《正则表达式必知必会》读书笔记

引用书中的一段话：“写一个能够匹配预期内容的正则表达式并不难，但写一个能够考虑到所有场景，确保将不需要匹配的内容排除在外的正则表达式可就难多了”

所以~不能随便在网上找个正则用，因为有些黑客就是用正则来实现其不为人知的目的滴。

废话很多，进入正题吧：

1. “/g” 匹配所有；绝大多数正则表达式引擎的默认行为是只返回第一个匹配结果

2. “/i” 不区分字母大小写；正则表达式是区分字母大小写的

3. “[]” 定义一个字符合集；eg：[abc] 表示abc的合集

4. “-” 定义字符区间（元字符）；ed:[0-9] 表示0123456789的合集

　　注意：“-”只有出现在“[]”里才是元字符（后面6会解释什么是元字符），其他地方是普通字符，不需要被转义

5. “^” 排除某个字符集合；eg:[^0-9] 表示排除0123456789

　　注意：“^”使用时位置在“[]”里的最前面，所用于[]里的所有字符

6. 元字符是一些在正则表达式里有着特殊含义的字符。如果需要匹配元字符本身，需要用“\”转义。后面会介绍到很多元字符

7. “\” 表示转义（元字符）；

　　注意：要匹配“\”本身：“\\”

8. “.” 匹配任何一个单字符（元字符）

9. “\d” 匹配任何一个数字；相当于：[0-9]

     “\D” 匹配任何一个非数字；相当于：[^0-9]

10. “\w” 匹配任何一个数字、字母、下划线；相当于：[a-zA-Z0-9_]

     “\W” 匹配任何一个非 数字、字母、下划线；相当于：[^a-zA-Z0-9_]

11. 匹配空白字符

　　
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

 

 

 

 

 

 引：“\r\n” 匹配一个回车+换行 组合；

　　windows系统的文本行结束标记用“\r\n”表示

　　而Unix/Linux以及Mac OSX系统的 文本行结束标记用“\n”表示即可

　　故：匹配两条记录之间的空白行：“[\r]?\n[\r]?\n”  （“?”是元字符，后面15会解释“?”的特殊含义） 

12. “\s” 匹配任何一个空白字符；相当于：[\f\n\r\t\v]

     “\S” 匹配任何一个非 空白字符；相当于：[^\f\n\r\t\v]

　　注意：用来匹配退格字符的“\b”不在“\s”的覆盖范围内，“\S”也没有将其排除

13. “+” 匹配一次或多次（元字符）

　　注意：“.”和“+”元字符在[]里时可以不转义，但是转义也没有问题

14. “*”匹配0次或多次 （元字符）

15. “?”匹配0次或1次 （元字符）

16. “{数字}”匹配具体的次数（“{”和“}”都是元字符） eg：{3} 匹配3次

　　“{数字，数字}”表示匹配区间 eg：{2,4} 最少匹配2次，最多匹配4次

　　“{数字，}”表示至少匹配次数 eg：{3,} 至少匹配3次

17. “+”、“*”、“{数字，}”都是贪婪型，（从文本开头匹配到文本末尾，尽可能多的匹配）

　　eg：一个字符串是“000<b>123</b><b>456</b>789”;正则写匹配<b>开头</b>结尾；

　　贪婪型 从文本开头匹配到文本末尾 会匹配出“<b>123</b><b>456</b>”

　　如果需求想要匹配出 “<b>123</b>” 和 “<b>456</b>”，就需要用到懒惰型（碰到第一个匹配的就停止，尽可能少的匹配）

　　“+”的懒惰型是：“+?”

　　“*”的懒惰型是：“*?”

　　“{n,}”的懒惰型是：“{n,}?”：

18. “\b” 匹配单词边界（匹配的是一个位置）；eg：str= "the cat is scattered" 想要匹配 “cat” 正则用 “\bcat\b” 就可以匹配出来，而“scattered” 就不会被匹配到

     “\B” 匹配一个不是单词边界的位置；

19. 匹配字符串边界： “^”代表字符串开头，“$”代表字符串结尾

　　注意：“^”在 “[]” 里面，并且在最前面时，表示排除某个字符合集（参考5）

　　　　    “^”在 “[]” 外面，并且位于模式开头时，代表字符串的开头。

20. “()”表示子表达式，被包裹在“()”里的，被视为单一的实体。（“(”和“)”都是元字符）

21. “|” 或操作符；eg：“19|20” 匹配19或20

22. 反向引用 “\”

　　“\1” 匹配模式中所使用的第一个子表达式

　　“\2” 匹配模式中所使用的第二个子表达式

　　......以此类推

　　注意：反向引用只能用来引用()里的子表达式

　　　　  “\0”代表整个正则表达式

eg： 从这段文本中，找出连续重复出现的单词 

　　str= "he is a dog dog,she is is a cat cat"

　　正则：[ ]+(\w+)[]+\1

　　解析：“[ ]+” 匹配一个或多个空格，“(\w+)”这是一个子表达式，匹配一个或多个字母，数字或下划线， “[ ]+”匹配单词结尾的空格，“\1”匹配第一个子表达式，也就是“(\w+)”

　　结果： 匹配出 “dog dog”； “is is”；  “cat cat”

23. 替换操作，用“$” 代替“\” 标识反向引用

eg：文本是：123-55-0001

　　　　　　 456-55-9999

　　　　　　 789-55-8880

　　正则：(\d{3})(-)(\d{2})(-)(\d{4})　　

　　替换：($1) $3-$5

　　结果：(123) 55-0001

　　　　　(456) 55-9999

　　　　　(789) 55-8880

24. 大小写转换

元字符 说明
\E 结束\L或\U转换
\l

把下一个字符转换为小写
\L 把\L到\E之间的字符全部转换为小写
\u 把下一个字符转换为大写
\U 把\U到\E之间的字符全部转换为大写

 

 

 

 

 

 

 

25. 环视 （这个基本上用不到，简单了解即可）

　　向前查看： “?=”；向后查看 “?<=”

　　否定式向前查看： “?!”；否定式向后查看 “?<!”