正则表达式总结
源文档借鉴 正则详细说明文档
入门：正则字符
.匹配不包括换行的任意字符
在php的s修饰符（单行模式）下面可以匹配换行，如$pattern='#
#s';就可以匹配div内容有换行的数据。
如果需要匹配包括换行的任意字符，可以使用[\s\S]代替.
\s空格、tab、换行
[\s\S]表示匹配任意字符，\S是\s的反义。 注意区分[\s\S]与.的区别。
*匹配零个或更多个，即0~n
+匹配一个或更多个，即至少一个，1~n
\转义
一个特殊字符前加\就表示转义，说明把它当普通字符用
[]单字符取一个，比如[abc]会匹配a或b或c
但是，如果[]里面加上^则会变成排除这个字符，如[^abc]就表示不是a、不是b、也不是c 另外，在[]里面可以使用-表示一个范围，如[0-9]表示从0到9，类似的还有[a-zA-Z]，如果要包含-字符，可以给它加上转义[\-]。
关于[]常见的错误用法是：[ab|bc]用来表示ab或bc，实际上，它得到的结果是[abc|]，即a或b或c或|这4个字符（单字符）的任意一个。这里可以改成(ab|bc)。
总结：[]里面的特殊符有五个：[]-\^，其他字符都是普通字符，包括*.?等。
说明：
- ^在[^ 的首位时候才有特殊意义
- [0-9 -在不是首尾的时候有特殊意义
- \[ \] 因为占用[] 本身字符，所以有特殊意义
- \本身是转义符，有特殊意义
$字符串结束
{1,3}循环次数
[0-9]{1,3}表示在0-9的范围里面循环1个、2个或者3个，可能结果有5、20、415等。
如果循环指定次数，如3次，则{3,3}可以简写成{3}。
如果刚好需要匹配字符{1}，则正则需要给{进行转义，得到\{1}的正则。
如果{}中间不是数字，则{}本身不需要转义。
?有两个用法
(1)匹配一个或零个
比如https?匹配的https（一个s）或者http（零个s）
（2）非贪婪模式
所谓非贪婪模式，就是匹配尽可能少的内容，比如，对于源字符串
<div>a</div><div>b</div>
使用<div>(.*?)</div>会得到2个结果（注意：如果源字符串有换行，使用[\s\S]替换 . ）：
<div>a</div>
<div>b </div>
因为，当遇到第一个 </div>，非贪婪模式就不会再往后找了。 而使用<div>(.*)</div>（贪婪模式）则会得到整个字符串,因为它会匹配所有字符直到后面再找不到 </div>。
|多个数据选一（常用于多字符）
前面提到[]里面的字符有选一个字符功能，但是假如不是一个字符，比如：http|ftp|svn 就需要用|分开，|的作用域是一直往后直到遇到括号，比如，对于源字符串
- http abc
- ftp abc
- svn abc
http|ftp|svn abc匹配的结果是
http
和ftp
和svn abc
想要匹配 http abc和ftp abc和svn abc就要使用括号把前边的协议括起来，如(http|ftp|svn) abc 可以得到预期的结果。
()数据分界和取数据
上面例子(http|ftp|svn) abc就是数据分界的例子，然后，匹配结果会得到一个[1]的子集数据（数组下标1），这里就是子模式的概念，子模式也叫分组，利用子模式，可以得到想要取出来的数据。子模式1、2、3的计算方法为左括号的计数，从左到右，从1开始，比如：
(http|ftp|svn)://([^/]+)，分组1得到的是(http|ftp|svn)里面的数据，分组2得到([^/]+)里面的数据，对于嵌套括号也是点左括号即可。在正则中有很多与括号结合的写法，你在数左括号的时候，一定要注意，非捕获组和环视的左括号都是不需要数的。
在使用子模式过程中，常见两种写法是：\1 和 $1。
