正则表达式详细规则

正则表达式详细规则

1. 基本匹配

正则表达式其实就是在执行搜索时的格式，它由一些字母和数字组合而成。 例如：一个正则表达式 ​​the​​​，它表示一个规则：由字母​​t​​​开始，接着是​​h​​​，再接着是​​e​​。

"the" => The fat cat sat on the mat.

正则表达式​​123​​​匹配字符串​​123​​。它逐个字符的与输入的正则表达式做比较。

正则表达式是大小写敏感的，所以​​The​​​不会匹配​​the​​。

"The" => The fat cat sat on the mat.

2. 元字符

正则表达式主要依赖于元字符。 元字符不代表他们本身的字面意思，他们都有特殊的含义。一些元字符写在方括号中的时候有一些特殊的意思。以下是一些元字符的介绍：

2.1 点运算符 ​​.​​

​​.​​是元字符中最简单的例子。

​​.​​匹配任意单个字符，但不匹配换行符。

例如，表达式​​.ar​​​匹配一个任意字符后面跟着是​​a​​​和​​r​​的字符串。

".ar" => The car parked in the garage.

2.2 字符集

字符集也叫做字符类。 方括号用来指定一个字符集。 在方括号中使用连字符来指定字符集的范围。 在方括号中的字符集不关心顺序。 例如，表达式​​[Tt]he​​​ 匹配 ​​the​​​ 和 ​​The​​。

"[Tt]he" => The car parked in the garage.

方括号的句号就表示句号。 表达式 ​​ar[.]​​​ 匹配 ​​ar.​​字符串

"ar[.]" => A garage is a good place to park a car.

2.2.1 否定字符集

一般来说 ​​^​​ 表示一个字符串的开头，但它用在一个方括号的开头的时候，它表示这个字符集是否定的。

例如，表达式​​[^c]ar​​​ 匹配一个后面跟着​​ar​​​的除了​​c​​的任意字符。

"[^c]ar" => The car parked in the garage.

2.3 重复次数

后面跟着元字符 ​​+​​​，​​*​​​ or ​​?​​ 的，用来指定匹配子模式的次数。

这些元字符在不同的情况下有着不同的意思。

2.3.1 ​​*​​ 号

​​*​​​号匹配 在​​*​​​之前的字符出现​​大于等于0​​次。

例如，表达式 ​​a*​​​ 匹配0或更多个以a开头的字符。表达式​​[a-z]*​​ 匹配一个行中所有以小写字母开头的字符串。

"[a-z]*" => The car parked in the garage #21.

​​*​​​字符和​​.​​​字符搭配可以匹配所有的字符​​.*​​。

​​*​​​和表示匹配空格的符号​​\s​​​连起来用，如表达式​​\s*cat\s*​​匹配0或更多个空格开头和0或更多个空格结尾的cat字符串。

"\s*cat\s*" => The fat cat sat on the concatenation.

2.3.2 ​​+​​ 号

​​+​​​号匹配​​+​​号之前的字符出现 >=1 次。

例如表达式​​c.+t​​​ 匹配以首字母​​c​​​开头以​​t​​结尾，中间跟着至少一个字符的字符串。

"c.+t" => The fat cat sat on the mat.

2.3.3 ​​?​​ 号

在正则表达式中元字符 ​​?​​ 标记在符号前面的字符为可选，即出现 0 或 1 次。

例如，表达式 ​​[T]?he​​​ 匹配字符串 ​​he​​​ 和 ​​The​​。

"[T]he" => The car is parked in the garage.

"[T]?he" => The car is parked in the garage.

2.4 ​​{}​​ 号

在正则表达式中 ​​{}​​ 是一个量词，常用来限定一个或一组字符可以重复出现的次数。

例如， 表达式 ​​[0-9]{2,3}​​ 匹配最少 2 位最多 3 位 0~9 的数字。

"[0-9]{2,3}" => The number was 9.9997 but we rounded it off to 10.0.

我们可以省略第二个参数。 例如，​​[0-9]{2,}​​ 匹配至少两位 0~9 的数字。

"[0-9]{2,}" => The number was 9.9997 but we rounded it off to 10.0.

