正则表达式学习笔记

前言

很久以前就开始使用正则表达式，一直浅尝则止，知其然不知其所以然，前几天，在重构同事代码中的正则表达式时，遇到拦路虎，花了一个星期的业余时间，终于将正则表达式使用完全掌握，是为记

 

目录

一. 正则表达式是一个DSL

二. 正则表达式引擎

三. 语言元素

四. 参考

 

一. 正则表达式，事实上就是一个编程语言 (文本匹配DSL)

学习正则表达式，一定要把正则表达式作为一种编程语言，一种领域特点语言，在正则表达式引擎解释下执行，具有常规语言的流程结构，如下：

顺序：默认

分支：[]  |

循环：+ ? * {m,n}

封装：(子表达式)

 

二. 正则表达式引擎

DFA：从字符串中一个个取元素比较正则表达式

NFA：从正则表达式中取元素检查字符串

     采用贪婪算法（尽量多匹配），性能可能稍差但支持更多功能如下：

捕获组、反向引用和$number引用方式；

　　 环视(Lookaround，(?<=…)、(?<!…)、(?=…)、(?!…))，或者有的有文章叫做预搜索；

　　 忽略优化量词（??、*?、+?、{m,n}?、{m,}?），或者有的文章叫做非贪婪模式；

　　 占有优先量词（?+、*+、++、{m,n}+、{m,}+，目前仅Java和PCRE支持），固化分组(?>…)。

 

三. 语言元素

1. 占有字符和零宽度

占有字符：匹配并且将前移匹配点，如：

 [0-9a-zA-Z]

\n

.\w\d

 

零宽度：匹配但不前移匹配点，如：

^$\b            

(?=…)、正向肯定零宽断言

(?!…)、正向否定

(?<=…)、反向肯定

(?<!…)、反向否定

例如：

(?<=<(\w+)>).*(?=<\/ \1>)

匹配不包含属性的简单HTML标签内里的内容（注意\/是反斜线+斜线）

 

2. 子表达式

捕获并保存结果，用于后续使用

(exp) 子表达式, 同时进行捕获，如果不匹配使用前述零宽断言，如果不捕获使用(?:Exp)

\n前向引用子表达式, 如果捕获使用(\n)，

(?<name>Exp)  命名子表达式

(?<name>)    前向引用明名子表达式

 

性能优化：(?>exp)  非回溯 或 贪婪匹配，如贪婪匹配不成功不尝试其他分支。

 

3. 或

(exp1|exp2|exp3) 

 

4. 匹配次数限定符

*: 匹配零次或多次   

+: 一次或多次

?：零次或一次

{n}: 精确匹配n次

{m,n}: 匹配次数在m到n之间

{n,}：匹配次数大于n

惰性匹配：在后面加?, 优先匹配次数少的， 如*?, +?, ??, {n,m}?, {n,}?

 

5. 优先级

正则表达式的计算方式与算术表达式非常类似；即从左到右进行计算，并遵循优先级顺序。

下表按从高到低的顺序包含了正则表达式运算符的优先级顺序。

运算符	说明
\	转义符
(), (?:), (?=), []	括号和中括号
*、+、?、{n}、{n,}、{n,m}	限定符
^、$、\任何元字符	定位点和序列
|	替换

字符具有高于替换运算符的优先级，例如，允许“m|food”匹配“m”或“food”。

 

 

四. 参考

http://blog.csdn.net/lxcnn 雁过无痕的博客

msdn正则表达式