正则表达式
基础
- 需要谨记的3个字母
|
\d |
匹配数字 |
|
\w |
匹配字母、数字、下划线 |
|
\s |
匹配空白符（例如空格、换行符、制表符等） |
大写表示匹配其相反的东西，如：\D 匹配非数字字符，\S匹配非空白字符
- 常用的匹配字符
|
[0-9] |
匹配在此区间的数字，同\d |
|
[a-zA-Z] |
匹配在此区间的字母，可以多个区间一起 |
|
[x.|9\\] |
匹配在中括号内的字符，里面的都是普通字符没其他含义，除斜杠比较特殊需转义 |
|
[^a8] |
匹配除中括号内字符之外的字符，和上面3个字母大写匹配其相反的东西一样的道理 |
|
hello |
匹配常规字符串 |
|
^hello |
匹配行首的hello |
|
hello$ |
匹配行末的hello |
|
hello|world |
匹配hello或者world（正则中没有与运算） |
|
. |
匹配除换行符（\n、\r）之外的任意字符 |
|
[\u4e00-\u9fa5] |
匹配中文字符 |
|
[\s\S] |
匹配任意字符（随便两个互补区间都可以表示任意字符） |
- 表示字符数量的描述符（描述前面子表达式的匹配数量）
|
* |
零次或多次 |
|
+ |
一次或多次 |
|
? |
零次或一次 |
|
{n} |
整数n次 |
|
{n,m} |
n~m次，包含n和m |
|
{n,} |
n次以上，包含n |
默认是描述前面一个字符，如果是多个字符的子表达式，需要括号括起来。
如：(pattern)* th(is|at) 括号别有用处，后面会讲到
进阶
- 获取匹配与非获取匹配
|
(pattern)
|
这里用括号将匹配子表达式括起来，从匹配结果来看加括号不影响正常匹配。 加括号主要是为了获取该子表达式匹配到的内容 获取匹配，怎么用我们后面会讲到 |
|
(?:pattern) |
如果我们加括号只是为了圈定一串子表达式，而不用获取匹配到的内容。 上面的例子我们最好这样 th(?:is|at)，等同于this|that 非获取匹配 |
|
hello(?=world) |
如果一字符串包含多处hello，只匹配后面跟着world的hello，匹配结果不包含world 例如，"Windows(?=95|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows98"中的"Windows" 非获取匹配 |
|
hello(?!world) |
同理，只匹配后面没跟着world的hello，匹配结果不包含world 非获取匹配 |
|
(?<=hello)world |
如果一字符串包含多处world，只匹配前面跟着hello的world，匹配结果不包含hello 例如，"(?<=95|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"98Windows"中的"Windows" 非获取匹配 |
|
(?<!hello)world |
同理，只匹配前面没跟着hello的world，匹配结果不包含hello 非获取匹配 |
- 非贪婪匹配
举个例子："hello world and hi world" 我们需要匹配其中的"hello world"和"hi world"
- 我们可以这样子h.*world，但是我们运行后发现匹配到的结果是"hello world and hi world"，这结果也没毛病，确实符合我们写出来的正则表达式。
- 如何得到我们想要的结果呢，我们这样子h.*?world，就能匹配到"hello world"和"hi world"。
贪婪匹配：尽可能匹配最长的字符串
非贪婪匹配：尽可能匹配最短的字符串
个人对非贪婪匹配的理解是：从左往右匹配到符合正则的最短结果，返回结果并继续往后匹配下一结果。
- 扩展（思考）
匹配type为password的input标签: <input type=radio name=xxx><input type=password name=yyy><input type=txt name=zzz>
- <input.*password.*> 匹配得到 <input type=radio name=xxx><input type=password name=yyy><input type=txt name=zzz>
- <input.*password.*?> 匹配得到 <input type=radio name=xxx><input type=password name=yyy><input type=txt name=zzz>
- <input((?!input).)*password.*?>匹配得到<input type=radio name=xxx><input type=password name=yyy><input type=txt name=zzz>
第一步写出匹配的轮廓，第二步使用非贪婪匹配排除掉后面部分，第三步input与password之间的字符串排除input。
个人对((?!input).)*的理解：
- (?!input)i 匹配所有位置的‘i’，但不包括input开头的‘i’，即后面跟着nput的i都不匹配。
- (?!input). 匹配任意字符（点的作用），但不包括input开头的‘i’。
- ((?!input).)* 匹配零个或多个(2)中的字符，既然input开头的‘i’被排除了，那么也就不存在input字符串了。
应用
java演示group一些特殊用法
- 获取匹配
public static void main(String[] args) {
String str = "Her name is John, Her age is 18";
Pattern pattern = Pattern.compile("Her name is (\\w+), Her age is (\\d+)");
Matcher matcher = pattern.matcher(str);
matcher.groupCount(); // 正则表达式中"获取匹配"的数量
while (matcher.find()) {
System.out.println(matcher.group()); // 输出整条正则表达式匹配到的内容
System.out.println(matcher.group(1) + " " + matcher.group(2)); // 输出括号中子表达式匹配到的内容
}
}
结果：
Her name is John, Her age is 18
John 18
- 给group取别名，通过别名获取匹配（不影响表达式的正则匹配）Java 7+开始支持
Pattern pattern = Pattern.compile("Her name is (?<name>\\w+), Her age is (\\d+)");
matcher.group(name);
- 在正则表达式中引用groupName匹配到的值，\\k<groupName>表示groupName表达式匹配到的值
Pattern pattern = Pattern.compile("Hisname is (?<name>\\w+), Her name is (\\k<name>)");
如，匹配他和她名字相同的字符串：His name is John, Her name is John
- 在替换函数中引用groupName匹配到的值，${groupName}
"His name is John".replaceAll("(?<name>\\w+)", "[${name}]");
结果：[His] [name] [is] [John]
linux命令grep使用正则
- 我们知道grep命令的 -E 参数是将样式延伸的正则表达式来使用，但是它并不支持(?=pattern)和groupName这种用法。
这时我们使用 -P 代替之，表示让grep使用perl的正则表达式语法，因为perl的正则更加多元化，能实现更加复杂的场景
echo ==HelloWorld== | grep "Hello(?=World)" -P
输出：==HelloWorld==
- 拓展一下，因为grep命令匹配到一段就会整行输出，-o可以只输出匹配到的部分
echo ==HelloWorld== | grep "Hello(?=World)" -Po
输出：Hello
- 再拓展一下，grep命令默认不支持跨行匹配，-z将输入内容作为行的合集，每个集合以空字节作为结束
我理解-z是将多行的输入内容看作一行，其中换行符也在一行当中，当作普通字符。
echo -e "==Hello\nWorld==" | grep "H[\s\S]*d" -Pz
输出：==Hello
World==
python使用正则
练习/训练
