正则表达式

动机

文本处理已经能称为计算机常见工作之一
应对文本内容的搜索，定位，提取时逻辑比较复杂的情况
为了快速方便的解决上述问题，产生了正则表达式

简介

定义：即文本的高级匹配模式，提供搜索，替换等功能。其本质是由一系列字符和特殊符号构成的字符串，这个字符串即正则表达式

原理：通过特殊符号（元字符）去描述字符的组成规则，比如重复，位置等，来表达一类字符串，进而匹配。

元字符的使用

普通字符

匹配规则：每个普通字符匹配对应字符

注意：可以匹配utf-8字符

匹配两侧

元字符：|

匹配规则：匹配| 两侧任意正则表达式

匹配单个字符

元字符： .

匹配规则：匹配除换行外任意一个字符

匹配字符集

元字符： [字符集]

匹配规则：匹配字符集中任意一个字符

表达形式：[字符] [字符区间] [字符集字符区间] —字符区间写在后面

匹配字符集取反

元字符：[^字符集]

匹配规则：除了字符集外的任意一个字符

匹配字符串开始位置

元字符：^写在正则表达式开始处

匹配规则：匹配字符串开始位置

匹配字符串结束位置

元字符：$写在正则表达式结尾处

匹配规则：匹配字符串结束位置

匹配字符重复

元字符：*

匹配规则：匹配前面的字符出现0次或多次

元字符：+

匹配规则：匹配前面的字符出现1次或者多次

元字符：？

匹配规则：匹配前面的字符出现0次或者1次

元字符：｛n｝

匹配规则：匹配前面的字符出现了n次

元字符：｛m,n｝

匹配规则：匹配前面的字符出现了m-n次

9.匹配任意（非）数字字符

元字符：\d \D

匹配规则：\d 匹配任意数字字符 ==>[0-9]

\D 匹配任意非数字字符 ==>[^0-9]

10.匹配任意（非）普通字符

元字符：\w \W

匹配规则：\w 匹配普通字符

\W 匹配非普通字符

说明：普通字符指，数字，字母，下划线，汉字普通utf-8字符

匹配任意（非）空字符

元字符：\s \S

匹配规则： \s 匹配任意空字符

\S 匹配任意非空字符

说明：空字符指空格 \n \t \v \f

匹配字符串开头结尾位置

元字符：\A \Z

匹配规则：\A ==> ^

\Z ==> $

使用技巧：如果正则表达式中同时出现^ $，则两者之间的正则表达式需要将目标字符串内容全部匹配

匹配单词（非）边界位置

元字符：\b \B

匹配规则：单词边界指普通字符（\w代表的字符）与其他字符的交界位置

匹配字符：. […] [^…] \d \D \w \W \s \S

匹配重复： * + ? {n} {m,n}

匹配位置： ^ $ \A \Z \v \B

其他: | ( ) \

元字符的使用

如果使用正则表达式匹配特殊字符，需要加\ 表示转义

特殊字符： . * + ? ^ $ [] { } ( ) | \

raw字符串：在字符串前加r，表示该字符串为raw字符串，这样的字符串不会进行字符串转义处理。

贪婪与非贪婪

贪婪模式：默认情况下，匹配重复的元字符总是竟可能多的向后匹配更多内容。

非贪婪模式（懒惰）：让重复元字符尽可能少的匹配内容元字符后+？贪婪—>非贪婪