- （1） \1 是在正则表达式本身中引用分组1的内容，如： 我们要匹配111这样的连续出现3此的数字，我们可以写出正则：(\d)\1\1，(\d)匹配到第一个1，后面再引用这个匹配内容，得到111。
- 2） $1 是在替换中调用分组的内容，如：
我们要替换链接参数name=Zjmainstay为username=Zjmainstay，我们可以使用正则name=([^&]+)替换为username=$1来实现，这里的$1就引用了分组1的结果Zjmainstay，因此得到我们想要的结果。
(?:)非捕获组
上面说到()作为子模式可以得到它里面的数据，但是，有些时候，()只是作为数据分界功能，并不需要取出来，这时候就要用到非捕获组的概念了。比如：(http|ftp|svn)://([^/]+)只想得到域名，也就是[2]，那么(http|ftp|svn)就只是数据分界的功能，这里不需要捕获，因此使用非捕获组功能，(?:http|ftp|svn)屏蔽这部分的数据获取，此时，(?:这个左括号排除[1]计数，也就是(?:http|ftp|svn)://([^/]+)中的([^/]+)变成[1]了。
分隔符
在一些语言中，你会发现正则第一个和最后一个字符是相同的，如：
/\d+/
这个/ /在PHP中称为分隔符，正则表达式需要由分隔符闭合包裹。在PHP中，分隔符可以使任意非字母数字、非反斜线、非空白字符。这个概念很关键，它能帮助我们简化一些正则的书写，避免错误，如：
/<div>.*?</div>/
这个正则是错误的。
原因是 </div>的/与分隔符相同，但是却没有做转义。
对于这种情况，有两种解决方案：
- /<div>.*?<\/div>/
- #<div>.*?</div>#
方案（1）是对正则内部的分隔符做转义，方案（2）是规避了本来的/分隔符，使用#作为分隔符，从而避免/需要转义。
虽然很多情况下，都是看到前后一致的分隔符，但是，大家需要了解一下，[<div>.*?</div>]这个表达式在PHP里也是合法的。（不提倡使用，仅了解！）
模式修饰符
模式修饰符在许多程序语言中都支持的，比如最常见的是i，不区分大小写，如javascript里的/[a-z0-9]/i，表示匹配字母数字，不区分大小写。
本人在写php正则时常用的模式修饰符主要有i和s，如： $pattern = '#[a-z0-9]+#is';
模式修饰符s的作用主要是的.能够匹配换行，在处理换行数据时，通常会用到。
在PHP中，模式修饰符有两种用法，一种是上面的，在分隔符后面的模式修饰符，它的作用范围是全局；另一种是在正则表达式中间的。
例如：
正则：/((?i)[A-Z]+)c/
测试字符：abcABC
匹配：abc
说明：局部（ab）的大小写被忽略了，(?i)的作用范围在分组1内
如果把正则改成：/([A-Z]+)c/i，则匹配结果将是：abcABC
按单字符匹配
正则里面的数据都是按照单个字符来进行匹配的，这个通过数值区间的例子最容易体现出来，比如，示例一：
我要匹配0-15的数值区间，用正则来写的话，便是[0-9]|1[0-5]，这里，便是把0-9这种单字符的情况，和10-15这种多字符的情况拆分开了，使用分支|来区分开，表示要么是0-9，要么是10-15。
上面是两位数值的情况，现在延伸至1-65535，我个人的处理思想是从大到小，一块块分解：
1. 65530-65535 ==> 6553[0-5] 末位区间0-5
2. 65500-65529 ==> 655[0-2][0-9] 第四位区间0-2，末位区间0-9
3. 65000-65499 ==> 65[0-4][0-9]{2} 第三位区间0-4，后两位0-9
4. 60000-64999 ==> 6[0-4][0-9]{3} 第二位区间0-4，后三位0-9
