正则表达式

正则表达式网站教程：https://www.runoob.com/regexp/regexp-metachar.html

学习视频：https://www.bilibili.com/video/BV1mt4y1o7Rh/?spm_id_from=333.788&vd_source=432ba293ecfc949a4174ab91ccc526d6

正则表达式介绍：

正则表达式是一种用于匹配和操作文本的工具

常用于文本查找、文本替换、文本格式检验等场景

正则表达式不仅写代码会使用，常见的文本编辑软件（如notepad++）也支持正则表达式搜索或者替换的

 

正则表达式实质上是一段文本，或者说是一条字符串

1、检验字符串是否符合邮箱格式

正则表达式：^[\w\.\-\+]+@[\w\.-]+\.\w+$

校验字符串（通过）：test1-pass@163.com

检验字符串（不通过）：test1-pass@.com

 

2、匹配文本中所有字母a开头的单词

正则表达式：\b[aA]\w*\b

匹配文本：Apple is a fruit, and it starts with an A

 

日常办公开发中，正则表达式可用于字符串或者文本的查找、替换、格式校验

在notpad++查找所有包含a的字符

 

正则表达式的优缺点：

优点：功能强大，有效缩减代码量，提高维护性

缺点：性能较慢，每次执行程序都需要重新解析正则表达式

 

 

正则表达式常用语法：

下面为最为通用的正则表达式标准

正则表达式的匹配行为是由元字符决定的：

1、普通字符：明确的关键字

普通字符可理解为明确的关键字，主要包括文字字符、符号

-文字字符指的是英文字母、数字、中文这些字符

-符号指的是@、%、_这些符号字符

 

文字字符在正则表达式中直接写就可以了：

例如：匹配文本中的get：I need to get a new boot

 

在正则表达式中一部分符号需要转义：

需要转义的特殊符号：

需要转义的符号字符	需要转义的符号字符
.	*
\	+
[	?
]	{
(	}
)	|
^	$

例如：匹配文本中的get*：

正则表达式：get\*

匹配文本：I need to get* a new book

 

还有一些不太常用的字符，如非打印字符、unicode编码值等

非打印字符	说明	其他字符	说明
\n	换行符	\x00	16进制转义值，2位16进制数，如\x20表示空格
\r	回车符	\000	8进制转义值，3位8进制数，如\040表示空格
\f	换页符	\u0000	unicode编码值，4位16进制数，如\u0000表示空格
\t	制表符
\v	垂直制表符

 

 

2、字符集合：关键字的取值范围

2.1 单个关键字的值的范围，包含在一对[]中间

-如[eo]表示匹配a或e

如下在view命令行匹配：

字符集合适合明确某个字符的范围的模糊匹配，则这多个关键字中只有个别字符存在差异的情况

字符集合是单个关键字的值的范围，若差异不仅仅在一个字符上，则不适合采用字符集合

示例：匹配文本中的get和goat

正则表达式语法：g(e|oa)t

字符集合可以简化连续值的范围，使用-符号

如[a-d]等价于[abcd]

如[a-dz]等价于[abcdz]

如[_\-]字符集合中匹配-需要转义

示例：g[a-c]t

 

2.2 设置字符集合位排除在外的值范围，使用^符号，脱子符号

如[^a-b]等价于除去a、b、c、d以外的字符都可以

如[^@\+]等价于除去@、+以外的字符都可以

示例：g[^o]t

 

 

3、限定符：给前一个字符追加出现次数范围

3.1 给前一个字符追加出现次数的范围

常用的限定符位*、+、?

*表示匹配零次或多次

示例：匹配文本中的god、good、gooood的单词

正则表达式：go+d

 

3.2 使用{}标注具体次数

{3}表示出现3次

{3,}表示出现3次或以上

{3,6}表示出现3-6次

如：go{2,3}d

 

3.3 模糊搜索

限定符前面位模糊搜索时，会发生贪婪匹配的问题

正则表达式（贪婪匹配）：g[a-z]+d，贪婪匹配会匹配到gadxxgod

正则表达式（非贪婪匹配）：g[a-z]+?d，非贪婪匹配不会匹配到gadxxgod

 

 

4、定位符：标记匹配位置的元字符

标记匹配位置的元字符

定位符只有四个：

^表示字符串开始的位置

$表示字符串结束的位置

\b表示单词边界，字符与空格间的位置

\B表示非单词边界

示例：正则表达式：^1[0-9]{10}$，用来匹配手机号码

 

5、子表达式：内嵌的子正则表达式

子表达式 内嵌的子正则表达式，包含在一对()中

子表达式与正则表达式语法相同，且允许子表达式内再嵌套子表达式

示例：g(e|oa)t

 

5.1 子表达式可看成一个整体

如：(got)+，则可匹配文本gotgot

 

5.2 子表达式用|分割多个子表达式

 

5.3 匹配文本

如([a-z])\1([a-z])\2，()表示子表达式，标记一个子匹配内容，[a-z]表示a-z的字符集合，\1表示与第一个子匹配项相同的内容，\2表示与第二个子匹配项相同的内容

 

5.4 预查匹配项

5.4.1 (?=)表示正向肯定预查

放在表达式末尾，如：

ab(?=c)匹配abc，不匹配ab_

 

5.4.2 (?!)表示正向否定预查

放在表达式末尾，如：

ab(?!c)表示不匹配abc，匹配ab

 

5.4.3 (?<=)表示反向否定预查

放在表达式开头，如：

(?<=a)bc表示匹配abc，不匹配_bc

 

5.4.4 (?<!)表示反向否定预查

放在表达式开头，如：

(?<!a)bc表示不匹配abc，匹配_bc

 

 

6、省略符：为了简化正则表达式的元字符

省略符是为了简化正则表达式而存在的元字符，以\开头

正则表达式\d+等效于[0-9]+，\d表示0-9数字的省略符，+表示出现1次或者多次的限定符

常用的省略符如下所示：

省略符	等效	说明
.	[^\n\r]	匹配除换行符之外的任何单个字符
\d	[0-9]	匹配一个数字字符
\D	[^0-9]	匹配一个非数字字符
\s	[\f\n\r\t\c\v]	匹配任何空白字符，包含空格/制表符/换页符等
\S	[^\f\n\r\t\c\v]	匹配任何非空白字符
\w	[A-Za-Z0-9_]	匹配一个字符/数字/下划线字符
\W	[^A-Za-Z0-9_]	匹配一个非字符/数字/下划线字符

 

 

7、修饰符：指定匹配策略

修饰符是指定匹配策略的，不是正则表达式的一部分，如不区分大小写，多行匹配等

修饰符可叠加使用，某些正则表达式代码库可能存在特别的修饰符

常用4种修饰符：

修饰符	说明
i	将匹配设置为不区分大小写，如A和a没有区别
g	查找所有的匹配项
m	多行匹配
s	默认情况下的圆点.是匹配除换行符\n之外的任何字符，加上s修饰后，.中包含换行符\n