正则表达式基本知识

以语言作类比介绍正则表达式

将正则表达式类比普通的语言

完整的正则表达式由两种字符构成：

• 元字符： 语法

• 普通文本字符： 普通语言中的单词

通俗理解： 根据语言的规则，按照语法把单词组合起来，就会得到能传达思想的文本。

思维架构： 完整的正则表达式由小的构建模块单元组成。

元字符

行的起始和结束（匹配位置）

匹配的是一个位置，而不是具体的文本

• 脱字符号 ^ ： 检查一行文本时，代表一行的开始，匹配一行的开始位置

• 美元符号 $ ：检查一行文本时，代表一行的结束，匹配一行的结束位置

Example One：

// 正则表达式
    
    ^cat

/*
 *   ^ 匹配行开头，然后以 c 作为一行的第一个字符，紧接着是一个 a ， 紧接着是一个 t 的文本
 */

Example Two：

// 正则表达式
    
    ^$

/*
 *  匹配的条件是：行开头，然后时行末尾
 *  应用意义：**空行** （没有任何字符，包括空白字符）
 */

Example Three：

// 正则表达式

    ^

/*
 * 匹配的条件时：行的开头
 *  应用意义： 无意义！！！ 因为每一行都有开头，所以每一行都可以匹配 -- 空行也不例外
 */

字符组（匹配若干字符之一）

应用场景： 我们需要搜索的单词是 "grey" ，同时又不确定是否写作 "gray"，就可以使用正则表达式结构体[...] （gr[ea]y）。它容许使用者列出某处期望匹配的字符，通常被称作字符组。

// 正则表达式

    gr[ea]y

/*
 * 在字符组以外，普通字符都有 "接下来是" 的意思。首先匹配 g ，接下来是 r 
 * 在字符组内部，字符组的内容代表在同一个位置能够匹配的若干字符，所以它的意思是 "或"。此位置字符可以为：e 或 a
 */

字符组内部的连接元字符（-）

- ： 连字符表示一个范围： <H[123456]> 等同于 <H[1-6]>

注意：

• 只有在字符组内部，连字符才是元字符，否则就只能匹配普通的连字符号。（[a-z]） 表示 此处位置的字符可以是小写字母 a 至 z
• 如果连字符在字符组的开头，代表的也只是一个普通的字符，而不是一个范围。（[-az]） 表示此处位置的字符可以是： - 或 a 或 z

排除型字符组（^）

作用： [^ ... ] 替代 [...] ， 这个字符组就会匹配一个未列出的字符。字符组中开头的 ^ 表示 "排除"

注意： 排除元字符必须紧挨在 [ 之后，连接元字符 - 紧挨在排除元字符 ^ 之后也算作连接元字符

点号匹配任意一个字符（.）

作用： 元字符 . 是用来匹配任意字符的字符组的简便写法

多选结构

匹配任意子表达式（|）

概念： | 是一个简捷的元字符，它的意思是 或 ，能够把不同的子表达式组合成一个总的表达式，而这个总的表达式又能够匹配任意的子表达式。

注意： | 配合 （） 可以限制代表子表达式的界限

grey|gray  等同于  gr(a|e)y ， 可以匹配 gray  grey

gr[a|e]y 则代表可以匹配： gray  gr|y  grey

Example：

// 正则表达式

^(From|Subject|Date)::

/*
 * 三个多选分支都受括号的限制，所以，这个正则表达式的意思是：匹配一行的起始位置，然后匹配 From 、 Subject 、 Data 中的任意一个，然后匹配 :: ， 所以能够匹配的文本是：
 * 1） 行起始，然后是 From ，然后是 ::
 * 2） 行起始，然后是 Subject，然后是 ::
 * 3)  行起始，然后是 Data，然后是 ::
 */

多选结构和字符组的区别

• 一个字符组只能匹配目标文本中的单个字符

• 每个多选结构自身都可能是完整的正则表达式，都可以匹配任意长度的文本

可选项

元字符 ？ 代表可选项。它只作用于之前紧邻的元素 （单个元素 或 使用 () 限制起来的元素） ，出现的次数为 0 或 1

Example：

// 正则表达式

July? (fourth|4(th)?)

/*
 *  July?  代表可以匹配： July  Jul
 *  (fourth|4(th)?) 代表可以匹配： fourth 或者 4(th)?
 *  4(th)? 代表可以匹配：4 或者 4th
 */

其他量词

• + 表示 之前紧邻的元素 （单个元素 或 使用 () 限制起来的元素） 出现一次或者多次。次数 >= 1

• 星号 * ，表示之前紧邻的元素 （单个元素 或 使用 () 限制起来的元素） 出现任意多次，或者不出现。 次数 >= 0

• 区间量词： {a, b}，之前紧邻的元素 （单个元素 或 使用 () 限制起来的元素） 出现的次数为[a, b]。可选项 ？ 对应的区间量词为： {0, 1}

括号与反向引用

应用基础： 在正则表达式中，（） 能够 "记住" 它们包含的子表达式匹配的文本。

应用场景： 穷举所有可能出现的重复单词显然是不可能完成的任务。

• 我们先匹配任意一个单词
• 接下来检查 "后面的单词是否和它一样"

反向引用概念： 反向引用是正则表达式的特性之一，它容许我们匹配与表达式先前部分匹配的同样的文本

反向引用需要与（）配合： （） 能够记忆其中的子表达式匹配的文本，不论这些文本是什么，元字符序列 \1 都能记住它们。在一个表达式中可以使用多个括号。再用 \1 、 \2、\3 等来表示第一、第二、第三组括号匹配的文本。

Example:

// 正则表达式

([a-z])([0-9])\1\2

/*
 *  \1 代表[a-z]匹配的内容
 *  \2 代表[0-9]匹配的内容
 */

神奇的转义（\）

应用场景： 如果需要匹配的某个字符本身就是元字符，则需要使用转义符号 \ 。

• 真正匹配文本中点号 . 号的元序列应该是反斜线加上点号的组合： .，这样的办法适用于所有的元字符，不过在字符组内部无效。

本篇博文学习自《精通正则表达式》，转载请附加原文链接：https://blog.csdn.net/xiaoshengfdyh/article/details/88786833