正则表达式学习3
2.“或”匹配
有的时候，我们要取消某段文字中的加粗、斜体等效果，我们想匹配所有的“<b>”、“</b>” 或者 “<i>”、“</i>”，然后把它们替换成空，仅利用之前的知识，我们只能
进行两次匹配和替换，一次是“</?b>”，一次是“</?i>”。
在正则表达式中，可以使用“|”将一个表达式拆分成两部分“reg1|reg2”，它的意思是：匹配所有符合表达式reg1的文本 或者 符合表达式reg2的文本。
对于本节提出的问题，可以这样进行解决：
Text
The <b>text of</b> this row is bold.
The <i>text of</i> this row is italic.
RegEx
</?i>|</?b>
Result
The <b>text of</b> this row is bold.
The <i>text of</i> this row is italic.
3.在子模式中使用“或”匹配
从上面的定义应该可以看出，“|”分隔的是整个表达式，而有的时候，我们希望分隔的是一个表达式的一部分，比如说，我们想要匹配 “1900”到“2099”的所有年份。
Text
1932 is supposed to be matched as a whole, but it is matched only part of it.
2055 is mathced in the right way.
3019 is out of range, but it's still matched partly.
RegEx
19|20\d{2}
Result
1932 is supposed to be matched as a whole, but it is matched only part of it.
2055 is mathced in the right way.
3019 is out of range, but it's still matched partly.
可以看到，表达式“19|20\d{2}”要么匹配“19”，要么匹配“20\d{2}”。而我们希望的是匹配“19\d{2}”或者“20\d{2}”，当然，我们可以改写上面的表达式为“19\d{2}
|20\d{2}”来完成，但是，利用本章所讲述的子模式，可以更加简洁地完成这个过程。
Text
1932 is supposed to be matched as a whole, but it is matched only part of it.
2055 is mathced in the right way.
3019 is out of range, but it's still matched partly.
RegEx
(19|20)\d{2}
Result
1932 is supposed to be matched as a whole, but it is matched only part of it.
2055 is mathced in the right way.
3019 is out of range, but it's still matched partly.
这次，我们得到了想要的结果，使用子模式可以简化匹配表达式。
NOTE：有点类似于数学中的提取公因式：2*3 + 7*3 = (2+7)*3 --> 19\d{2}|20\d{2} = (19|20)\d{2}
4.嵌套子模式
子模式可以再继续嵌套子模式，产生更加功能强大的匹配能力。比如，我们要匹配 1900年1月1日 到 2000年1月1日 除过闰年外的所有正确日期。
我们先对这个匹配模式做一个分析：
1. 首位可以是19也可以是20； Reg：19|20
2. 当是19的时候，后面可以是00到99中任意数字； RegEx：19\d{2}|20
3. 当是20的时候，只能匹配00； Reg：19\d{2}|2000
4. 月份可以是1到9，或者10到12；Reg：(19\d{2}|2000)-([1-9]|1[0-2])
因为天数与月份相关，所以将 ([1-9]|1[0-2]) 拆分为下面三个子模式：
5. 当月份是2的时候，天数是28； Reg：2-([1-9]\b|1\d|2[0-8])
6. 1、3、5、7、8、10、12月，天数是31； Reg：([13578]|1[02])-([1-9]\b|[12]\d|3[01])
7. 4、6、9、11月，天数是30； Reg：([469]|11)-([1-9]\b|[12]\d|30)
NOTE：注意上面日期部分的匹配，分成了两部分，月和日；对于月来说，如果我们要匹配大月(31天的月)，写法是：[13578]|1[0-2]；而日期部分，比如说要匹配31天，
它又由三部分组成：[1-9]表示1号到9号；[12]\d表示10号到29号；3[01]表示30号到31号。
还有个地方需要注意：单词边界问题，如果你这样写表达式：2-([1-9]|1\d|2[0-8])，对于2-29 这样不应该匹配的日期，会匹配它合法的部分 2-29，因为2-2满足2-[1-
9]。回顾下我之前讲述的内容，我们还必须规定，当天数是个位数时，它必须处于单词边界[1-9]\b。
组合一下，得到的月份和天数的模式是：
2-([1-9]\b|1\d|2[0-8])|([13578]|1[02])-([1-9]\b|[12]\d|3[01])|([469]|11)-([1-9]\b|[12]\d|30)
再结合上面年的部分，得到最终的结果：
(19\d{2}|2000)-(2-([1-9]\b|1\d|2[0-8])|([13578]|1[02])-([1-9]\b|[12]\d|3[01])|([469]|11)-([1-9]\b|[12]\d|30))
Text
These dates are matched: 1900-1-1、1928-2-28、1931-11-30、2000-1-1、1999-10-30
These dates are not matched: 1900-1-32、1928-2-29、2000-01-1、1982-12-08
RegEx
(19\d{2}|2000)-(2-([1-9]\b|1\d|2[0-8])|([13578]|1[02])-([1-9]\b|[12]\d|3[01])|([469]|11)-([1-9]\b|[12]\d|30))
Result
These dates are matched: 1900-1-1、1928-2-28、1931-11-30、2000-1-1、1999-10-30
These dates are not matched: 1900-1-32、1928-2-29、2000-01-1、1982-12-08
后向引用
1.理解后向引用
我们还是一如既往地从最简单的开始。假设我们要进行这样一个匹配：找出下面文本中所有重复的单词，以便日后进行替换。
Is the cost of of gasline going up?
