【编程】正则表达式语法 零基础快速入门掌握

前言

本文正确 "食用" 方法：
1、通过功能分类，查看表达式语法及说明（适合新手）
2、直接搜索表达式语法，查看语法说明（适合备忘速查）
3、可以配合正则表达式工具 "Match Tracer" 一起使用
4、Python语言使用正则表达式，可以参考这篇文章

修饰符

指定匹配模式：全局匹配、多行匹配、区分大小写等

//i g m s

i（ignore）
//搜索时不区分大小写：A 和 a 没有区别

g（global）
//全局匹配，查找所有的匹配项

m（more）
//多行匹配，使边界字符‘^’和‘$’匹配每一行的开头和结尾，记住是多行，而不是整个字符串的开头和结尾

s
//使特殊字符点号‘.’，包含换行符‘\n’（默认情况下：‘.’只匹配除换行符‘\n’之外的任何字符）

转义符

将后面的字符标记为原义字符、转义字符、特殊语法、向后引用等

//\ \r \n \f \t \v \cx

//======将后面的字符标记为：原义字符======
\    
表达式：“\[”
字符串："123[456"
匹配字符串中的‘[’字符（该字符是正则语法的一部分，所以需要转义后才能匹配）

//======将后面的字符标记为：转义字符======
\r
匹配一个回车符，等价于 \x0d 和 \cM

\n
匹配一个换行符，等价于 \x0a 和 \cJ

\f
匹配一个换页符，等价于 \x0c 和 \cL

\t
匹配一个制表符。等价于 \x09 和 \cI

\v
匹配一个垂直制表符。等价于 \x0b 和 \cK

\cx
匹配由 x 指明的控制字符。例如：\cM 匹配一个 Control-M 或回车符。
x 的值必须为 A-Z 或 a-z 之一。否则将 c 视为一个原义的 'c' 字符

//======将后面的字符标记为：特殊语法======
\s \S \b \B \d \D \w \W
（详见字符匹配）

//======将后面的字符标记为：向后引用======
\n
（详见分组匹配）

字符匹配

匹配单个字符、多个字符（字符串）等

//^ $ . | [] \s  \S  \b  \B  \d  \D  \w  \W \xn \un

^
从字符串开头匹配。例如：'^123' 可以匹配 "123a456" 中的 "123"

$
从字符串结尾匹配。例如：'456$' 可以匹配 "123a456" 中的 "456"

.
匹配除换行符（\n、\r）之外的任何单个字符

a|b
匹配 a 或 b。例如：'z|food' 能匹配 "z" 或 "food"

[abc]
匹配“[]”中的任意一个字符。例如：'[abc]' 可以匹配 "plain" 中的 'a'

[^abc]
匹配“[]”中以外的任意一个字符。例如：'[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'

[a-z]
匹配指定范围内的任意字符。例如：'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符

[^a-z]
匹配指定范围以外的任意字符。例如：'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。

\s
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]

\S
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]

\b
匹配一个单词边界，单词和空格间的位置（匹配的单词后面 "有" 空格）
例如："er\b" 可以匹配 "123er 456" 中的 "er"

\B
匹配非单词边界，作用与‘\b’相反（匹配的单词后面 "没有" 空格）
例如："er\B" 可以匹配 "123er456" 中的 "er"

\d
匹配一个数字字符。等价于 [0-9]

\D
匹配一个非数字字符。等价于 [^0-9]

\w
匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'

\W
匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'

\xn
匹配一个"ASCII"字符，n = 十六进制"ASCII"编码，例如："\x41" 可以匹配 "A"

\un
匹配一个"UNICODE"字符，n = 十六进制"UNICODE"编码，例如："\x6211" 可以匹配 "我"

重复匹配

重复匹配某个字符、字符串或指定范围内的字符

//* + ? {}

*
匹配前面的子表达式零次或多次。例如：zo* 能匹配 "z" 以及 "zoo"。等价于{0,}

+
匹配前面的子表达式一次或多次。例如：'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。等价于 {1,}

?
匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。等价于 {0,1}

{n}
n = 正整数。匹配 n 次。例如：'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o

{n,}
n = 正整数。至少匹配 n 次。例如：'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o

{n,m}
n = m = 正整数。n <= m。最少匹配 n 次且最多匹配 m 次。例如："o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'

//贪婪
当正则表达式中包含以上重复限定符时，在整个表达式能得到匹配的前提下，匹配尽可能 "多" 的字符。
例如：'123[a]+' 可以匹配 "123aaa456" 中的所有 "aaa"

//非贪婪
在重复限定符后面加上问号"?"，可以使整个表达式能得到匹配的前提下，匹配尽可能 "少" 的字符。
例如：'123[a]+?' 可以只匹配 "123aaa456" 中的一个 "a"

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

分组匹配

按不同的分组表达式，匹配字符串（类似C语言中"()"的作用）

//() (?:) (?=) (?<=) (?!) (?<!)

//分组()
小括号中的表达式被称为"分组"，多个括号既多个分组，每一个分组会将匹配到的结果保存起来，
可以通过使用类似C语言中的数组下标对每个分组所匹配的结果进行引用。
下标0=整个表达式，下标1=第一个分组，依次类推。

表达式；1([a-z])([A-Z])
匹配结果为：1aA
分组0 = “1aA”
分组1 = “a”
分组2 = “A”

//反向引用
用于重复搜索前面某个分组匹配的文本，可以使用"\n"对表达式中的某一个分组值进行引用，n = 正整数。
表达式：1([a-z])([A-Z])\1 //使用"\1"对第一个分组结果进行引用
匹配结果为：1aAa           //结尾的'a'来自于对分组1结果的引用

//分组命名
可以给某一个分组指定一个分组名称，语法 = "(?<name>[0-9])" 或 "(?'name'[0-9])"。
当反向引用这个分组内容时可以使用"\k<name>"进行引用(“name”可以是任意名称)
表达式：(?<name>[0-9])([a-z])\k<name>\1    //指定第一个"[0-9]"的分组名称为“name”
匹配结果为：1a1a                            //使用分组名称和下标对分组结果进行引用

//其它分组语法
以下语法不会保存分组匹配到的结果，也不会指定分组下标，所以不能用于反向引用

(?:exp)
匹配exp,不捕获匹配的文本，也不给此分组分配组号下标（无法使用\n对该分组进行引用）

(?=exp)
匹配exp前面的位置，例如："[0-9]+(?=a)" 能匹配字符串 "123a456" 前面的"123"

(?<=exp)
匹配exp后面的位置，例如："(?<=a)[0-9]+" 能匹配字符串 "123a456" 后面的"456"

(?!exp)
匹配后面跟的不是exp的位置，例如："[0-9]{3}(?!a)" 能匹配字符串 "123a456b" 后面的"456"

(?<!exp)
匹配前面不是exp的位置，例如："((?<!a)[0-9]{3}" 能匹配字符串 "a123b456" 后面的"456"

总结

正则表达式属于字典类型的知识，很少有人能完全记住语法灵活使用，只要记住几个功能分类，使用的时候多查多用就可以了。

参考

https://www.runoob.com/regexp/regexp-syntax.html
https://deerchao.cn/tutorials/regex/regex.htm#grouping