学习正则表达式心得

句点(.)

一个.表示匹配任何单个字符。这个正则表达式c.t代表“先找到c，接着找到任何单个字符，再找到t”。

任何元字符如果用一个反斜杆\进行转义就会变成字面值。所以上述的正则表达式c.t就代表“先找到c，接着找到句号，再找到t”。

反斜杠是一个元字符，这意味着它也可以使用反斜杠转义。所以正则表达式c\t代表“先找到c，接着找到反斜杆，再找到t”。

注意！在一些实现中，. 会匹配任意字符除了 换行符。这意味着“换行符”在不同的实现中也会变化。

字符类（Character classes）

字符类是字符在方括号中的集合。表示“找到其中任意的字符”。

正则表达式c[aeIoU]t表示“找到c后跟一个元音字母，再找到t”。在一段文本中，将会匹配到cat，cet，cit，cot和cut。

正则表达式[0123456789]表示找到一个数字

正则表达式[a]和a意义相同：“找到a”

字符类区间（ranges）

你可以在字符类中使用连字符来表示一个字母或数字的区间：

[b-f]和[bcdef]都表示“找到一个b或c或d或 e或f”。

[A-Z]和[ABCDEFGHIJKLMNOPQRSTUVWXYZ]都表示“匹配大写字母”。

[1-9]和[123456789]都表示“匹配一个非零数字”。

连字符在字符类外部使用时并没有特别都含义。正则表达式a-z表示“找到一个a接着跟着一个连字符，然后匹配一个z”。

注意。区间是字符的区间，不是数字的区间。正则表达式[1-31]表示“找到一个1或一个 2或一个3”，不是“找到一个从1到31的整数”。

字符类的否定（negation）

你可以通过在最开始的位置使用插入符号（译者注：^）来否定一个字符类。

[^a]表示“匹配除了a的任意字符”。
[^a-zA-Z0-9]表示“找到一个非字母数字字符”。
[\^abc]表示“找到一个插入符或者a或者b或者c”。

字符类补充

\d含义与[0-9]一致：“匹配一个数字”。（为了匹配一个反斜杆后跟一个d，可以使用\d。）

\w的含义与[0-9A-Za-z_]一致：“匹配一个单词字符（译者注：字母或数字或下划线或汉字）”。

\s表示“匹配任意空白字符（空格，tab，回车或者换行）”。

\W同[^0-9A-Za-z_]：“匹配任意非单词字符（译者注：匹配任意不是字母，数字，下划线，汉字的字符）”。

\D同[^0-9]：“匹配任意非数字的字符”。

\S表示“匹配任意不是空白符的字符”。

乘法器（Multipliers）

你可以在一个字面值或者字符类后跟着一个大括号来使用乘法器。

a{1}同a，表示“匹配一个a”。
a{3}表示“找到一个a后再跟一个a，最后找到一个a”。
a{0}表示“匹配空字符”。就其本身而言，这似乎没有用处。如果你在任何一段文本中使用该表达式，你会在你刚开始搜索的端点处立即得到一个匹配。即使你的文本为空字符串结果也为真。
a{2}代表“找到一个a，跟着一个左大括号，接着跟匹配一个2，然后跟着一个右大括号”。
在字符类中大括号没有特别的含义。[{}]代表“匹配一个左大括号或者一个右大括号”。
注意。乘法器没有记忆。该正则表达式[abc]{2}表示“匹配a或者b或者c，接着匹配a或者b或者c。这跟“匹配aa或ab或ac或ba或bb或bc或ca或cb或cc”相同。这跟“匹配aa或bb或cc”含义不同！

乘法器区间

值得注意的是优先选择更长的匹配，因为乘法器是贪婪的。如果你输入的文本是I had an aaaaawful day，该正则表达式就会在aaaaawful中匹配到aaaaa。不会在第三个a后就停止匹配。

乘法器补充

?代表的含义与{0,1}相同。比如说，colour?r表示“匹配colour或color”。

等于{0,}。比如说，.表示“匹配一切”，跟上面提到的一样。

+等于{1,}。比如说，\w+表示“匹配一个单词”。这里的“单词”是1个或多个“单词字符”的序列，就像_var或AccountName1。

惰性（Non-greed）

正则表达式”.“表示“找到一个双引号，接着找到尽可能多的字符，最后再找到一个双引号”。注意一下被.匹配的内部字符，很可能包含多个双引号。这通常不是非常有用。

乘法器可通过追加问号来实现惰性。这里对优先顺序进行了反转：

\d{4,5}?表示“匹配\d\d\d\d或\d\d\d\d\d”。其实跟\d{4}行为一致。

colou??r就是colou{0,1}?r，表示“找到color或colour”。和colou?r行为一致。

“.*?”表示“匹配一个双引号，跟着一个尽可能少的字符，再跟着一个双引号”。这个不像上面两个例子，实际上很有用。

分支（Alternation）

你可以使用管道符号来实现匹配多种选择：

cat|dog表示“匹配cat或dog”。

red|blue|和red||blue以及|red|blue都是同样的意思，“匹配red或blue或空字符串”。

a|b|c跟[abc]一样。

cat|dog||表示“匹配cat或dog或管道符号”。

[cat|dog]表示“找到a或c或d或d或g或o或t或一个管道符号”。

组合（Grouping）

你可以使用圆括号来组合表达式：

在一周中找到一天，使用(Mon|Tues|Wednes|Thurs|Fri|Satur|Sun)day。

单词边界（Word boundaries）

正则表达式\b表示“匹配一个单词边界”。

单词边界不是字符。它们宽度为零.下面的正则表达式表示相同的含义：

(\bcat)\b

(\bcat\b)

\b(cat)\b

\b(cat\b)

行边界（Line boundaries）

正则表达式^表示“匹配开始行”。
正则表达式$表示“匹配结束行”。
^$表示“匹配空行”。
^.* $将会匹配整个文本，因为换行符是一个字符，所以.会匹配它。为了匹配单行，要使用惰性乘法器，^.*?$ 。
\^$表示“匹配尖符号后跟着一个美元符号”。
[$]表示“匹配一个美元符”。然而，[^]是非法单正则表达式。要记住的是尖符号在方括号中时有不同的特殊含义。把尖符号放在字符类中，这么用[\^]。

像单词边界一样，行边界也不是字符。它们宽度为零。下面的正则表达式表示相同的含义：

(^cat)$

(^cat$)

^(cat)$

^(cat$)

学习连接:55分钟学会正则表达式