如果逗号也省略掉则表示重复固定的次数。 例如，​​[0-9]{3}​​ 匹配3位数字

"[0-9]{3}" => The number was 9.9997 but we rounded it off to 10.0.

2.5 ​​(...)​​ 特征标群

特征标群是一组写在 ​​(...)​​​ 中的子模式。​​(...)​​​ 中包含的内容将会被看成一个整体，和数学中小括号（ ）的作用相同。例如, 表达式 ​​(ab)*​​​ 匹配连续出现 0 或更多个 ​​ab​​​。如果没有使用 ​​(...)​​​ ，那么表达式 ​​ab*​​​ 将匹配连续出现 0 或更多个 ​​b​​​ 。再比如之前说的 ​​{}​​​ 是用来表示前面一个字符出现指定次数。但如果在 ​​{}​​​ 前加上特征标群 ​​(...)​​ 则表示整个标群内的字符重复 N 次。

我们还可以在 ​​()​​​ 中用或字符 ​​|​​​ 表示或。例如，​​(c|g|p)ar​​​ 匹配 ​​car​​​ 或 ​​gar​​​ 或 ​​par​​.

"(c|g|p)ar" => The car is parked in the garage.

2.6 ​​|​​ 或运算符

或运算符就表示或，用作判断条件。 例如 ​​(T|t)he|car​​​ 匹配 ​​(T|t)he​​​ 或 ​​car​​。

"(T|t)he|car" => The car is parked in the garage.

2.7 转码特殊字符

反斜线 ​​\​​​ 在表达式中用于转码紧跟其后的字符。用于指定 ​​{ } [ ] / \ + * . $ ^ | ?​​​ 这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线 ​​\​​。

例如 ​​.​​​ 是用来匹配除换行符外的所有字符的。如果想要匹配句子中的 ​​.​​​ 则要写成 ​​\.​​​ 以下这个例子 ​​\.?​​​是选择性匹配​​.​​

"(f|c|m)at\.?" => The fat cat sat on the mat.

2.8 锚点

在正则表达式中，想要匹配指定开头或结尾的字符串就要使用到锚点。​​^​​​ 指定开头，​​$​​ 指定结尾。

2.8.1 ​​^​​ 号

​​^​​ 用来检查匹配的字符串是否在所匹配字符串的开头。

例如，在 ​​abc​​​ 中使用表达式 ​​^a​​​ 会得到结果 ​​a​​​。但如果使用 ​​^b​​​ 将匹配不到任何结果。因为在字符串 ​​abc​​​ 中并不是以 ​​b​​ 开头。

例如，​​^(T|t)he​​​ 匹配以 ​​The​​​ 或 ​​the​​ 开头的字符串。

"(T|t)he" => The car is parked in the garage.

"^(T|t)he" => The car is parked in the garage.

2.8.2 ​​$​​ 号

同理于 ​​^​​​ 号，​​$​​ 号用来匹配字符是否是最后一个。

例如，​​(at\.)$​​​ 匹配以 ​​at.​​ 结尾的字符串。

"(at\.)" => The fat cat. sat. on the mat.

"(at\.)$" => The fat cat. sat. on the mat.

3. 简写字符集

正则表达式提供一些常用的字符集简写。如下:

4. 零宽度断言（前后预查）

先行断言和后发断言（合称 lookaround）都属于非捕获组（用于匹配模式，但不包括在匹配列表中）。当我们需要一个模式的前面或后面有另一个特定的模式时，就可以使用它们。

例如，我们希望从下面的输入字符串 ​​$4.44​​​ 和 ​​$10.88​​​ 中获得所有以 ​​$​​​ 字符开头的数字，我们将使用以下的正则表达式 ​​(?<=\$)[0-9\.]*​​​。意思是：获取所有包含 ​​.​​​ 并且前面是 ​​$​​ 的数字。

零宽度断言如下：

4.1 ​​?=...​​ 正先行断言 预测后面有什么

​​?=...​​​ 正先行断言，表示第一部分表达式之后必须跟着 ​​?=...​​定义的表达式。

返回结果只包含满足匹配条件的第一部分表达式。 定义一个正先行断言要使用 ​​()​​​。在括号内部使用一个问号和等号： ​​(?=...)​​。

正先行断言的内容写在括号中的等号后面。 例如，表达式 ​​(T|t)he(?=\sfat)​​​ 匹配 ​​The​​​ 和 ​​the​​​，在括号中我们又定义了正先行断言 ​​(?=\sfat)​​​ ，即 ​​The​​​ 和 ​​the​​​ 后面紧跟着 ​​(空格)fat​​。

"(T|t)he(?=\sfat)" => The fat cat sat on the mat.

