笔记 正则表达式RE -00 basic [need update]

regular expression: a pattern that strings can match 

正则表达式就是匹配 目标字符串是一个subject，希望匹配的内容是一个pattern，利用正则，找出subject里匹配pattern的字符串

//eg: '*.txt' matches filename ending in '.txt'

//warning: notation is ugly 

正则表达式基本语法：界定符，原子，量词，边界控制，模式单元 

- 界定符：

表示一个RE的开始和结束/[0-9]/, 或者#[0-9]#, {[0-9]}(一般不用"{}"作为界定符)

regexpal 正则表达式实时调试工具 

- 原子： 

正则表达式中的最小匹配单位 【可以是Unicode编码表】分为可见原子和不可见原子 

可见原子：Unicode编码表中用键盘输出后肉眼可见的字符 

包含标点，英文字母数字，汉子，日文，阿拉伯文等其他语言，数理化公式符号，其他可见字符等 

不可见原子： Unicode编码表中用键盘输出后肉眼不可见的字符 

如：\n, \r, \t, 空格 以及其他不可见符号 

可以利用regexpal来匹配调试，在匹配前，为了避免由于编码格式不同可能产生的问题，我们先用Unicode转换工具将pattern先转为Unicode再进行匹配 

如果遇到re运算符（如“$”）, 就在字符前面加上"\"进行转义 

元字符

- 原子的筛选方式：“|” 匹配两个或更多；“[]”匹配"[]"内任意一个原子；“[^]”匹配方括号内原子之外的任意字符 

 [0-9a-zA-Z] 即匹配0-9或a-z或A-Z中任意字符

 [^asdfe] 匹配所有非asdfe的字符 

 [Aa]pple，匹配apple或Apple 

- 原子的集合 

“.”匹配除换行符之外的任意字符，即[^\n]

“\d”匹配任意一个十进制数字，即[0-9] 

“\D”匹配任意一个非十进制数字，即[^0-9] 

“\s”匹配一个不可见原子，即[\f\n\r\t\v]

“\S”匹配一个可见原子，即[^\f\n\r\t\v]

“\w”匹配一个数字，字母或下划线，即[ [0-9a-zA-Z_]

“\W”匹配一个非数字，字母或下划线，即[ ^0-9a-zA-Z_]

- 量词 

[查找在目标字符串中某一个原子连续出现多少次] 

{n} 恰好n次 

{n,} >=n次 

{n,m} n<=?<=m次 

"*" 匹配0次，1次或者多次，即{0}

"+" 匹配1次或者多次，即{1}

"?" 匹配0次，或者1次，即{0,1}

- 边界控制与模式单元 

^匹配字符串开始位置  

$ 匹配字符串结尾位置 

() 匹配其中对整体为一个原子 

修正模式

- 贪婪匹配（匹配结果存在歧义时取其长，通常默认是贪婪匹配）与懒惰匹配 （匹配结果存在歧义时取其短，在pattern后面加一个大写U）

- i - 忽略英文字母大小写

- x 忽略空白 

- s 让元字符"."匹配包括换行符在内所有字符 

- e 

补充举例

.+ 非空：可以利用这个来判断用户是否已经输入内容，如果没有，可以提示用户表单是必填内容，否则无法提交。 

\d+\.\d{2}$ 匹配两位小数的数字 

1(3|4|5|7|8)\d{9}$ 匹配手机号

^\w+(\.\w+)*@\w+(\.\w+)+$ e-mail 地址验证匹配 

^(https?://)?(\w+\.)+[a-zA-Z]+$ 匹配顶级域名链接 

Ref: http://www.imooc.com/learn/350