正則表達式-高速入门
1.元字符
表1.经常使用的元字符
| 代码 | 说明 |
|---|---|
| . | 匹配除换行符以外的随意字符 |
| \w | 匹配字母或数字或下划线或汉字 |
| \s | 匹配随意的空白符 |
| \d | 匹配数字 |
| \b | 匹配单词的開始或结束 |
| ^ | 匹配字符串的開始 |
| $ |
匹配字符串的结束
|
注意：“(”和“)”也是元字符
2.转义字符
假设你想查找元字符本身的话。比方你查找.,或者*,就出现了问题：你没办法指定它们。由于它们会被解释成别的意思。
这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.
比如：
deerchao\.net 匹配 deerchao.net
C:\\Windows 匹配 C:\Windows
3.反复
表2.经常使用的限定符
| 代码/语法 | 说明 |
|---|---|
| * | 反复零次或很多其它次 |
| + | 反复一次或很多其它次 |
| ? | 反复零次或一次 |
| {n} | 反复n次 |
| {n,} | 反复n次或很多其它次 |
| {n,m} |
反复n到m次
|
大括号表示反复次数
4.字符类
中括号表示可选择的字符集合
比如： [aeiou] 匹配不论什么一个英文元音字母
[.?!] 匹配标点符号(.或?或!)
[0-9]
代表的含意与\d就是全然一致的：一位数字
[a-z0-9A-Z_] 也全然等同于\w
\(?0\d{2}[) -]?\d{8} 首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0。后面跟着2个数字(\d{2})，然后是)或-或空格中的一个。它出现1次或不出现(?)，最后是8个数字(\d{8})
5.分支条件
正則表達式里的分枝条件指的是有几种规则，假设满足当中随意一种规则都应该当成匹配，详细方法是用|把不同的规则分隔开。
0\d{2}-\d{8}|0\d{3}-\d{7} 这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号。8位本地号(如010-12345678)。一种是4位区号，7位本地号(0376-2233445)。
\(?0\d{2}\)?[- ]?\d{8}|0\d{2}[- ]?\d{8} 这个表达式匹配3位区号的电话号码，当中区号能够用小括号括起来，也能够不用。区号与本地号间能够用连字号或空格间隔，也能够没有间隔。
\d{5}-\d{4}|\d{5} 这个表达式用于匹配美国的邮政编码。
美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个样例是由于它能说明一个问题：使用分枝条件时，要注意各个条件的顺序。
\d{5}|\d{5}-\d{4} 假设你把它改成这样的话，那么就仅仅会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地測试每一个条件。假设满足了某个分枝的话。就不会去再管其他的条件了。
6.分组
用小括号来指定的子表达式叫做分组。你能够指定这个子表达式的反复次数。
(\d{1,3}\.){3}\d{1,3} 是一个简单的IP地址匹配表达式，\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个总体也就是这个分组)反复3次，最后再加上一个一到三位的数字(\d{1,3})
((2[0-4]\d|25[0-5]|[01]?
\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?
) 表示一个正确的IP地址
7.反义
有时须要查找不属于某个能简单定义的字符类的字符。比方想查找除了数字以外，其他随意字符都行的情况，这时须要用到反义：
表3.经常使用的反义代码
| 代码/语法 | 说明 |
|---|---|
| \W | 匹配随意不是字母。数字，下划线。汉字的字符 |
| \S | 匹配随意不是空白符的字符 |
| \D | 匹配随意非数字的字符 |
| \B | 匹配不是单词开头或结束的位置 |
| [^x] | 匹配除了x以外的随意字符 |
| [^aeiou] |
匹配除了aeiou这几个字母以外的随意字符 |
8.后向引用
使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)能够在表达式或其他程序中作进一步的处理。
默认情况下。每一个分组会自己主动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。
后向引用用于反复搜索前面某个分组匹配的文本。
9.贪婪与懒惰
a.当正則表達式中包括能接受反复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。
a.*b，它将会匹配最长的以a開始。以b结束的字符串。假设用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
b.懒惰匹配。也就是匹配尽可能少的字符。
前面给出的限定符都能够被转化为懒惰匹配模式，仅仅要在它后面加上一个问号?
。
.*? 意味着匹配随意数量的反复。可是在能使整个匹配成功的前提下使用最少的反复。
a.*?b匹配最短的，以a開始。以b结束的字符串。假设把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
