正则表达式简单介绍

正则表达式是对字符串操作的一种逻辑公式，用事先规定好的一些特殊字符，以及这些字符的组合，组成一个“规则字符串”。这个“规则字符串”用来表达对字符串的一种过滤逻辑。通常被用来索引、替换、校验的操作。

一，正则表达式-元字符

正则表达式用事先规定好的一些特殊字符，以及这些字符的组合来表达字符串的一种过滤逻辑。前提咱就得先熟悉这些特殊字符（元字符）。

元字符 描述 实例 备注 ^ 1:匹配输入字符串的开始位置 2:方括号表达式中使用，此时它表示不接受该字符集合 定位符|特殊字符 $ 匹配输入字符串的结束位置 定位符 \b 匹配一个单词边界 定位符 \B 匹配一个非单词边界 定位符 \B 标记一个子表达式的开始和结束位置 定位符 * 匹配前面的子表达式零次或者多次 限定字符 + 匹配前面的子表达式一次或者多次 限定字符 ? 1:匹配前面的子表达式零次或者一次 2: 当该字符紧跟在任何一个其他的限制符（*、+、？、{n}、{n,}、{n,m}）后面时，匹配模式是非贪婪的 限定字符 {n} 匹配前面的子表达式n次 限定字符 {n,m} 匹配前面的子表达式至少n次 限定字符 . 匹配任意一个单字符(\n排除在外) 特殊字符 () 标记一个子表达式的开始和结束位置 特殊字符 \ 将下一个字符标记为一个特殊字符，或一个原义字符，或一个向后应用，或一个八进制转移字符 特殊字符 | 匹配两项之间的一个选择 特殊字符 (parttem) 匹配parttem并且获取这一匹配，所获取到的匹配可以从产生的Matches集合得到 特殊字符 (?:parttem) 匹配parttem但是不获取匹配结果 特殊字符 (?=pattem) 正向（肯定）预查（在需要匹配的字符串后面匹配parttem） 特殊字符 (?!pattem) 反向（否定）预查（在需要匹配的字符串后面不匹配parttem） 特殊字符 [xyz] 字符集合，匹配所包含的任意一个字符 特殊字符 [^xyz] 负字符集合，匹配未包含的任意字符 特殊字符 [a-z] 字符范围，匹配指定范围内的任意字符 特殊字符 [^a-z] 负字符范围，匹配任何不在指定范围内的字符 特殊字符 \d 匹配一个数字字符，等价于[0-9] 特殊字符 \D 匹配一个非数字字符，等价于[^0-9] 特殊字符 \w 匹配包括下划线的任何单词字符，等价于[a-zA-Z0-9_] 特殊字符 \W 匹配任何非单词字符，等价于[^a-zA-Z0-9_] 特殊字符 \xn 匹配n，其中n为十六进制转义值，十六进制转义值必须为确定的两个数字长 \x41 ：匹配A 特殊字符 \num 匹配num,其中num是一个正整数，对获取的匹配的引用 特殊字符 \n 标识一个八机制转义值或一个向后引用，如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字(0-7),则n为一个八进制转义量 特殊字符 \nm 标识一个八机制转义值或一个向后引用，如果\nm之前至少nm个获取的子表达式，则nm为向后引用。否则，如果n、m均为八进制数字(0-7),则nm为一个八进制转义量 (.)\1：匹配两个连续的相同字符 特殊字符 \nml 如果n为八进制数字(0-3),且m和l均为八进制数据(0-7),则匹配八进制转义值nml 特殊字符 \un 匹配n,其中n是一个用四个十六进制数字表示的Unicode字符 \u00A9：匹配版权符号(?) 特殊字符 \cx 匹配由x指明的控制字符 /cM：匹配一个Control-M或回车符 非打印字符 \f 匹配一个换页符，等价于\x0c 和 \cL 非打印字符 \n 匹配一个换行符 非打印字符 \r 匹配一个回车符，等价于\x0d 和 \cM 非打印字符 \s 匹配任何空白字符，包括空格，制表符，换页符等等,等价于[\f\n\r\t\v] 非打印字符 \S 匹配任何非空白字符,等价于[^\f\n\r\t\v] 非打印字符 \t 匹配一个制表符,等价于\x09和\cl 非打印字符 \v 匹配一个垂直制表符,等价于\x0b和\cK 非打印字符

二，正则表达式-运算符优先级

正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。相同优先级的从左到右进行运算，不同优先级的运算先高后低。

