正则表达式语法简介

　　参考资料：

　　https://www.runoob.com/regexp/regexp-tutorial.html

　　凌老师课件

　　新学期选修了一门自然语言处理（Natural Language Processing）课，第一周讲了三个内容：正则表达式（Regular Expression）、有限状态自动机（Finite State Automata）和分词（Word Segmentation）。这三个内容里最浅显易懂并且实用的就当属正则表达式了。本篇随笔就想着整理一下学到的东西，目的是让能够看懂RE而不是会写RE（因为根据不同的特定需求需要精心设置模式），这样以后要用到RE的时候就可以点开自己的博客，不必耗费多余的时间成本。废话少说，下面介绍：

　　语法是核心：

　　1. 析取

　　Letters inside square brackets[]

Pattern	Matches
[wW]oodchuck	Woodchuck, woodchuck
[1234567890]	Any digit

　　Ranges[A-Z]

Pattern	Matches
[A-Z]	An upper case letter	Drenched Blossoms
[a-z]	A lower case letter	my beans were impatient
[0-9]	A single digit	Chapter 1:

　　总结：析取的用法和方形中括号密切相关，在方形中括号内输入并列的几个单字符，或者，一个Ranges即范围。代表此处的字符是“或”的意义。

 

　　2. 否定

　　首先要科普一下，键盘上的这个符号“^”的英文名是Carat[ˈkærət]。这个Carat表示否定仅当它是方括号的第一个字符。否定的例子和析取非常像，直接看例子（其中后两个例子是^不表示否定的情况）：

Pattern	Matches
[^A-Z]	Not an upper case letter	Oyfn pripetchik
[^Ss]	Neither 'S' nor 's'	I have no exquisite reason
[e^]	Either e or ^	Look here
a^b	The pattern a carat b	Look up a^b now

　　

　　3. 限定符

　　主要是'?'、'*'、'+'、'.'，为突出本手册的简明性，直接举几个栗子

Pattern	Matches
colou?r	Optional previous char	color colour
oo*h!	0 or more of previous char	oh! ooh! oooh! ooooh!
o+h!	1 or more of previous char	oh! ooh! oooh! ooooh!
baa+		baa baaa baaaa baaaaa
beg.n		begin begun begun beg3n

　　总结：1）？表示前一个字符可有可无

　　2）* 表示前一个字符可以有0个或者多个

　　3）+ 表示前一个字符至少有一个

　　4）. 表示该位置可以用匹配除\n和\r之外的任何字符

 

　　4. 锚号（Anchors）

　　锚号即定位符，能够匹配字符串特定位置的元素。^匹配字符串首，$匹配字符串末。

Pattern	Matches
^[A-Z]	Palo Alto
^[^A-Za-z]	1　　"Hello"
\.$	The end.
.$	The end?  The end!

　　

　　以上四个就是最基本的语法，现在你已经能够理解很大一部分最简单的Pattern了，更多的复杂语法可以在参考资料一的菜鸟教程里查找到，日后有时间也会更新在这里。

　　2020年11月16日更新

　　今天用到了正则表达式的或逻辑。举个栗子：我们想匹配 明天前、明天之前、明天。自然的想法就是：明天肯定要有，后面必须跟上之前或者前，而后面的小尾巴是可有可无的。我们就可以这样来写：

　　明天(之前|前)?

　　这里有两个知识点，（）表示子表达式。|表示或，？号大家都知道啦。