30分钟入门正则表达式 学习笔记

原文

有一个问题，在此记录：

在负向零宽断言里面，匹配q后面不是u的单词。
使用 \b\w*q(?!u)\w*\b 不能解决 qsqu这种情况。
即qs已经消耗了负向零宽断言，但是仍然存在qu的这种情况。

学习笔记：

\b #元字符 只匹配一个位置
\bhi\b #精确查找hi这个单词
\bhi\b.*\bLucy\b #hi后面不远处跟着一个Lucy
0\d{2}-\d{8} #匹配012-12345678电话号码


元字符
表1.常用的元字符
代码 说明
. 匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线或汉字
\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
^ 匹配字符串的开始
$ 匹配字符串的结束


示例：
\ba\w*\b #以a开头的单词
\d+ #一个或多个数字
\bw{6}\b #6个字符的单词
^\d{5,12}$ #整个字符串是5-12位的数字


字符转义
查找元字符本身  \转义


重复
表2.常用的限定符
代码/语法 说明
* 重复零次或更多次
+ 重复一次或更多次
? 重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次


示例：
Windows\d+ #Windows后跟一个或多个数字
^\w+ #匹配整个字符串的第一个单词


字符类
[abcd!@#] #匹配[]中的任意一个字符
[0-9] #\d
[0-9a-zA-Z] #\w
\(?0\d{2}[) -]?\d{8}#[phone] 010-12345678


分枝条件
0\d{2}-\d{8}|0\d{3}-\d{7}#满足二者之一即匹配，注意顺序，防止短路


分组
(\d{1,3}\.){3}\d{1,3}#简单匹配ip地址
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)#精确匹配ip地址


反义


表3.常用的反义代码
代码/语法 说明
\W 匹配任意不是字母，数字，下划线，汉字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非数字的字符
\B 匹配不是单词开头或结束的位置
[^x] 匹配除了x以外的任意字符
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符


\S+ #不包括空白的符的字符串
<a[^>]+> #用尖括号括起来的以a开头的字符串


向后引用
为了重复搜索前面某个分组匹配的文本
表4.常用分组语法
分类 代码/语法说明
捕获 (exp)匹配exp,并捕获文本到自动命名的组里
(?<name>exp) 匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
(?:exp) 匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言(?=exp) 匹配exp前面的位置
(?<=exp) 匹配exp后面的位置
(?!exp) 匹配后面跟的不是exp的位置
(?<!exp) 匹配前面不是exp的位置
注释 (?#comment)这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读


零宽断言
类似 \b ^ $,指定一个位置
(?=exp) #以exp结尾
(?<=exp) #以exp开头
\b\w+(?=ing\b)#以ing结尾的单词的前半部分
(?<=\bre)\w+\b #以re开头的单词的后半部分
(?<=\s)\d+(?=\s)#以空白符间隔的数字




负向零宽断言
(?!exp) #断言此后不能出现exp表达式
(?<!exp) #断言此前不能出现exp表达式
\b\w*(q(?!u))*\w*\b#q后面不是u的单词 (?!u)只匹配位置，不消耗字符
~此处存在问题 qsqu
\b{3}(?!\d) #后面不是数字的三位数字
(?<![a-z])\d{7}#前面不是小写字母的7位数字
(?<=<(\w+)>).*(?=<\/\1>)#匹配不包含属性的简单html标签中的内容
注释
方法一：(?#这里是注释的内容)
方法二：忽略模式里的空白符 可在#后加注释


贪婪与懒惰
在通配符后加 ?  则会尽可能匹配少的元素 
表5.懒惰限定符
代码/语法 说明
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复


处理选项
表6.常用的处理选项
名称 说明
IgnoreCase(忽略大小写)匹配时不区分大小写。
Multiline(多行模式)更改^和$的含义，在任意一行的行首和行尾匹配
Singleline(单行模式)更改.的含义，使它与每一个字符匹配（包括换行符\n）。
IgnorePatternWhitespace(忽略空白)忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获)仅捕获已被显式命名的组。
注：单行模式和多行模式可以同时使用。


平衡组/递归匹配
这个感觉好难的样子 = = ，只能说看的懂。
(?'group') 把捕获的内容命名为group,并压入堆栈(Stack)
(?'-group') 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败
(?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分
(?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败






还有什么东西没提到
表7.尚未详细讨论的语法
代码/语法 说明
\a 报警字符(打印它的效果是电脑嘀一声)
\b 通常是单词分界位置，但如果在字符类里使用代表退格
\t 制表符，Tab
\r 回车
\v 竖向制表符
\f 换页符
\n 换行符
\e Escape
\0nn ASCII代码中八进制代码为nn的字符
\xnn ASCII代码中十六进制代码为nn的字符
\unnnn Unicode代码中十六进制代码为nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串开头(类似^，但不受处理多行选项的影响)
\Z 字符串结尾或行尾(不受处理多行选项的影响)
\z 字符串结尾(类似$，但不受处理多行选项的影响)
\G 当前搜索的开头
\p{name} Unicode中命名为name的字符类，例如\p{IsGreek}
(?>exp) 贪婪子表达式
(?<x>-<y>exp) 平衡组
(?im-nsx:exp) 在子表达式exp中改变处理选项
(?im-nsx) 为表达式后面的部分改变处理选项
(?(exp)yes|no)把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes) 同上，只是使用空表达式作为no
(?(name)yes|no)如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
(?(name)yes) 同上，只是使用空表达式作为no