正则表达式学习
正则表达式学习
正则表达式学习
Table of Contents
1 简述
正则表达式就是regular expression，简写是regex或者regexp。
正则表达式就是用一组特定字符串来描述一段文本规律，用来查找文本用的，对我来说的话就是在编辑器里面用用。
2 预热
正则表达式历史悠久，版本众多。细看之下，Vim和Emacs的正则表达式还各有不同的，跟网上找的文档里面也不一样。
2.1 推测
regex是使用字符串对文本内容实现查找，这里可以推测一个regex的最小实现就是：输入源文本和regex字符串，输出匹配regex的文本位置。
regex可以实现强大的搜索功能，细想之下，在这个基础上可以实现的功能真是太多了。源代码解析编译肯定是会用到的,比如判定一个变量定义，判定一个赋值语句等，这些内容都需要以regex为基础来实现。还有就是智能编辑器里面，要实现语法高亮，也就是保留关键字、常量、字符串、注释这些需要有不同的字体颜色，这个也是明显需要用到regex的。
2.2 特殊字符
首先就是'\'——反斜杠(back-slash)，这个是regex里面的转义符，后面跟其他特定的一些字符会产生匹配符，用来匹配特定的字符。
还有其他的特殊字符，叫做元字符(metacharacter)，有
^ . [ ] $ { } * ( ) + | ? < >
这么多，这些在regex里面是本来就有特殊含义的。但是文本里面本来可能是有这些字符的，要匹配这些字符的话就需要在这些元字符前面加上转义符'\'。就像"\+"是在文本里面查找'+'。
3 匹配规则不完全小总结
不是都总结的到，都是一些最最基本的东西。
3.1 匹配预定义的字符
一些regex已经预定义好的一些匹配字符规则：
| item | notes |
|---|---|
| . | 小数点，匹配除换行符以外的任意字符，有点通配符的意思 |
| \w | w代表word，匹配字母或者数字或者下划线或者汉字,其实就是一个word的基本组成啦 |
| \s | s代表space，匹配空白符，就是空格、tab、换行符这些 |
| \d | d代表digit，匹配数字 |
3.2 转义符'\'
有两个用途：
- 加在特定字符前产生匹配符；
- 加在元字符前用来匹配文本中的符号。
3.3 匹配自定义的字符集合
要匹配自己定义的字符集合的话要就是用"[]"中括号里面加上字符集合来实现，比如要匹配元音字母可以用"[aeiou]"这样来。
"[]"的特殊的地方是大多数元字符在里面是失效的，例外的情况是"\ : ^ -"这四个，'\'还是表示转义，'-'表示范围。"[a-z0-9A-Z]"就是表示英文大小写和数字的集合。
3.4 反义
就是跟匹配规则相反的匹配，有两种情况：
- 大写：
- \W 跟\w相对，匹配非字母、数字、下划线和汉字；
- \S 跟\s相对，匹配非空白字符；
- \D 跟\d相对，匹配非数字字符。
- "[]"+"^"–>"[^…]"实现对集合"…"的反义。
3.5 匹配次数限定符
指的是对之前的匹配表达式的匹配次数的限定。
| item | notes |
|---|---|
| {m,n} | 重复匹配m至n次，这里显然m<n，这是最基本的 |
| {n} | 重复n次，相当于{n,n} |
| {m,} | 重复至少m次，相当于{m,+∞} |
| ? | 重复0或1次，相当与{0,1} |
| + | 重复至少1次，相当于{1,+∞} |
| * | 重复任意次，相当于{0,+∞} |
3.6 位置匹配符
只匹配位置，不匹配字符的匹配符。
| tiem | notes |
|---|---|
| \b | 匹配一个字符串的开始或结尾 |
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的结尾 |
于是一个字符串可以按这个精确的定义为："^\w+\)"。
4 未完
regex是很复杂的，不同的环境对regex的支持不一样，还有很多高级的特性没有学习到。
而这里总结的这些是最基础的，使用频率很高，也是被广泛支持的。
饭要一口一口吃，先这样吧。