4.2 ​​?!...​​ 负先行断言 预测后面不能有什么

负先行断言 ​​?!​​ 用于筛选所有匹配结果，筛选条件为 其后不跟随着断言中定义的格式。

​​正先行断言​​​ 定义和 ​​负先行断言​​​ 一样，区别就是 ​​=​​​ 替换成 ​​!​​​ 也就是 ​​(?!...)​​。

表达式 ​​(T|t)he(?!\sfat)​​​ 匹配 ​​The​​​ 和 ​​the​​​，且其后不跟着 ​​(空格)fat​​。

"(T|t)he(?!\sfat)" => The fat cat sat on the mat.

4.3 ​​?<= ...​​ 正后发断言 （预测前面有什么）

正后发断言 记作​​(?<=...)​​ 用于筛选所有匹配结果，筛选条件为 其前跟随着断言中定义的格式。

例如，表达式 ​​(?<=(T|t)he\s)(fat|mat)​​​ 匹配 ​​fat​​​ 和 ​​mat​​​，且其前跟着 ​​The​​​ 或 ​​the​​。

"(?<=(T|t)he\s)(fat|mat)" => The fat cat sat on the mat.

4.4 ​​?

负后发断言 记作 ​​(?

例如，表达式 ​​(?

"(? The cat sat on cat.

5. 标志

标志也叫模式修正符，因为它可以用来修改表达式的搜索结果。 这些标志可以任意的组合使用，它也是整个正则表达式的一部分。

5.1 忽略大小写 (Case Insensitive)

修饰语 ​​i​​ 用于忽略大小写。

例如，表达式 ​​/The/gi​​​ 表示在全局搜索 ​​The​​​，在后面的 ​​i​​​ 将其条件修改为忽略大小写，则变成搜索 ​​the​​​ 和 ​​The​​​，​​g​​ 表示全局搜索。

"The" => The fat cat sat on the mat.

"/The/gi" => The fat cat sat on the mat.

5.2 全局搜索 (Global search)

修饰符 ​​g​​ 常用于执行一个全局搜索匹配，即（不仅仅返回第一个匹配的，而是返回全部）。

例如，表达式 ​​/.(at)/g​​​ 表示搜索 任意字符（除了换行）+ ​​at​​，并返回全部结果。

"/.(at)/" => The fat cat sat on the mat.

"/.(at)/g" => The fat cat sat on the mat.

5.3 多行修饰符 (Multiline)

多行修饰符 ​​m​​ 常用于执行一个多行匹配。

像之前介绍的 ​​(^,$)​​​ 用于检查格式是否是在待检测字符串的开头或结尾。但我们如果想要它在每行的开头和结尾生效，我们需要用到多行修饰符 ​​m​​。

例如，表达式 ​​/at(.)?$/gm​​​ 表示小写字符 ​​a​​​ 后跟小写字符 ​​t​​​ ，末尾可选除换行符外任意字符。根据 ​​m​​ 修饰符，现在表达式匹配每行的结尾。

"/.at(.)?$/" => The fat cat sat on the mat.

"/.at(.)?$/gm" => The fat cat sat on the mat.

6. 贪婪匹配与惰性匹配 (Greedy vs lazy matching)

正则表达式默认采用贪婪匹配模式，在该模式下意味着会匹配尽可能长的子串。我们可以使用 ​​?​​ 将贪婪匹配模式转化为惰性匹配模式。

"/(.*at)/" => The fat cat sat on the mat.

"/(.*?at)/" => The fat cat sat on the mat.

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。