正则表达式学习笔记

学习了deerchao的《正则表达式30分钟入门教程》后进行的总结。

http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#lookaround

定位符：

\b         定位单词（字母、数字、汉字或“_”组合的字符串，即由不少于1个“\w”组成）界限。空格、除了“_”的特殊符号及标点符号、换行符、回车符、制表符（Tab）等构成该界限。

^            定位输入文本（text）的开头。

$            定位输入文本（text）的结尾（使用了^和$后，pattern和输入文本进行整体比较）。

重复：

*            指定*前边的内容可以连续重复任意次（0,1,2...）以使整个表达式得到匹配(下边的+、?、{}都是同一类限定符)。

+            可以重复1次或多次的前导字符（类似于*）。

?            可以重复0次或1次的前导字符.

\d          匹配一位数字(0，或1，或2，或……)。

\d{2}   表示匹配两位重复的数字。

\d{4,} 匹配重复4次或更多次的数字。

\d{3,6}  匹配3~6位的连续重复数字。

常用匹配符：

.             匹配除了换行符以外的任意字符。

\s           匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。

\w         匹配字母、数字、下划线或汉字等一个字符(等价于[a-z0-9A-Z_])。

字符转义：

\            使用反斜杠组成“\.”“\\”等格式，来匹配“.”和“\”等字符。

字符类：

[]            字符类。将要查找的字符罗列在[]内。如[aeiou]、[a-g]、[a-z0-9A-Z_]。

              复杂的例子：

分支条件：

含义：分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。

注意：使用分枝条件时，要注意各个条件的顺序。匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

例子：\(?0\d{2}[) -]?\d{8}可以匹配(010)88886666，或022-22334455，或02912345678等格式的号码，但也会错误匹配到010)12345678或(022-87654321的格式。

改为\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}。

分组：

用途：用小括号来指定子表达式

(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5])   匹配IP地址。

反义：

用途： 查找或定位不属于某个能简单定义的字符类的字符。

\B          定位不是字边界的任意位置。

\S          匹配任何不是空白的字符。

\W         匹配任意不是字母，数字，下划线，汉字的字符.

\D          匹配任意非数字的字符.

[^x]       匹配除了x以外的任意字符.

[^aeiou]匹配除了x以外的任意字符.

例子：\S+         匹配不包含空白符的字符串。

<a[^>]+>匹配用尖括号括起来的以a开头的字符串。

后向引用：

用途：用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。

注意：分组0对应整个正则表达式。

实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号。

(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。

例子：               \b(\w+)\b\s+\1\b   用来匹配两次重复的单词（单词间有1~多个空白字符）。

零宽断言：

用途：定位一个位置，但是不对该内容进行匹配。

(?=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)

贪婪与懒惰：

*?    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：

IgnoreCase(忽略大小写)    匹配时不区分大小写。

Multiline(多行模式)       更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)

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。

平衡组/递归匹配：

(?'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