正则表达式

参考：http://d0m021ng.github.io/2016/05/05/Linux/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E5%BF%85%E7%9F%A5%E5%BF%85%E4%BC%9A/

 

最近花了一点时间看完《正则表达式必知必会》，记录下学习的知识点。正则表达式主要是用于处理文本，用于搜索和替换。

0x01. 匹配单个字符

（1） 匹配纯文本

1 2 3 4

#文本 Hello, my name is Ben. Please visit my website at http://www.forta.com #正则表达式 Ben

 

（2）匹配任意字符 ( 使用元字符. )
（3）匹配特殊字符 (使用转义字符\ 转义元字符)

0x02. 匹配一组字符

（1）匹配多个字符中的某一个 ( 使用元字符[和]，如[ns])
（2）利用字符集合区间 (使用元字符- ，如：[A-Za-z0-9] )
（3）取非匹配 ( 使用元字符^，如：[^0-9])

0x03. 使用元字符

(1) 对特殊字符进行转义 (使用转义字符)
(2) 匹配空白字符

1 2 3 4 5 6 7 8

| 元字符 | 说明 | | ------- | :-------: | | [\b] | 回退（并删除）一个字符（Backspace键）| | \f | 换页符| | \n | 换行符| | \r | 回车符| | \t | 制表符（Tab键）| | \v | 垂直制表符|

 

(3) 匹配特定的字符类别
1）匹配数字（与非数字）

1 2	\d 匹配任何一个数字字符（等价于[0-9]） \D 匹配任何一个非数字字符（等价于[^0-9]）

 

2）匹配字母和数字（与非字母和数字）

1 2	\w 匹配任何一个字母数字字符（大小写均可）或下划线（等价于[a-zA-Z0-9_]） \W 匹配任何一个非字母数字或下划线字符（等价于[^a-zA-Z0-9_]）

 

3）匹配空白字符（与非空白字符）

1 2	\s 匹配任何一个空白字符（等价于[\f\n\r\t\v]） \S 匹配任何一个非空白字符（等价于[^\f\n\r\t\v]）

 

(4) 使用POSIX字符类
POSIX字符类是许多（但不是所有）正则表达式实现都支持的一种简写形式。

0x04. 重复匹配

1. 有多个匹配

   1)  匹配一个或多个字符（使用元字符 ``+``）
   2）匹配零个或多个字符（使用元字符  ``*``）
   3）匹配零个或一个字符（使用元字符  ``?``）
   

2. 匹配的重复次数

   1) 为重复匹配次数设定一个精确的值（如：``{3}``）
   2) 为重复匹配次数设定一个区间（如：``{3-9}``）
   3) 匹配“至少重复多少次”（如：``{3, }``）
   

3. 防止过度匹配
   在进行模式匹配的时候会出现一种过度匹配的现象：在文本中匹配<[Bb]>.*</[Bb]>时，会匹配第一个或到最后一个或之间的所有字符。原因：*和+都是所谓的“贪婪型”元字符，它们在进行匹配时的 行为模式是多多益善而不是适可而止。

解决的方法：使用元字符的”懒惰型”版本，即在元字符后面加一个?后缀。

1 2 3 4

贪婪型元字符 懒惰型元字符 * *? + +? {n, } (n, )?

 

0x05. 位置匹配

(1) 单词边界 （使用元字符 \b表示，如：\bcat\b）

1 2 3 4 5 6

#文本 The caption wore his cap and cape proudly as he sat listening to the recap of how his crew saved the men from a capsized vessel. #正则表达式 匹配结果 \bcap\b cap \bcap captain cap cape capsized cap\b cap recap

 

(2) 字符串边界（使用元字符^和$分别表示字符串的首和尾）

1 2 3 4 5 6 7

#文本 <?xml version="1.0" encoding="UTF-8" ?> <wsdl:definitions targerNamespace="http://tips.cf" xmlns:impl="http://tips/cf" xmlns:intf="http://tips.cf" xmlns:apachesoap="http://xml.apache.org/xml.soap" #正则表达式 ^\s*<\?xml.*\?> 匹配第一行

 

0x06. 使用子表达式

(1) 子表达式 (使用元字符(和)包含表达式)
(2) 子表达式的嵌套

0x07. 回溯引用：前后一致匹配

(1) 回溯引用匹配

1 2 3

#正则表达式 [ ]+(\w+)[ ]+\1 <[hH](1-6)>.*?</[hH]\1> #.*?表示懒惰型.*匹配

 

(2) 回溯引用在替换操作中的应用

1 2 3 4

#正则表达式 (\w+[\w\.]*@[\w\.]+\.\w+) #替换 <A HREF="mailto:$1">$1</A>

 

0x08. 前后查找

(1) 向前查找（以 ?= 开头的子表达式）

1 2 3 4 5 6

#文本 http://www.forta.com/ https://mail/forta.com/ ftp://ftp.forta.com/ #正则表达式 结果 .*(?=:) http https ftp #?=表示：只要找到：就行了，不要把它包括在最终的匹配结果里。

 

(2) 向后查找（以 ?<= 开头的子表达式）

1 2 3 4 5 6 7 8

#文本 ABC01: $23.45 HGG42: $5.31 CFMX1: $899.00 XTC99: $69.96 Total items found: 4 # 正则表达式 结果 (?<=\$)[0-9.]+ 23.45 5.31 899.00 69.96

 

(3) 对前后查找取非
负向前查找将向前查找不与给定模式匹配的文本，负向后查找将向后查找不与给定模式匹配的文本。

1 2 3 4 5 6 7 8 9 10 11 12

操作符 说明 (?=) 正向前查找 (?!) 负向前查找 (?<=) 正向后查找 (?<!) 负向后查找 #文本 I paid $30 for 100 apples, 50 oranges, and 60 pears. I saved $5 on this order. #正则表达式 (?<=\$)\d+ #向后查找价格 \b(?<!\$)\d+\b #只查找数量

 

0x09. 嵌入条件

正则表达式里的条件要用?定义。
?匹配前一个字符或表达式，如果它存在的话。
?=和?<=匹配前面或后面的文本，如果它存在的话。
嵌入条件语法也使用了?，嵌入条件的两种情况：1) 根据一个回溯引用来进行条件处理；2）根据一个前后查找来进行条件处理。
（1）回溯引用条件
定义这种条件的语法是：(?(backreference)true-regex|false-regex) ；也可以只用前面的true-regex;

1 2 3 4 5 6 7 8 9 10 11 12

#文本 123-456-7890 (123)456-7890 (123)-456-7890 (123-456-7890 1234567890 123 456 7890 #正则表达式 匹配美式电话号码 (\()?\d{3}(?(1)\)|-)\d{3}-\d{4}) #结果 123-456-7890 (123)456-7890

 

（2）前后查找条件
定义这种条件的语法类似上面，只需把回溯引用替换为一个完整的前后查找表达式就行了。

1 2 3 4 5 6 7 8 9 10 11 12 13

#文本 美国的邮政编码两种格式：12345形式的ZIP格式;12345-6789形式的ZIP+4格式 11111 22222 33333 44444- 55555-5555 #正则表达式 \d{5}(?(?=-)-\d{4}) #匹配美式邮编 #结果 11111 22222 33333 55555-5555