詳解正則表達(dá)式

2020-03-22 17:21:53

字體：大中小

供稿：網(wǎng)友

html' target='_blank'>正則表達(dá)式語言由兩種基本字符類型組成：原義（正常）文本字符和元字符。
元字符使用正則表達(dá)式具有處理能力。元字符既可以是放在[ ] 中的任意單個字符（如 [a]表示匹配單個小寫字符 a），也可以是字符序列（如 [a-d] 表示匹配 a 、b、 c、 d 之間的任意一個字符，而 /w 表示任意英文字母和數(shù)字及下劃線），常見的元字符如下：

常見的元字符

字符	描述	特別說明
`.`	匹配除換行符（`/n`）以外的任意字符	~	`[abcde]`	匹配 `a b c d e` 之中的任意一個字符	所有字符是 `或` 的關(guān)系	`[a-h]`	匹配 `a`到`h`之間的任意一個字符	~	`[^fgh]`	不與 `fgh`之中的任意一個字符匹配	在中括號`[ ]` 的第一個字符前加上 `^` 表示取反不匹配中括號里面出現(xiàn)的任意字符	`/w`	匹配大小寫英文字符及數(shù)字 0 到 9 之間的任意一個及下劃線，相當(dāng)于`[a-zA-Z0-9_]`	~	`/W`	與 `/w` 相反，相當(dāng)于 `[^a-zA-Z0-9_]`	~	`/s`	匹配任意的空白符，相當(dāng)于 `[/f/n/r/t/v]`	~	`/S`	與 `/s`相反，相當(dāng)于 `[^/s]`	~	`/d`	匹配任何 0 到 9 之間的單個數(shù)字，相當(dāng)于 `[0-9]`	~	`/D`	與 `/d` 相反，相當(dāng)于`[^0-9]`	~	`[/u4e00-/u9fa5]`	匹配任意單個漢字（中文）（這里用的是 `Unicode` 編碼表示的漢字）	~	`/b`	匹配單詞的開始或結(jié)束	~	`^`	匹配字符串的開始	放在中括號的第一個字符前則變?yōu)?取反的意思	`$`	匹配字符串的結(jié)束	~

正則表達(dá)式限定符

作用：限定這個符號前面一個單元多出現(xiàn)的次數(shù)
單元：

如果前面出現(xiàn)的是一個字符的話，則這一個字符就為一個單元
如果前面我們用小括號把一個很長的字符串括起來的話，那么整個小括號里面都算是一個單元

上面的元字符都是針對單個字符匹配的，要想同時匹配多個字符的話，還需要借助限定符，下面是一些常見的限定符（下表中 n 和 m 都是表示整數(shù)。）

字符	描述	特別說明
`*`	匹配 0 到多個元字符，相當(dāng)于 `{0,}`	~	`?`	匹配 0 到 1 個元字符，相當(dāng)于 `{0,1}`	~	`+`	匹配至少 1 個元字符，相當(dāng)于 `{1,}`	~	`{n}`	匹配 n 個元字符	~	`{n,}`	匹配至少 n 個元字符	~	`{n,m}`	匹配 n 到 m 個元字符	~	`/b`	匹配單詞邊界	~	`^`	字符串必須以指定的字符開始	~	`$`	字符串必須以指定的字符結(jié)束	~

說明 - 特例

可以將多個元字符或者原義文本字符用括號括起來形成一個 分組，比如 ^(13)[4-9]/d{8}$ 表示任意以 13 開頭的移動手機號碼。
1. abcabcabc+ 表示最后的字母 c 出現(xiàn) 1 次或多次；
2. (abcabcabc)+ 表示整個字符串 abcabcabc 出現(xiàn) 1 次或多次。
可以使用 | 來表示 或 的關(guān)系，例如 z|j|q 表示匹配 z 、j、q 之中的任意一個字母。其實等價于 [zjq]。
1. ab|cd|ef 表示的是：要么是 ab、要么是 cd要么是 ef。
2. a(b|cd|e)f 表示的是：以a開頭，要么是 b、要么是 cd要么是 e，最后以f結(jié)尾。
3. 總結(jié)：|（或）的唯一邊界是小括號（( )）
[0-9A-Z.?] 這個正則你如何理解？
1. 當(dāng) . 和 ? 出現(xiàn)在中括號中時，. 和 ? 將變?yōu)?普通字符，它就是點和問號。你可以理解為 [ ] 的優(yōu)先級要大于. 和 ? 的優(yōu)先級。
2. 此正則表達(dá)式將會完全匹配字符串 ?aaa.bbb ，記住這里 . 和 ? 被完全當(dāng)做了普通字符。

高級1 - 多選結(jié)構(gòu)

