我学习正则表达式的笔记

一、正则表达式的语法
要灵活运用正则表达式，必须了解其中各种元字符的功能，元字符从功能上大致分为：
  1，限定符
 2，选择匹配符
 3，分组组合和反向引用符
 4，特殊字符
 5，字符匹配符
 6，定位符

限定符：用于指定前面的字符或组合项连续出现多少次。
1，｛n｝
举例说明：“o{2}”不能与“Bob”中的“o”匹配，但可以与“food”中的两
个“o”匹配，也可与“fooood”中的任意两个连续的“o”匹配。
2，{n,}
举例说明：“o{2,}”不能与“Bob”中的“o”匹配,但可以与“foooood”中的所有
的“o”匹配。
3，{n,m}
举例说明：“o{1,3}”既可匹配“food”中的两个“o”,又可匹配“fooood”中的
连续的三个“o”。
4，+ （前面的元素或组合项至少出现一次）
举例说明：“zo+”与“zo”和“zoo”等在字母之z后面连续出现一个或多个字母
O的字符串匹配。（等效如{1,}）
5, *（前面的元素或组合项至少出现0次或多次）
举例说明：zo*与“z”和“zoo”都能匹配。*等效于{0,}。
6，？（规定前面的元素或组合项出现0次或1次）
举例说明：“zo?”可以匹配“z”或“zo”，也可以匹配“zoo”中的“zo”部分
，但不能匹配整个“zoo”。（等效于（0,1））

贪婪匹配与非贪婪匹配
1. 贪婪匹配
默认情况下，正则表达式使用最长（也叫贪婪）匹配原则。例如，要将
“zoom”中匹配“zo?”的部分替换成“r”，替换后的结果是“rom”
不是“room”；如果要将“zoom”中匹配“zo”部分替换成“r”，替换后的结果
是“rm”，不是“rom”或“room”。
2. 非贪婪匹配
当字符“?”紧随任何其他限定符（*、+、？、｛n｝、｛n，｝、｛n，m｝）之后时，
匹配模式变成使用最短（也叫非贪婪）匹配原则。例如，在字符串“fooood”
中，“fo+?”只匹配“fo”部分，而“fo+”匹配“foooo”部分。

选择匹配符：
选择匹配符只有一人，就是“｜”字符，用于选择匹配两个选项之中的任意一个，
它的两个选项是“｜”字符两边的尽可能最大的表达式。
     举例说明：
         “chapter｜section 1”匹配的是“chapter”或“section 1”，而不是
          “chapter 1”或“section 1”；如果要匹配“chapter 1”或“section 1”，
           应该使用括号创建子表达式，即“（chapter｜section）1”。

 

分组组合和反向引用符：
    分组组合符：将正则表达式中的某一部分内容组合起来的符号。
    反向引用符：用于匹配前面的分组组合所捕获到的内容的标识符号。

   
• （pattern）（存入缓冲区）
     说明：若要匹配字面意义的括号字符“（”和“）”，在正则表达式中要分别
     使用“/(”和“/)”。
•  /num
     举例说明：要匹配连续的5个数字字符，可以使用/d{5}作为是正则表达式文本
     但是，要匹配连续的的5个相同的数字字符，需要使用（/d）/1{4}作为正则表达式文本。要匹配“Is is the cost of of gasoline going up up?”中所有连续重复的单词部分，可以使用//b([a-z]+)/1/b/gi作为正则表达式文本。
•  （？：patterm）（不存入缓冲区）
     举例说明：不能将“industry｜industries”简单地改写成“industr（y｜ies）”,
     如果不需要引用或检索括号中的表达式所匹配的结果，最好还是改写成“industr（？：y｜ies）”。
•   (?=pattern) 
      正向“预测先行”匹配
      举例说明：使用“Windows（？=NT｜2000）”作为正则表达式模式，它只与“Windows 2000”或“Windows NT”中的“Windows”匹配，而不与“Windows 2003”中的“Windows”匹配。
       ？多想一想：以“Windows（？=NT｜2000）Series”作为正则表达式模式，在文本“My Windows NT Series”中的匹配结果是多少呢？

•   (?!pattern)
      反向“预测先行”匹配
      举例说明：使用“Windows（?!NT|2000）”作为正则表达式，它不与“Windows 2000”或“Windows NT”中的“Windows”匹配，而可以与“Windows 2003”中的“Windows”匹配。