运算符(高到低) 描述 \ 转义符 (), (?:), (?=), [] 圆括号和方括号 *, +, ?, {n}, {n,}, {n,m} 限定符 ^, $, \任何元字符、任何字符 定位点和序列（即：位置和顺序） | 替换，”或”操作

三，正则表达式-分组捕获

捕获的前提是分组，正则表达式中，通过小括号来分组，小括号里面包裹的指定表达式（子串）也叫分组。捕获有两种情况：捕获组、非捕获组。

捕获组：捕获组通过从左到到右的开括号来编号。0下标始终代表整个表达式，可以认为最外层也有一层小括号，只是被隐藏了。

例如正则表达式 :(A)(B(C)) 匹配出来的捕获组有四个组：0->(A(B(C))) 、1->(A)、2->(B(C))、3->(C)。

源字符串：http://www.runoob.com:80/html/html-tutorial.html 正则表达式：(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)。匹配到的结果有五个分组：0（http://www.runoob.com:80/html/html-tutorial.html）、1（http）、2（www.runoob.com）、3（:80）、4（/html/html-tutorial.html）

非捕获组：以 (?) 开头的组是纯的非捕获 组，它不捕获文本 ，也不针对组合计进行计数。就是说，如果小括号中以?号开头，那么这个分组就不会捕获文本，当然也不会有组的编号。

四，正则表达式-反向引用

捕获组在匹配成功时会将子表达式匹配到的内容，保存到内存中一个以数字编号的组里，可以简单的认为是对一个局部变量进行了赋值，这时就可以通过反向引用方式，引用这个局部变量的值，不仅可以在正则表达式外部通过程序进行引用，也可以用在正则表达式内部进行引用。这种引用就是反向引用。反向引用一定要和捕获组一起使用，用 \num的方式引用， num是十进制的数字对应捕获组里面的下标。

实例一要求：查找文本中两个相同的相邻单词
正则表达式 ： \b([a-z]+)\b \b\1\b
解释：\b([a-z]+)\b 表示单词
结果：源字符串 Is is the cost of of gasoline going 匹配到一个结果of of

一个更加复杂例子分析： 源字符串：aaa bbbb ffffff 999999999 正则表达式：(\w)((?=\1\1\1)(\1))+
匹配结果三个：bb ffff 9999999
解释：(\w)((?=\1\1\1)(\1))+ 先取出一个字符，判断后面是不是有三个相同的字符，有就取出一个，然后再判断后面是不是有三个相同的字符，有就取出一个。一直这么下去。得到最终结果。

五，正则表达式-预查

预查：预先判断是否是某个值。分两种情况：正向预查->预先判断是否有某个值、反向预查->预先判断没有某个值。

标题 正则 实例 正向（肯定）预查（在需要匹配的字符串后面匹配parttem） (?=pattem) ff(?=ab) 匹配ff，要求ff的后面必须是ab。ffab可以匹配到 反向（否定）预查（在需要匹配的字符串后面不匹配parttem） (?!pattem) ff(?!ab) 匹配ff，要求ff的后面不能是ab。ffa可以匹配到

实例要求：abcd四个字母连接，每个字母有且仅出现一次，并且顺序可以不固定（abdc,abcd,bcad等等情况）

正则表达式：([abcd])(?!\1)([abcd])(?!\1|\2)([abcd])(?!\1|\2|\3)([abcd])

六，正则表达式-贪婪、非贪婪

贪婪模式：尽可能多的匹配（属于贪婪模式的元字符{n,m}、{n,}、、+、?）。非贪婪：尽可能少的匹配（贪婪模式元字符后面加? {n,m}?、{n,}?、?、+?、??）。

源字符串：testabactestmmanantest
贪婪模式正则：test.*test 结果：testabactestmmanantest
贪婪模式正则：test.*?test 结果：testabactest

七，正则表达式-实例汇总

要求 正则表达式 数字 ^[0-9]*$ 正整数 ^[1-9][0-9]{0,}$ 整数 ^-{0,1}[0-9]{1,}$ 浮点数 ^[-]?[0-9]+.?[0-9]+$ 汉字 ^[\u4e00-\u9fa5]{0,}$ 由字母、数字、下划线组成的字符串 ^[a-zA-Z0-9_]{1,}$ Email地址 ^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$ 日期格式 ^\d{4}-\d{1,2}-\d{1,2}

备注：实例会持续收集