正则表达式
元字符
| 常用的元字符 | 说明 |
|---|---|
| . | 匹配除换行符以外的任意字符 |
| \w | 匹配字母或数字或下划线或汉字 |
| \s | 匹配任意的空白符 |
| \d | 匹配数字 |
| \b | 匹配单词的开始或结束 |
| ^ | 匹配字符串的开始 |
| $ | 匹配字符串的结束 |
-
\bhi\b: 由两个字符组成，前一个字符是h,后一个是i -
\bhi\b.*\bLucy\b: 先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词 -
0\d{2}-\d{8}: 以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字 -
\ba\w*\b: 以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b) -
\d+: 1个或更多连续的数字, 这里的+是和类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次 -
\b\w{6}\b:匹配刚好6个字符的单词 -
^\d{5,12}$: 5到12个数字
转义字符
如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义
-
deerchao\.cn: 匹配deerchao.cn -
C:\\Windows:C:\Windows
限定符
| 常用的限定符 | 说明 |
|---|---|
| * | 重复零次或更多次 |
| + | 重复一次或更多次 |
| ? | 重复零次或一次 |
| {n} | 重复n次 |
| {n,} | 重复n次或更多次 |
| {n,m} | 重复n到m次 |
-
Windows\d+: 匹配Windows后面跟1个或更多数字
字符类
[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!) ，[]中括号中代表任意一个都行
-
\(?0\d{2}[) -]?\d{8}: 匹配几种格式的电话号码 ，像(010)88886666，或022-22334455，或02912345678等。首先是一个转义字符(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。
也能匹配010)12345678或(022-87654321这样的“不正确”的格式
分枝条件
不幸的是，刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件。正则表达式里的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。
-
0\d{2}-\d{8}|0\d{3}-\d{7}: 匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445) -
\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}: 匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔
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
-
\d{5}-\d{4}|\d{5}: 规则是5位数字，或者用连字号间隔的9位数字 -
\d{5}|\d{5}-\d{4}: 只会匹配5位的数字(以及9位数字的前5位)
分组
重复多个字符，用小括号来指定子表达式
-
(\d{1,3}\.){3}\d{1,3}:\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3}) -
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?): IP地址， 每个数字都不能大于255， 01.02.03.04 这样前面带有0的数字也是正确的
反义
取反的意思， 想查找除了数字以外，其它任意字符都行的情况
| 常用的反义代码 | 说明 |
|---|---|
| \W | 匹配任意不是字母，数字，下划线，汉字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非数字的字符 |
| \B | 匹配不是单词开头或结束的位置 |
| [^x] | 匹配除了x以外的任意字符 |
-
[^aeiou]:匹配除了aeiou这几个字母以外的任意字符 -
\S+: 不包含空白符的字符串 -
<a[^>]+>: 用尖括号括起来的以a开头的字符串
零宽断言
| 代码 | 说明 |
|---|---|
| (?=exp) | 匹配exp前面的位置，断言自身出现的位置的后面能匹配表达式exp |
| (?<=exp) | 匹配exp后面的位置，断言自身出现的位置的前面能匹配表达式exp |
| (?!exp) | 匹配后面跟的不是exp的位置 |
| (?<!exp) | 匹配前面不是exp的位置 |
-
\b\w+(?=ing\b): 匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc -
(?<=\bre)\w+\b: 匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading -
(?<=\s)\d+(?=\s): 匹配以空白符间隔的数字(再次强调，不包括这些空白符)
贪婪与懒惰
当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪*匹配。
有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复
| 懒惰限定符 | 说明 |
|---|---|
| *? | 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 |
更多
| 代码 | 说明 |
|---|---|
| \a | 报警字符(打印它的效果是电脑嘀一声) |
| \b | 通常是单词分界位置，但如果在字符类里使用代表退格 |
| \t | 制表符，Tab |
| \r | 回车 |
| \v | 竖向制表符 |
| \f | 换页符 |
| \n | 换行符 |
| \e | Escape |
| \0nn | ASCII代码中八进制代码为nn的字符 |
| \xnn | ASCII代码中十六进制代码为nn的字符 |
| \unnnn | Unicode代码中十六进制代码为nnnn的字符 |
| \cN | ASCII控制字符。比如\cC代表Ctrl+C |
| \A | 字符串开头(类似^，但不受处理多行选项的影响) |
| \Z | 字符串结尾或行尾(不受处理多行选项的影响) |
| \z | 字符串结尾(类似$，但不受处理多行选项的影响) |
| \G | 当前搜索的开头 |
| \p{name} | Unicode中命名为name的字符类，例如\p{IsGreek} |
| (?>exp) | 贪婪子表达式 |
| (?<x>-<y>exp) | 平衡组 |
| (?im-nsx:exp) | 在子表达式exp中改变处理选项 |
| (?im-nsx) | 为表达式后面的部分改变处理选项 |
| (?(exp)yes|no) | 把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no |
| (?(exp)yes) | 同上，只是使用空表达式作为no |
| (?(name)yes|no) | 如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no |
| (?(name)yes) | 同上，只是使用空表达式作为no |
