
-
[]表示匹配指定字符的集合，其中可以使用-表示字符范围/al[lw]/g：全局中，以 al 开头并且后面的字符为 l 或 w 的文本/al[l-w]/g：全局中，以 al 开头并且后面的字符为 l 到 w 之间的文本/al[l-wL-W]/g：全局中，以 al 开头并且后面的字符为 l 到 w 之间或 L 到 W 之间的文本/al[l-w0-9]/g：全局中，以 al 开头并且后面的字符为 l 到 w 之间或 0 到 9 之间的文本
-
^在[]内表示匹配指定字符以外的集合（[]的取反）/al[^l-w]/g：全局中，以 al 开头并且后面的字符不在 l 和 w 之间的文本
（2）预定义的字符类
- 预定义的字符类用于匹配一些常见的字符
\d表示数字，等同于[0-9]；而\D是取反，等同于[^0-9]/SR[0-9]/g可写为/SR\d/g
\w表示字母、数字或下划线，等同于[a-zA-z0-9_]；而\W是取反\s表示空白字符，即空格、制表符（Tab）；而\S是取反
0x03 位置与边界匹配
^不在[]内表示匹配指定字符开头的行/^a/g：全局中，第一个以 a 开头的行/^a/gm：全局中，所有以 a 开头的行（修饰符m表示多行匹配）
$表示匹配指定字符结尾的行/a$/g：全局中，以 a 结尾的行/\.$/g：全局中，以 . 结尾的行（由于.在正则表达式中是特殊符合，需要使用\转义）
\b表示匹配指定字符开头的单词；而\B是取反/\bal/g：全局中，以 al 开头的单词，如 always、all 等，但不包括如 special、specially 等/al\b/g：全局中，以 al 结尾的单词，如 special 等，但不包括如 specially 等/\bal\b/g：全局中的单词 al/\Bal\B/g：全局中，中间包含 al 的单词，如 specially
0x04 量词
+表示匹配指定字符出现一次或多次/es+/g：全局中，匹配 e 开头并出现一次或多次 s 的单词，如 expression
*表示匹配指定字符出现零次或多次/es*/g：全局中，匹配 e 开头并出现零次或多次 s 的单词，如 create
{}表示匹配指定字符出现指定次数/es{2}/g：全局中，匹配 e 开头并出现 2 次 s 的单词，如 expression/es{1,3}/g：全局中，匹配 e 开头并出现 1 到 3 次 s 的单词/es{2,}/g：全局中，匹配 e 开头并出现至少 2 次 s 的单词- 正则表达式默认是贪婪匹配
?表示匹配时满足最小匹配条件，即非贪婪匹配/es{2,}?/g：全局中，匹配出现 2 次且仅 2 次 es 的单词
0x05 分组、捕获、引用
-
()表示分组，可以将多个字符作为整体来处理/(es)*/g：全局中，匹配出现零次或多次 es 的单词，如 create/(N|n)ame/g：全局中，匹配 Name 或 name
-
分组捕获
-
文本内容：
2000-1-1 2001/02/02 2003.3.3 2004_4_04 20050505 -
正则表达式：
/(\d{4})[-/._]?(\d{1,2})[-/._]?(\d{1,2})[-/._]?/gm -
分别捕获年（
$1）、月（$2）、日（$3） -
使用
:取消捕获：(?:\d{1,2})
-
-
分组引用
-
文本内容：
america bob google -
正则表达式：
/([a-z])[a-z]*\1/g([a-z])第一个字符，并分组[a-z]*中间任意个字符\1第一组的字符
-
此时会匹配出首尾相同的字符串文本，如 america、bob、goog
-
0x06 前瞻和后顾
- 前瞻和后顾是特殊的匹配方式，按照是否匹配可分为正向前瞻、负向前瞻、正向后顾、负向后顾
案例文本内容：
$123 $456 $abc $def
- 正向前瞻
=：/\$(?=\d+)/g，此时匹配 $123 和 \(456* 的 *\) - 负向前瞻
!：/\$(?!\d+)/g，此时匹配 \(abc* 和 *\)def 的 $ - 正向后顾
<=：/(?<=\$)\d+/g，此时匹配 $123 和 $456 的 123 和 456 - 负向后顾
<!：/(?<!\$)\d+/g，此时匹配 $123 和 $456 的 23 和 56
正则表达式版本问题
- POSIX 基本（BRE）
- POSIX 扩展（ERE）
- Perl 兼容正则表达式（PCRE）
- 其他版本（Python、Java、JavaScript 等）
-End-
