正则表达式之快速入门篇
前言
此篇随笔，参考了鼎鼎大名的《正则表达式30分钟入门》，原帖地址：http://deerchao.net/tutorials/regex/regex.htm
建议初学者可以玩玩正则表达式图解网站和表达式测试网站，可以更加直观的了解自己书写的正则表达式结构和作用。他们分别是
- 图解网站 https://regexper.com/
- 测试网站 http://tool.oschina.net/regex/# 当然这样的网站有很多，随便找一个就好。
如果您使用的是C#编程语言，那么可以参考的官方实例，便于您更好地去应用。
正文
此篇随笔的作用目的，简化教程。
第一节：
首先提问，正则表达式是用来干嘛的？
正则表达式是用来规定字符串形式的。所以正则表达式是一种规则。
比如 a 就是一个正则表达式，代表所有的 a 字符， ab 就代表所有的 ab 两个字母顺序组成的字符串。
点号.代表通配符（意思是随便某个字符）。星号*代表任意数量（大于等于0个）的*前面的元素。^代表字符串开头，$代表字符串结尾；
比如如果你想规定字符串是以A起始，Z结束的。那么就可以这么写正则表达式 A.*Z
这句正则表达式可以这么阅读：
A：就是规定这个字符串起始以一个大写的A作为开头。后面接着 一个 “ . ” 一个点号：代表A字符后面是任意字符。然后“.”后面又接着*代表前面的 . 通配符可以重复无数次。重复无数次之后，接着的是Z，说明字符串需要在Z之后结束。然后或许你可以去图解网站或者说测试网站，去看看他们的实际效果，是不是和我一样。
图解网站对于它的结构分析
如果以后遇到正则表达式，你可以试试自己心中所想的结构，心中所想的效果，是否与实际结构，实际效果相匹配。
第二节：
既然 . 和 * 分别代表不同的东西，那么我要规定的字符串里面有 . 和 * 怎么办？
就像很多编程语言一样，正则表达式也需要使用 \* 这种形式来表示 * 本意。 他的形式是在符号前，加上一个 \ 来表示这个符号的本身。需要转义的字符有很多，你可以去google一下都有哪些。我可以给出几个常见的，如同：\ / . * 你可以就扫两眼，知道有这么个特殊的存在就行了。当然， 如果你想使用 \ 的字符含义，可以使用 \\ 来表示一个 \ 。
当然 \ 后面也可以接字母，表示更多的含义，比如 \d 表示数字，即0~9。 \w 表示任意大小写字母或者下划线或者汉字， \s 表示一个空格。
现在如果你想在一段文字里面，匹配出所有的https://www.cnblogs.com/那应该怎么写呢？
答案是 https:\/\/www\.cnblogs\.com\/ 简直没难度好吗？就是需要注意 . 点号和 / 斜线需要转义。
像上面的正则表达式中的连续3个 w 可以使用 w{3} 表示，代表连续的3个 w ，这样正则表达式变成了这样：https:\/\/w{3}\.cnblogs\.com\/
那么，我们要引入一个新的概念 ：“重复” 。比如之前接触过的 * ；它代表 * 之前的，能够重复0或者无数次。
还有{m,n}表示重复次数从m次到n次。{n} 表示重复n次；{n , }表示至少重复n次。除了这些以外还有 + 表示至少重复1次， ? 表示最多只能有1次，即可以有，可以没有。
第三节：
在进行第三节的开始，首先要问一个问题：如果想要匹配到所有的IP地址，那我应该怎么写呢？
也就是，一个形如 0~255.0~255.0~255.0~255 的字符串，他是0~255中的四个数字，中间以 . 隔开。如果要匹配这样的字符串，正则表达式要怎么写呢？
如果要匹配这样的字符串，我们就得引入新的概念，那就是：“分枝”和 “范围” ；
首先我们来看范围，他的形式是这样的：中括号，内部是一个字符集合，如[0-9]，这是指一个0~9之间的一个数字，相同的[a-z]指小写的a到z的26个字符，[A-Z]表示大写的A到Z；他们也可以拼起来。像[0-9a-zA-Z]就表示数字，小写字母或者大写字母。补充一点，在方括号里面加入 ^ 可以表示否定，即[^2345]表示除了 2，3，4，5 以外的任意字符都满足。另外[0-9]只能表示一位，如果你想表示0~255，[0-2][0-5][0-5]或者[0-2][0-9][0-9]好像可行，但是都对范围进行了错误的表达。