5. 10000-59999 ==> [1-5][0-9]{4} 第一位区间1-5，后四位0-9
6. 1-9999 ==> [1-9][0-9]{0,3} 第一位只能是1-9，后三位可有可无
最后组合起来：
(6553[0-5]|655[0-2][0-9]|65[0-4][0-9]{2}|6[0-4][0-9]{3}|[1-5][0-9]{4}|[1-9][0-9]{0,3})
便得到1-65535匹配正则。
根据数据处理需求，可以在正则前后加上^和$，以匹配整个数据串，或者前后加入\b，把它当做单词边界处理。没有限定字符的边界往往是js正则判断中常见的错误之一。
贪婪模式与非贪婪模式
正则的贪婪模式和非贪婪模式是一个比较容易混淆的概念，不过，我们可以这么理解，一个人很贪婪，所以他会能拿多少拿多少，换过来，那就是贪婪模式下的正则表达式，能匹配多少就匹配多少，尽可能最多。而非贪婪模式，则是能不匹配就不匹配，尽可能最少。
需求：匹配1后面跟任意个0
源串：10001
使用贪婪模式：10* 结果：1000 和 1
使用非贪婪模式：10*? 结果：1 和 1
首先，*是匹配0个或多个的意思。
贪婪模式下，它表示，首先匹配一个1，然后匹配1后面的0，最多可以匹配3个0，因此得到1000，然后第二次又匹配到一个1，但是后面没有0，因此得到1；
非贪婪模式下，它表示，首先匹配一个1，然后1后面的0，能不匹配就不匹配了，所以，它每次都只是匹配了一个1。
那么，下来我们改改
需求：匹配1后面跟任意个0，再跟一个1
源串：10001
使用贪婪模式：10*1 结果：10001
使用非贪婪模式：10*?1 结果：10001
为什么这两次的结果一样了？
因为，正则表达式要判断完这整个正则才算成功，这种情况下
贪婪模式，首先匹配一个1，然后匹配1后面尽可能多的0，发现3个，再匹配0后面的一个1，正则表达式匹配完，完成匹配，得到10001；
非贪婪模式，首先匹配一个1，然后，0*?是非贪婪模式，它不想匹配了（非贪婪模式不匹配优先），看看后面是不是1了？然后发现哎妈呀，后面是个0啊，然后它回头，不能再偷懒了，用0*?匹配一个0吧，然后匹配到10，又不想匹配了，看看后面有没有1了，还是没有，又回去用0*?匹配掉一个0，得到100，继续偷懒，但是发现后面还不是1，然后又用0*?匹配得到1000，最后，发现真不容易啊，终于看到1了，匹配得到10001，正则表达式匹配完，完成匹配。
那究竟哪个模式好呢？
下面我举个例子：
<a href="http://www.zjmainstay.cn/my-regexp" target="_blank" title="我眼里的正则表达式（入门）">我眼里的正则表达式（入门）</a>
<a title="我眼里的正则表达式（入门）" href="http://www.zjmainstay.cn/my-regexp" target="_blank">我眼里的正则表达式（入门）</a>
正则1：<a [^>]*?href="([^"]*?)"[^>]*?>([^<]*?)</a>（238次）
正则2：<a [^>]*?href="([^"]*)"[^>]*>([^<]*)</a>（65次）
附：执行次数的获取请下载正则表达式测试工具： RegexBuddy 4.1.0-正则测试工具.rar
正则1是通用写法，正则2是在确定字符不会溢出的情况下消除非贪婪模式
此，关于贪婪模式好还是非贪婪模式好的讨论，只能说根据需求而定，不过，在平时的时候用，一般使用非贪婪模式较多，因为贪婪模式经常会由于元字符范围限制不严谨而导致匹配越界，得到非预期结果。
