#什么是正则表达式 从概念上来说,正则表达式也是一门小巧而精炼的语言,它可以用来简化检索特定的字符串,替换特定字符等功能,有许多开发语言工具,都内嵌支持正则表达式。那么一个正则表达式,究竟是什么?其实它就是一个字符串,但这个字符串具有特定含义。
基础语法
字面值
所谓字面值,就是没有任何转义,查找的对象就是其本身,比如正则表达式 abc
,查找的结果就是返回要查找字符串中 a,b,c三个字母连在一起的字符串。又如,123 就是查找到 123 这个子串。
特殊字符
句号
.
在正则表达式中表示匹配任意字符,很相似于通配符*
。如果我们查找a.b这个正则表达式,我们可以找到所有开头和结尾为a,b,中间是任意字符的字符串,比如abc,adc,a2c等。
字符类([])
如果你在一个正则表达式中看到有一些字符被[]括号括起来,那么他们的含义将不再是简单的字面值,他们表示某一个被括号中属性约束的字符。比如**[123456],这个正则表达式表示找到1-6中的任意一个字符,又比如a[bd]c**,这表示查找abc或者adc。
注意:
- 在字符类中字符的顺序和重复性都不是我们关心的。[123]和[2233111],含义是一模一样的。
- 句号在字符类中表示的就是其本身,
[.]
就是查找一个句号。
区间符号(-)
如果我们需要查找一个数字,[0123456789],这样做是可以达到目的的,但这写起非常麻烦,并不符合正则表达式小巧的特性,这时我们可以使用区间符号来简化,[0-9]
和上面的式子意义完全一样。同样,我们可以[a-zA-Z]
,表示任意一个字母。
注意:
- 区间的范围应该有意义,**[a-1]**这样的区间并无任何意义,尽管它在语法上可能没有错误;
- 区间左右两端对应的是字符,并不是数字,比如**[2-41]**,这个式子的含义是找到2-4的一个数字或者1,和[1-4]是一样的。
取反符号(^)
^
在正则表达式中表示取反,这个很好理解,[^a]
,表示找到除了a之外的任意字符。[^0-9],表示找到一个非数字的字符。
注意:
- ^必须在中括号内,及字符类属性中使用。
- ^是将后面的整体作为取反条件的。
简化的字符类
某些符号具有和字符类相同的含义:
- \d和**[0-9]**相同
- \w和**[0-9A-Za-z_]**相同 表示
- 数字,字母或者下划线**\s
- **表示匹配空格,tab和换行等不可见符。
与此相对的\D,\W,\S,则表示上述条件的取反情况。
乘法集({})
乘法集的最大用处也是简化正则表达式,用大括号表示。比如,a{2},表示找到 aa 这个字符串。
注意:
乘法集是已前面整体为乘法条件的,比如 [ab]{2},不是简单的比配aa,bb,而是和[ab][ab]含义是相同的,会匹配ab,ba,aa,bb。
乘法集中的区间(,)
乘法集和字符类相同,也可以用区间进行简化,但是符号不相同。a{1,3},表示找到a,aa,aaa这三个字符串。a{0,1}是合法的,表示找到空字符,或者a。
注意:
- 乘法集的"越长越好"属性:乘法集具有这样的特点,比如a{2,4},如果我搜索myaaaa,它不会找到aa后就停止,而是会找到aaaa。
- 乘法集的"全部获取"属性:比如 a{2.4},如果搜索 myaayouaaaa,它会找到 aa 和 aaaa。
- 乘法集支持开区间,a{1,} 是合法的,表示找到任何 a 相连的字符串。
判断符号(?)
这个符号的含义和 {0,1} 完全相同,123?4,表示匹配 1234 或者 124 ;
###统配符号(*)
这个符号的含义和 {0,} 相同,比如.*
表示通配一切字符串。
+符号
这个符号和{1,}相同。
或符号(|)
|
符号表示或的关系,比如 abc|edf,表示找到 abc 或者 def ;
组合(())
小括号在正则表达式中表示组合,比如**(a|b|c)d**,表示找到ad,bd,cd,可以将小括号的作用理解为优先级。
单词边界(\b)
\b
表示单词的边界,比如 \b[a-z]{3}\b ,表示匹配一个三个字母的小写单词。
行边界(^ $)
单单的一个^
符号表示的是行的开头,$
表示行的结束。
注意:
- [^]是非法的,[$]表示匹配一个$符号。
##做些小总结
上面说了这么多正则表达式的语法规则,我们现在来做下总结:
几个概念:
- 字面值:直接查找的字符,比如123,avb。
- 字符类:描述字符的一些属性,比如[123],[a-z],\d,\w,\s,. 。
- 乘法集:简化表达式,比如 {0,3},?,+,*。
- 或和组合:比如(a|b|v)。
- 单词,行的边界\b ^ $
元字符列表
. \ [ ] { } ? * + | ( ) ^ $
3、字符类中元字符列表
[ ] \ - ^
一个特别重要的字符
最后,还有一个特别特别重要的字符我们没考虑到,如果我们要查找元字符怎么办,在正则表达式中还有一个转义字符"",如果我们要查找. 只要查找 \.
同理\[\]
是查找"[]"这个字符串。如果要查找"",再加一个转义字符就好:\\
。