这时候，我们就要用到"分枝"了。分枝就是 或条件“ | ”。就像我想表示0~3 或者 6~8 那我可以这么写：[0-36-8]，也可以这么写：([0-3])|([6-8])代表，前面括号的内容，或者是后面括号的内容。
现在 [0-36-8] 和 ([0-3])|([6-8]) 效果一样，是因为位数都是一位。如果要表示0~255，只是一个单位的范围是解决不了的。要分250~255、200~249和000~199三种情况。分别是
- 25[0-5]
- 2[0-4]\d ( \d 前面提到过，表示0-9的数字，与[0-9]完全等价 )
- [0-1]?\d?\d
再使用分枝的形式合并：(25[0-5])|(2[0-4]\d)|([0-1]?\d?\d) 这就是表示0~255的一个正则表达式；它的结构如图所示：
(25[0-5])|(2[0-4]\d)|([0-1]?\d?\d) 的结构
在匹配IP地址的时候，这个结构需要使用4次，中间分别用 . 隔开，你可以在 (25[0-5])|(2[0-4]\d)|([0-1]?\d?\d) 之后接上 \. 一个点号，再使用 {3}，用到我们第二节学到的重复结构。变成这样：
((25[0-5])|(2[0-4]\d)|([0-1]?\d?\d)\.){3}((25[0-5])|(2[0-4]\d)|([0-1]?\d?\d))
这就是匹配IP地址的正则表达式，那么，它的结构是什么样的呢？实际效果如何呢？你可以动手试一试！
第四节：
好了，第四节是最后一节，让我们来挑战有点难度的东西。
就比如说下面这样一段字符串：BSABCMSTDMSSBAABSDFSMSTABCW
我们称连续3个字母的为一组，现在我们要找出这段字符串中从某一组起始，然后以相同组结尾的字符串。该怎么写正则表达式呢？
也许你心中已经有了想法，可能你是这么写的 \w{3}\w*\w{3}
很好理解嘛，三个字母起始三个字母结束。但是这样匹配到的是全部的字符串，因为“ 起始组和结尾组是相同的 ”这个要求没有体现。
如果有某种方法，能够让后面能够调用到前面匹配到的东西就好了。没错，这就要引出一个新概念，“ 后向应用 ”；
后向应用其实很简单，正则表达式中的括号和括号内的内容被视为一个分组，这个分组可以被引用。这些分组命名是从1开始递增的。
就像上面的问题的答案一样，(\w{3})\w*\1 这个正则表达式中第一个括号，代表1号分组，后续可以使用 \1 表示调用第1分组的相同内容。
有些才思敏捷的小可爱早已经发现，在正则表达式的图解网站，就有分组的标识。
好了，如果你已经掌握了后向应用的内容，那么我们来点刺激的实践吧。你看 [\u4e00-\u9fa5] 代表的是汉字字符，中国有一篇古文叫 《千字文》。闲来无事，你可以去找找无标点版本的千字文，看看千字文有没有重复的汉字。
好了，关于这一节，还有一个小知识点，按惯例，还是抛出一个问题：如果我想匹配一个以 abc 结尾的字符串，但是我不要abc这三个结尾字符，我该怎么写？
你应该知道到在正则表达式后面接 abc 表示的就是 abc 结尾的字符串。问题是，我只是想设置不以a开头的条件，并不想要其他的字符。
因此我们要加入新的知识点：断言。
断言：断言是一种特殊的分组，他有四种基本形式。比如
(?=abc) 表示匹配的字符串必须以abc结尾，但是不要abc这个尾巴。
(?<=abc) 表示匹配的字符串必须以abc开头，但是不要abc这个开头。
(?!abc) 表示匹配的字符串只要不以abc结尾都行
(?<!abc) 表示匹配的字符串只要不以abc开头都行
他们都不占字符串，被称为 “零宽断言”
(?=abc) 这种形式的专业说法称为 “零宽度正预测先行断言”。专业名称没必要记，感兴趣可以去了解一下。
当然，括号内的abc可以是任何 正则表达式。
补充：贪婪和懒惰
因为贪婪和懒惰用也挺多，特来补充一点点知识：
正则表达式在匹配字符串时，默认是贪婪的，意思是，尽可能多的把全部相匹配的东西列举出来。
如果你需要更短，更少的字符串，需要在限制符号后面加上 ? 表示尽可能短的匹配。
最近发现懒惰在某些环境下不被支持了（例如上面我给出的测试网站），但是又不会报错，期待您的评论与我探讨各种特定的情况。
如果在正则表达式中需要使用 ( 括号作为符号使用，那么需要将括号放在中括号中 [(] [)]
若有任何言语不当或者错误的地方，欢迎批评指正。感谢您的阅读。
