iOS 中的正则表达式符号

最近重新看了一遍 iOS 的正则文档，简单翻译下文档中涉及到的符号

1.正则表达式元字符

符号	说明
\a	响铃, \u0007
\A	匹配输入的开始，只匹配第一行，也就是忽略多行选项
\b	不在[]包含时，匹配单词的边界，也就是\w和\W的中间
\b	在[]包含的集合内，匹配 BACKSPACE, \u0008
\B	当前位置不是单词的边界
\cX	Ctrl+X
\d	所有十进制数字 Nd
\D	所有非十进制数字
\e	ESCAPE, \u001B.
\E	结束\Q...\E引用段
\f	匹配换页符 FORM FEED, \u000C
\G	当前位置是上个匹配的结束处，第一次匹配的是单词的开始
\n	换行符 LINE FEED, \u000A.
\N	匹配Unicode 命名对应的字符。见参考3
\p	匹配对应命名字符集里的字符
\P	匹配不在命名字符集里面的字符
\Q	引用字符直到\E结束，这个引用区间的字符都不需要转义符
\r	回车 CARRIAGE RETURN, \u000D
\s	空白字符，[\t\n\f\r\p{Z}]
\S	非空白字符
\t	水平制表符
\uhhhh	匹配Unicode代码中十六进制代码为hhhh的字符
\Uhhhhhhhh	匹配Unicode代码中十六进制代码为hhhhhhhh的字符，必须是8位，虽然最大的Unicode 值是\U0010ffff
\w	匹配一个单词字符 [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Nd}]
\W	匹配所有的非单词字符
\x	匹配十六进制hhhh表示的字符，支持1-6位
\xhh	匹配2位十六进制hh表示的字符
\X	匹配一个字符群集（Grapheme Cluster）
\Z	匹配输入的结束，如果最后一行后面还有换行符，也匹配
\z	匹配输入的结束
\n	回溯引用，匹配第n个匹配，n ≥ 1 并且 ≤ 总匹配数量
\0ooo	八进制代码为ooo的字符，ooo可以是1到3位。0377是最大的被允许的字符。注意开始的0是必须的，区分8进制和回溯引用
[pattern]	匹配pattern中包含的字符
.	匹配任意字符
^	匹配一个行的开始
$	匹配一个行的结尾
| 转义符，需要转义的符号有 * ? + [ ( ) { } ^ $	\ . /

2.操作符

符号	说明
|	A
*	0或多次，尽可能多匹配
+	1或多次，尽可能多匹配
?	0或1次，1次优先
	匹配n次
	匹配至少n次，尽可能多匹配
	匹配n-m次，不多于m的情况下尽可能多匹配
*?	0或多次，尽可能少匹配
+?	1或多次，尽可能少匹配
??	0或1次，优先0次
{n}?	匹配n次
{n,}?	匹配至少n次，尽可能少匹配
{n,m}?	匹配n-m次，不少于n的情况下尽量少匹配
*+	0或多次，尽可能多匹配
++	1或多次，尽可能多匹配
?+	0或1次，尽可能多匹配
{n}+	匹配n次
{n,}+	匹配至少n次，尽可能多匹配
{n,m}+	n到m次，尽可能多匹配
(...)	匹配区域，子表达式
(?:...)	不选去的子表达式，用来提高效率
(?>...)	固化分组，匹配后就成为一个整体，不留下回溯点防止回溯
(?# ... )	注释
(?= ... )	零宽断言，匹配表达式前面的位置
(?! ... )	零宽断言，匹配后面不是表达式的位置
(?<= ... )	零宽断言,匹配表达式后面的位置,表达式不可以是无边界的（不可以包含 * 和 + 操作符）
(?<! ... )	零宽断言,匹配后面不是表达式的位置,表达式不可以是无边界的（不可以包含 * 和 + 操作符）
(?ismwx-ismwx: ... )	标记设置，设置表达式运算时使用的标记是否有效，或者无效（-）
(?ismwx-ismwx)	标记设置，改变之后位置的正则运算标记

3. 替换模板匹配格式

|$n|匹配第n个表达式，n必须 >= 0 并且小于表达式数量|
||转义符，基本上只有'$' and ''需要|

4. 标记选项

符号	说明
i	不区分大小写
x	允许空格和 #注释 出现在表达式中,都会被忽略
s	"."可以匹配换行符，默认 回车、换行不被匹配
m	多行匹配，让"^" 和 "$"在每一行都能匹配，而不仅仅只是整个字符串
w	控制\b表示Unicode UAX 29 http://www.unicode.org/reports/tr29/ 规定的边界，还是简单的 word 或 non-word 区别

一些说明

1.什么是 ICU

全称 International Components for Unicode，是一套成熟的 UNICODE 相关开发包。具体见 http://site.icu-project.org/

2.什么是 UNICODE

UNICODE 是一种字符编码方案。具体见 http://www.unicode.org/
每个编码对应一个字符，已经分配的编码都有个name，一组编码形成一个分组
Plane 分为17个组，每组65536个编码
Category 一组类似的字符的集合，有Value代表这个集合
Name 每一个分配了字符的码，都有一个别名
可以见参考5

3.一些 UNICODE 字符组

类名	说明
\p	任何种类的空白或不可见的分隔符
\p	一个不可见但是却会占用空间的空白字符
\p	行分隔符U+2028
\p	段分隔符U+2029

4. Grapheme Cluster

Unicode grapheme clusters(字符集群)

一个unicode scalar定义的字符和多个unicode scalar定义是一样的，我们称这多个unicode scalar 叫Unicode grapheme clusters
例如
é 可由\u{00e9}表示也可由\u{0065}\u{0301}共同表示，\u{0065}\u{0301}就是grapheme cluster

5.\G的用法

\G\w
test string
可以匹配到 t e s t

6.不连续性

注意不是所有的21位 Unicode 标量都代表一个字符，因为有一些标量是留作未来分配的。已经代表一个典型字符的标量都有自己的名字

参考
1.http://leoliuyt.github.io/2016/10/07/Swift中的Unicode、String/
2.http://www.regular-expressions.info/continue.html
3.http://unicode.org/charts/charindex.html
4.http://www.blogjava.net/zhugf000/archive/2005/12/12/23414.html#ref_unicode_category
5.https://en.wikipedia.org/wiki/Unicode_character_property