多選結(jié)構(gòu)其實就是元字符 | （或）的使用。
界定范圍：開頭、結(jié)尾、小括號

正則	含義
`Windows98\|Windows2000\|WindowsXP`	匹配`Windows98`或者`Windows2000`或者`WindowsXP`	`^Windows98\|Windows2000\|WindowsXP$`	以`Windows98`開頭或者包含`Windows2000`或者以WindowsXP結(jié)尾注意`^`和`$`都包含在`\|`的范圍內(nèi)，因為`\|`的界限只有：開頭、結(jié)尾、小括號	`Windows(98\|2000\|XP)`	`Windows`然后`98` 或者`2000`或者`XP`

總結(jié)：多選結(jié)構(gòu)可以包括很多字符，但不能超越 括號 的界限。

高級2 - 分組與后向引用分組

我們已經(jīng)了解怎么重復(fù)單個字符；
但如果想要重復(fù)一個字符串該怎么辦？你可以用小括號來指定子表達(dá)式（也叫做分組）。
(/d{1,3}/.){3}/d{1,3} 簡單的 IP 地址匹配表達(dá)式
但是它也將匹配 256.300.888.999 這種不可能存在的 IP 地址。你能寫一個更準(zhǔn)確的正則？
((2[0-4]/d|25[0-5]|[01]?/d/d?)/.){3}(2[0-4]/d|25[0-5]|[01]?/d/d?)

反向引用

使用小括號指定一個子表達(dá)式（分組）后，匹配這個子表達(dá)式的文本可以被捕獲，從而在表達(dá)式或其他程序中作進(jìn)一步的處理。
默認(rèn)情況下，每個分組會自動擁有一個組號，規(guī)則是：以分組的左括號為標(biāo)志，從左向右，第一個分組的組號為 1 ，第二個為 2 ，依次類推。

示例：

/b(/w+)/b/s+/1/b 可以用來匹配重復(fù)的單詞
匹配諸如：where where go, tom tom happy

直白解釋：
正則表達(dá)式中，前面用小括號進(jìn)行劃分（分組），后面把小括號匹配到的內(nèi)容引用到后面來，分別用/1、/2等來表示。（第一個小括號極/1...）。如果存在小括號嵌套小括號的情況 (/w+(.?)) 記?。哼@個時候要以 ( 為標(biāo)志從左往右數(shù)小括號就可以了。

高級3 - 環(huán)視（零寬斷言）

環(huán)視不匹配任何字符，只匹配文本中的特定位置。類似于/b、^、$ 那樣。環(huán)視不會占用字符。
環(huán)視分為順序和逆序兩種：
- 順序
  - (?=exp) 位置的后面能匹配 exp。例如：(?=/d) 當(dāng)前位置右邊是數(shù)字。
  - (?!exp) 位置的后面不能匹配 exp。例如：(?!/d) 當(dāng)前位置右邊不是數(shù)字。
- 逆序
  - (?<=exp) 位置的前面能匹配 exp。例如：(?<=/d) 當(dāng)前位置左邊是數(shù)字
  - (?<!exp) 位置的前面不能匹配 exp。例如：(?!/d) 當(dāng)前位置左邊不是數(shù)字。

高級4 - 貪婪與懶惰

當(dāng)正則表達(dá)式中包含能接受重復(fù)的量詞（指定數(shù)量的代碼，例如：+、*、{3,12} 等）時，通常的行為是匹配盡可能多的字符。
正則表達(dá)式：a.*b，它將會匹配最長的以 a 開始，以 b 結(jié)束的字符串。如果用它來搜索 aabab 的話，它會匹配整個字符串 aabab，這被稱為 -------貪婪匹配
-
我們更需要懶惰匹配，也就是匹配盡可能少的字符，前面給出的量詞都可以被轉(zhuǎn)化為懶惰匹配模式，只要在它后面加一個問號 ? 。這樣 .*? 就意味著匹配任意數(shù)量的重復(fù)，但是在能使整個匹配成功的前提下使用最少的重復(fù)。
a.*?b 匹配最短的，以 a 開始，以 b 結(jié)束的字符串。如果把它應(yīng)用于 aabab 的話，它會匹配 aab 和 ab。

總結(jié)：

貪婪與懶惰模式之間的區(qū)別就在于：懶惰模式在量詞 * 的后面多了一個問號 ?。

高級5 - 模式匹配的優(yōu)先級

在使用正則表達(dá)式時，需要注意匹配的順序。通常相同優(yōu)先級從左到右進(jìn)行計算，不同優(yōu)先級的運算先高后低。各種操作符的匹配順序優(yōu)先級從高到低如下表所示。

順序	元字符	描述
1	`/`	轉(zhuǎn)義字符	2	`()`、`(?:)`、`(?=)`、`[]`	模式單元和原子表	3	`*`、`+`、`？`、`{n}`、`{n,}`、`{n,m}`	重復(fù)匹配	4	`^`、`$`、`/b`、`/B`、`/A`、`/Z`	邊界限制	5	`\|`	模式選擇