关于正则表达式的一些笔记

常用的元字符：

 -    .      匹配除换行符以外的任意字符

 -    \w  匹配字母、数字、下划线、汉字

 -    \s    匹配任意的空白符

 -    \d    匹配数字

 -    \b    匹配单词的开始或结束(单次当中总不能出现换行之类)

 -    ^    匹配字符串的开始

 -    $    匹配字符串的结束

所有表示元字符匹配个数的元字符(数量一般出现在需要控制字符的右边)

 -    *    重复零次或更多次

 -    +    重复至少一次或更多次

 -    ？    重复零次或一次

 -    {n}    重复n次

 -    {n，m}    重复n到m次

 -    {n，}    重复n次或更多次

如果希望匹配一定范围内的字符，只需要在方框中将其列出

 -    [0-9] 与 \d 的含义是一样的

 -    [a-z0-9A-Z] 与 \w的含义是一样的

 -    [，！？] 匹配三个标点符号 ， ！ ？ (中括号中出现的字符不需要转义)

 

例如：要匹配和(010)1234567或者010-1234567的正则表达式是：^\(?0\d{2}\[)-]\d{7}$

当然，上面的正则表达式可能会匹配出010)1234567或者(010-1234567这样的不符合预期结果的字符串

这就需要使用到分支结构

分支结构：

| 表示分支结构（就是逻辑短路或的运算符，从左只有匹配测试，左边的通过了右边的就不测试了）

上面的正则表达式就可以写成：^\(0d{2}\)d{7}$|^0d{2}-d{7}$

分组结构：

如果重复一个数字是\d{n}，那么重复一组制定的数字呢，要使用分组结构比如(213){3}会匹配到含有“213213213”的内容

现在需要对一个输入的ip地址检查其合法性：^(\d{3}\.)\d{3}$，但是这可能出现例如256.333.444.555这样可怕的ip

但是很遗憾正则表达式并不支持数学运算匹配，只好这么写:^(2[0-4]\d|25[0-5]|[01]?\d\d?\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)$

分析：ip每一段由一个“三位数组成”，有三种情况：

    - 2 , [0-4] , [0-9]        (以2开头，第二位不能超过4，第三位任意数字)

    - 2 , 5 , [0-5]                (以2开头，第二位是5，第三位不能超过5)

    - [01]?,[0-9]?,[0-9]?    (第一位是01当中的一个或者什么都没有，后两位随意)（注意：这里至少要保证有一个数字存在）

反义机制：

将元字符大写比如存在数字\d，反之不存在数字\D

[]的用法：存在ab当中任意一个的字符串：^[ab]$，ab当中任何一个都不存在的字符串^[^ab]$(只要不包含ab都能够表达)

后向引用：

所有被( )括在当中的表达式都将是一个独立的分组，从左向右，从1到n（n表示任意数字），依次被标记，使用例如\1将其引用

比如^(\w\w)\d\1$能够匹配 go2go ha6ha的字符串

零宽断言：

(?=exp) 零宽正预测先行断言：断言某内容后一定有exp紧跟其后（不包括exp）

(?=<exp) 零宽正回顾后发断言：断言某内容一定紧跟在exp之后（不包括exp）（真TM不是地球人起的名字）

例如 被空格隔开的任意数字的正则表达式为：^(?=<\s)\d+(?=\s)$

(?!exp) 零宽负预测先行断言：断言某内容后一定没有exp紧跟其后

(?<!exp) 零宽负预测后发断言：断言某内容一定没有跟随在exp之后

正则表达式当中的注释：(#comment)

贪婪与懒惰：

正则表达式的匹配规则默认是贪婪的：

例如用^a.*b$去匹配字符aabab，得到的匹配项是aabab，也就是说尽量多的去匹配。那如果我们希望匹配到aab和ab要怎么办：

使用懒惰规则：即在表达匹配字符数量的元字符后面加上一个？

比如上面的例子可以这么写：^a.*?b$得到的匹配项是aab和ab

 

平衡组、递归匹配

当需要对多层嵌套的左右括号作匹配时，使用分支结构考虑种种情况是不可能，这个时候就需要用的一种叫做平衡组的方法

平衡组主要是利用了堆栈的概念，先进后出，从左向右对左括号做压栈操作，对右括号做出栈操作，每次检查判断堆栈中是否还有能够出栈的元素

检查结束时判断堆栈中是否还有元素未出栈。

 

需要实现定义一个‘栈’-‘group’，通过(?'group'\()对(压栈，(?'-group'\()对(出栈

最后判断group当中是否还有内容，如果还有内容说明匹配不成功 - (?(group)(?!))

对这个判断的说明：(?(group)yes|no)判断group是否还有内容有则执行yes，没有则执行no

所以上述问题可以这样写：

\(                                              #最外层的左括号

    [^()]*                                   #其后跟随非括号任意内容

    (

        (

            (?'group'\()[^()]*        #遇见左括号压栈

        ) + 

        (

            (?'-group'\))[^()]*      # 遇见右括号弹栈

        ) +

    ) *

    (?(group)(?!))                      #判断堆栈是否为空

\)                                             #最外层的右括号