在确定的数据结构里，可以尝试使用[^>]*>这样的排除字符贪婪模式替换非贪婪模式，提升匹配的效率。注意，贪婪部分（[^>]*）的匹配，最好不要越过其后面的字符（>），否则会导致贪婪模式下的回溯，如正则3，[^>]*的匹配越过了href，一直匹配到>为止，而这时候再匹配href，会匹配不到而导致多次回溯处理，直到回溯到href前的位置，后面才继续了下去。
环视（断言/零宽断言）/先前 先后 预搜索
环视，在不同的地方又称之为零宽断言，简称断言。
用一句通俗的话解释
环视，就是先从全局环顾一遍正则，（然后断定结果，）再做进一步匹配处理。
断言，就是先从全局环顾一遍正则，然后断定结果，再做进一步匹配处理
两个虽然字面不一样，意思却是同一个，都是做全局观望，再做进一步处理。
环视的作用相当于对其所在位置加了一个附加条件，只有满足这个条件，环视子表达式才能匹配成功。
环视主要有以下4个用法：
- (?<=exp) 匹配前面是exp的数据
- (?<!exp) 匹配前面不是exp的数据
- (?=exp) 匹配后面是exp的数据
- (?!exp) 匹配后面不是exp的数据
示例四：
(?<=B)AAA 匹配前面是B的数据，即BAAA匹配，而CAAA不匹配
(?<!B)AAA 匹配前面不是B的数据，即CAAA匹配，而BAAA不匹配
AAA(?=B) 匹配后面是B的数据，即AAAB匹配，而AAAC不匹配
AAA(?!B) 匹配后面不是B的数据，即AAAC能匹配，而AAAB不能匹配
另外，还会看到(?!B)[A-Z]这种写法，其实它是[A-Z]范围里，排除B的意思，前置的(?!B)只是对后面数据的一个限定，从而达到过滤匹配的效果。
因此，环视做排除处理是比较实用的，比如，示例五：
需求：字母、数字组合，不区分大小写，不能纯数字或者纯字母，6-16个字符。
通用正则：^[a-z0-9]{6,16}$ 字母数字组合，6-16个字符
排除纯字母：(?!^[a-z]+$)
排除纯数字：(?!^[0-9]+$)
组合起来：(?!^[a-z]+$)(?!^[0-9]+$)^[a-z0-9]{6,16}$
注意，环视部分是不占宽度的，所以有零宽断言的叫法。
所谓不占宽度，可以分成两部分理解：
1、环视的匹配结果不纳入数据结果
2、环视它匹配过的地方，下次还能用它继续匹配。
如果不是环视，则匹配过的地方，不能再匹配第二次了。
上面示例四体现了：环视的匹配结果不纳入数据结果，它的结果：
(?<=B)AAA 源串：BAAA 结果：AAA
(?<!B)AAA 源串：CAAA 结果：AAA
AAA(?=B) 源串：AAAB 结果：AAA
AAA(?!B) 源串：AAAC 结果：AAA
而示例五体现了：环视它匹配过的地方，下次还能用它继续匹配 因为，整个匹配过程中，正则表达式一共走了3次字符串匹配，第一次匹配不全部是字母，第二次匹配不全部是数字，第三次匹配全部是字母数字组合，6-16个字符。
扩展部分：
`[A-Z](?<=B)` [A-Z]范围等于B
`[A-Z](?<!B)` [A-Z]范围排除B
`(?!B)[A-Z]` [A-Z]范围排除B
js不支持(?<=exp) 和 (?<!exp) 语法
模式修饰符
模式修饰符在许多程序语言中都支持的，比如最常见的是i，不区分大小写，如javascript里的/[a-z0-9]/i，表示匹配字母数字，不区分大小写。
模式修饰符s的作用主要是的.能够匹配换行，在处理换行数据时，通常会用到。
在PHP中，模式修饰符有两种用法，一种是上面的，在分隔符后面的模式修饰符，它的作用范围是全局；另一种是在正则表达式中间的。
正则：/((?i)[A-Z]+)c/
测试字符：abcABC
匹配：abc
说明：局部（ab）的大小写被忽略了，(?i)的作用范围在分组1内
如果把正则改成：/([A-Z]+)c/i，则匹配结果将是：abcABC