特殊字符
       正则表达式中以反斜杠字符（/）后紧跟其它转义字符序列来表示非打印
       字符和原义字符。
    
     •   /xn
            ASCⅡ码值等于n的字符，这里的 n必须是两位的十六进制数
举例说明：“/x41”匹配字符“A”。注意：“/x041”所表示的字符
            后跟字符“1”。
      •     /n
             要求这里的n（0-7）是一个一位的八进制数，如果这里的n前面至少
             有n个捕获子匹配，那么这个斜杠n它就是被用作反向引用，否则它就是被
             用作匹配ASCII码值等于这个n的字符
      •     /nm
              这里的m和n都是一位的八进制数如果在这个表达式的前面至少有nm个捕获子表达式，那么这个格式就是反向引用，如果前面至少有n个捕获，那么这个表达式的/n部分就是反向引用，那么后面m就是字面意义上的数字字符了，如果刚才说的那些条件都不存在，那么它才是匹配ASCII码的值的八进制形式等于nm的那个字符
      •     /nml
              当n是0到3之间的八进制数和m和l是0到7之间的八进制数的时候，它才能匹配ASCII码值的八进制形式等于nml的那个字符。
      •     /un
              用来匹配Unicode码等于n的字符，这里的n必须是一个四位的十六进制数据
              举例说明：/u00A9匹配版权符号。
      •     /CX
              匹配由X所指定的控制字符。这个X的值必须是大写的A到Z或
              小写的a到z之间的一个字符，否则这个C完全是字面意义上的字符
               C本身，X是原来的字符意义了，而不再表示控制字符了
              举例说明：/cM匹配Control+M表示的控制字符，也就是回车符。
      •     /f 
              匹配换页符，等效于/x0c和/cL。
      •     /n
              匹配换行符，等效于/x0a和/cJ。
      •     /r
              匹配回车符，等效于/x0d和/cM。
      •     /t
              匹配制表符，等效于/x09和/cl。
      •     /v
              匹配垂直制表符，等效于/x0b和/cK。

字符匹配符
字符匹配符：用于指定该符号部分可以匹配多个字符中的任意一个。
• ［…］
说明：如果字符集中要包含“］”字符，需要将它放在第一位，即紧跟在开始“［”后面。［…］中的字符“/”仍然作为转义符，若要在［…］中包含“/”本身，需要使用“//”。
•  ［^…］
     说明：只要字符“^”不是出现在第一个“［”后面，它就是还是字面意义上的“^”。
•   ［a-z］
     说明：要在中括号表达式中包括字面意义的连字符（-），可以用反斜杠（/）将它
     标记为原义字符，例如，［a/-z］，但此时指的是三个字符了。也可以将连字符（-）放在方括号的开始或结尾处，例如，［-a-z］或［a-z-］。
•   ［^a-z］
•    /d
      可以匹配任意一个数字字符。
•    /D
      它可以匹配一个非数字字符。
•    /s   等效于［ /f/n/r/t/v］。
      它可以匹配任何空白字符。
•    /S   等效于［^/f/n/rt/v］。
      它可以匹配任何非空白的字符。
•    /w   等效于［A-Za-z0-9_］。
      它可以匹配任何英文字母和数字类的字符以及下划线。
•    /W   等效于［^A-Za-z0-9_］。
•    .
      它可以匹配除了/n以外的单个任何字符。
      说明：“（.）/1”匹配除了“/n”以外的两个连续的相同的字符。若要匹配
      包括“/n”在内的任意字符，可以使用“［/s/S］”，“［/d/D］”或“［/w/W］”
      等模式。若要匹配“.”字符本身，需要使用“/.”。
     

定位符 
定位符：用于规定匹配模式在目标字符串中的出现位置。
•   ^
     用于匹配目标字符串的开始位置，规定匹配必须发生在目标字符
     串的开始位置上。
     举例说明：“^o”与“ok”中的“o”匹配，但与“hello”中的
     “o”不匹配。如果设置了RegExp对象实例的Multiline属性，
     ^还会与行首匹配，即与“/n”或“/r”之后的位置匹配。
•   $
     用于匹配目标字符串的结尾位置，规定匹配必须发生在目标
     字符串的结尾。这个$ 只能写在表达式的末尾才能发生此作用。
     举例说明：“o$”与“hello”中的“o”匹配，但与“ok”中的
     “o”不匹配。如果设置了RegExp对象实例的Multline属性，
      $还会与行尾匹配，即与“/n”或“/r”之前的位置匹配。
  •  /b
       它可以匹配一个字边界，也就是一个单词的边界。
       它包含了字与空格间的位置以及目标字符串的开始和结束等位置。
       举例说明：“er/b”匹配“never ok”中的“er”，但不匹配“verb”
       中的“er”。
  •  /B
        用来匹配非字边界的情况。
举例说明：“er/B”匹配“verb”中的“er”，但不匹配“never”中的“er”。

原义字符
     在正则表达式中用到的一些元字符不再表示它原来的字面意义，如果要匹配这些具有特殊意义的元字符的字面意义，必须使用反斜扛（/）将它们转义为原义字符，即将反斜杠字符（/）放在它们前面。

      需要进行转义的字符：
      “$”、“(”，“)”、“*”、“+”、“.”、“[”、“]”、“?”、“/”、“/”、“^”、“{”、“}”、“|”

优先级顺序
     正则表达式从左到右进行计算，并遵循优先级顺序。例如，“*”比字符的优先级高，“ab*”是“b”和“*”组合后、再和前面的“a”组合。“（）”比“*”的优先级高，“（ab）*”是“a”和“b”组合后、再和后面“*”组合。字符比“｜”的优先级高，“a｜bc”是“b”和“c”组合后，再和前面的“a”进行选择组合，是“a”和“b”进行选择组合，再和后面的“c”组合。

 

一些正则表达式范例：
   •   匹配空行: /^/s*$/
   •   匹配HTML标记： /<(/S+)(/s[^>]*)?>[/s/S]*<///1/s*>/
   •   匹配email地址： /［a-zA-Z0-9_-］+@[ a-zA-Z0-9_-]+(/.[ a-zA-Z0-9_-]+)+/
   •   匹配两个相同的相邻单词： //b([a-z]+/1/b)/
   •   匹配ip地址：/^(/d{1,2}|1/d/d|2[0-4]/d|25[0-5])(/.(/d{1,2}|1/d/d|2[0-4]/d|25[0-5])){3}$/