正则表达式
正则表达式
Tags ： 正则
引言
字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取@前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。
所以我们判断一个字符串是否是合法的Email的方法是：
-
创建一个匹配Email的正则表达式；
-
用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。
精确匹配
在正则表达式中，如果直接给出字符，就是精确匹配。所以：
\d可以匹配一个数字\w可以匹配一个字母或数字\s可以匹配一个空格（也包括Tab等空白符）.可以匹配一个任意字符\-可以匹配'-'这个特殊字符（同《》,.<>?/;这些字符用'\'转义来匹配）
示例：
-
'00\d'可以匹配'007'，但无法匹配'00A'； -
'\d\d\d'可以匹配'010'； -
'\w\w\d'可以匹配'py3'；
.可以匹配任意字符，所以：
'py.'可以匹配'pyc'、'pyo'、'py!'等等。
范围匹配
*表示任意个字符（包括0个）+表示至少一个字符?表示0个或1个字符{n}表示n个字符{n,m}表示n-m个字符[]表示范围（0-9、a-z、A-Z、\_）^xxx 表示以xxx为开头- xxx
$表示以xxx为结尾 p|P表示phone和Phone匹配()表示分组
来看一个复杂的例子：\d{3}\s+\d{3,8}。
我们来从左到右解读一下：
\d{3}表示匹配3个数字，例如'010'；
\s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配' '，' '等；
\d{3,8}表示3-8个数字，例如'1234567'。
综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。
但是，仍然无法匹配'010 - 12345'，因为带有空格。所以我们需要更复杂的匹配方式。
用[]表示范围，比如：
[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；
[0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如'a100'，'0_Z'，'Py3000'等等；
[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。
A|B可以匹配A或B，所以(P|p)ython可以匹配'Python'或者'python'。
^表示行的开头，^\d表示必须以数字开头。
$表示行的结束，\d$表示必须以数字结束。
你可能注意到了，py也可以匹配'python'，但是加上^py$就变成了整行匹配，就只能匹配'py'了。
正则
- 以@Column开头的行
@Column.*$
- 去除空行
^\s*\n - 去除注释/**/
/\*{1,2}[\s\S]*?\*/ - 去除注释//
//.*$ - 全角字符
[^\x00-\xff][\uFE30-\uFFA0] - 半角字符
[\x00-\xff]
速查
a|b 匹配 a 或 b
gr(a|e)y 匹配 gray 或 grey
. 匹配任一字符
[abc] 匹配任一字符: a 或 b 或 c
[^abc] 匹配任一字符, 但不包括 a, b, c
[a-z] 匹配从 a 到 z 之间的任一字符
[a-zA-Z] 匹配从 a 到 z, 及从 A 到 Z 之间的任一字符
^ 匹配文件名的头部
$ 匹配文件名的尾部
( ) 匹配标记的子表达式
\n 匹配第 nth 个标记的子表达式, nth 代表 1 到 9
\b 匹配字词边界
* 匹配前一项内容 0 或多次
? 匹配前一项内容 0 或 1 次
+ 匹配前一项内容 1 或多次
*? 匹配前一项内容 0 或多次 (懒人模式)
+? 匹配前一项内容 1 或多次 (懒人模式)
{x} 匹配前一项内容 x 次
{x,} 匹配前一项内容 x 或多次
{x,y} 匹配前一项内容次数介于 x 和 y 之间
\ 特殊转义字符