我们看到：“of of”重复了，我们需要找出它：
Text
Is the cost of of gasline going up?
RegEx
of of
Result
Is the cost of of gasline going up?
很显然，匹配结果满足了我们的要求，在这里使用全字匹配是为了后面好说明。
现在，如果 up 也重复出现了，句子变成这样：
Is the cost of of gasline going up up?
我们就需要改写表达式成这样：
Text
Is the cost of of gasline going up up?
RegEx
(of|up) (of|up)
Result
Is the cost of of gasline going up up?
NOTE：我们可以使用更简洁的表达式：((of|up)\b ??){2}，但是为了后面好说明，这里我们还是使用全字匹配。
关于这个表达式，首先记住，\b只是对边界进行限制，不匹配任何字符。
如果写做((of|up)\b ){2}，则无法匹配“up up”，因为它要求up后面必须出现一个空格“ ”，而本句中，up后面紧跟了一个问号；
如果写成((of|up)\b ?){2}，因为是贪婪匹配，如果of后出现空格，就会匹配之。两个of的匹配将变成“of of ”。通常，我们会替换它成一个“of”，这样，就会出现
“ofgasline”的情况。
最终，我们把贪婪匹配改成惰性匹配：((of|up)\b ??){2}
可以看到，对这个句子来说，这样匹配没有问题。但是我们匹配的文本往往比这个复杂，让我们给上面的文本再添一句话。
Text
Is the cost of of gasline going up up?
Look up of the TV, your mobile phone is there.
RegEx
(of|up) (of|up)
Result
Is the cost of of gasline going up up?
Look up of the TV, your mobile phone is there.
不幸的是，对于下面不应该匹配的“up of”也进行了匹配。而我们需要的是这样一种匹配:当前面是“of”的时候，后面跟的也是“of”；当前面是“up”时，后面跟的也是
“up”，只有这样的情况才去匹配它。换言之，后面所需要匹配的内容是前面的一个引用。
正则表达式中，使用“\数字”来进行后向引用，数字表示这里引用的是前面的第几个子模式。
我们回头在看本节第一个例子，我们也可以这样写：
Text
Is the cost of of gasline going up?
RegEx
(of) \1
Result
Is the cost of of gasline going up?
这里，表达式“(of) \1”使用了后向引用，意思是：“\1”代表前面第一个匹配了的子模式的内容，对于本例，因为前面子模式只可能匹配“of”，那么“\1”等价于“of”，整个
表达式相当于“of of”。
现在，我们使用后向引用，对刚才出现“up of”问题的表达式加以纠正：
Text
Is the cost of of gasline going up up?
Look up of the TV, your mobile phone is there.
RegEx
(of|up) \1
Result
Is the cost of of gasline going up up?
Look up of the TV, your mobile phone is there.
这一次，我们获得了预期的效果，“(of|up) \1”的含义是：如果前面 子模式1 匹配了“of”，那么“\1”就代表“of”；如果 子模式1 匹配了 “up”，那么“\1”就代表
“up”，整个表达式相当于“of of|up up”。
