learn.regex.1.md

For myself and for you

前言

Regular Expression 久仰大名，以前也一直有过类似的需求，然而之前或者用其他工具实现了，或者暴力解决了 😅

不过辣个咸鱼没点理想呢？加上 notepad++ 事件，坚定了我学习Vim的决心，学 Vim 当然也要学习 regex 了，当然 regex 的应用远远不止在 Vim 当中。

此笔记参考了：runoob-tutorial

出于行文简洁的考虑，摘抄的内容不会全部一一声明， 但我会把链接都放上来，各位谅解 🤝

简介

refer: runoob brief introduction

许多程序设计语言都支持利用正则表达式进行字符串操作.

除非你以前使用过正则表达式，否则你可能不熟悉一些术语。
但是，毫无疑问，你已经使用过不涉及脚本的某些正则表达式概念。
例如，你很可能使用 ? 和 * 通配符来查找硬盘上的文件。
? 通配符匹配文件名中的 0个或 1 个字符，而 * 通配符匹配零个或多个字符。

尽管这种搜索方法很有用，但它还是有限的。通过理解 * 通配符的工作原理，
引入了正则表达式所依赖的概念，但正则表达式功能更强大，而且更加灵活。

发展历史

正则表达式的"祖先"可以一直上溯至对人类神经系统如何工作的早期研究。Warren McCulloch 和 Walter Pitts 这两位神经生理学家研究出一种数学方式来描述这些神经网络。

1956 年, 一位叫 Stephen Kleene 的数学家在 McCulloch 和 Pitts 早期工作的基础上，发表了一篇标题为"神经网事件的表示法"的论文，引入了正则表达式的概念。正则表达式就是用来描述他称为"正则集的代数"的表达式，因此采用"正则表达式"这个术语。

随后，发现可以将这一工作应用于使用 Ken Thompson 的计算搜索算法的一些早期研究，Ken Thompson 是 Unix 的主要发明人。正则表达式的第一个实用应用程序就是 Unix 中的 qed 编辑器。

如他们所说，剩下的就是众所周知的历史了。从那时起直至现在正则表达式都是基于文本的编辑器和搜索工具中的一个重要部分。

正则表达式 - 语法

refer:runoob syntax and runoob metachar

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），
可以用来检查一个串是否含有某种子串、
将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

依在下愚见：称之为模式的东西，必然是具有重复的结构，限定在某些已命名概念的范围中。
因为无限不循环小数之类的东西显然没什么模式，或者说是平庸的模式。

所以一个描述对象模式的语言，应该由以下几大块构成：
类（class）：描述模式对象的分类，给对象进行 general 的子集划分。
重复（repetition）：用来描述 已分类/已命名 对象的重复结构。
逻辑（Logical conjunction）：对 类 进行组合，构建更加复杂的结构。

我们预期会看到 regex 是如何实现这些基本的功能的，
理所当然会出现很多新的称呼方式。

元字符 与 普通字符

字符有不同的分类方法，除了 regex 本身的 元字符与普通字符分类，
还有计算机领域 general 的 打印字符 和 不可打印字符分类

{All 字符} == {元字符} + {普通字符}
{All 字符} == {打印字符} + {不可打印字符}

普通字符

普通字符包括 没有 显式指定为 元字符 的所有 可打印字符 和 不可打印字符 。
这包括所有 大小写字母 、所有 数字 、所有 标点符号 和一些 其他符号 。

{普通字符} == {大小写字母} +{数字}+{标点符号}+{其他符号}

特殊字符

所谓特殊字符，就是一些有特殊含义的字符。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

特别字符	描述
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \$。
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 \( 和 \)。
*	匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。
+	匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。
.	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \. 。
[	标记一个中括号表达式的开始。要匹配 [，请使用 \[。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\"，而 '\(' 则匹配 "("。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 \^。
{	标记限定符表达式的开始。要匹配 {，请使用 \{。
|	指明两项之间的一个选择。要匹配 |，请使用 \|

非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。

详情参见 runoob metachar

限定符

即上文提到的用来表示重复模式的语法，在 regex 中被称为限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。
有 * 或 +或 ? 或 {n} 或 {n,} 或 {n,m} 共6种

* = {0,}

? = {0,1}

+ = {1,}

字符	描述
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

详情参见 runoob syntax