正则子表达式及回溯引用

2019-02-21 本文已影响14人高鸿祥

子表达式

子表达式是一个更大的表达式的一部分。子表达式必须用()来定义。

子表达式用于对表达式进行分组和归类。类似于优先级的意思，()里的优先级高

IP地址的格式是以英文句号分隔的四组数字，每组数字由1个、2个、或3个数字字符组成。如12.111.46.231

普通正则表达式

\d{1.3}\.\d{1.3}\.\d{1.3}\.\d{1.3}

\d{1.3}\匹配任意1-3个数字。.匹配.

用子表达式写法如下

(\d{1.3}\.){3}\d{1.3}

把\d{1.3}\.看成一个子表达式，出现了三次(\d{1.3}\.){3}

这个表达式匹配到了想要的内容，但是也匹配到了不符合条件的内容。比如300.1.23.333就是不是一个有效的IP地址（最大255）

优化如下：
列举出所有的条件

正则表达式如下

(((\d{1.2})|1\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1.2})|1\d{2})|(2[0-4]\d)|(25[0-5]))

分析表达式的时候应该按照先内后外的原则进行。

注:|是或者的意思。表示|两边的都可以

回溯引用指的是模式的后半部分引用在前半部分中定义的子表达式，即回溯引用的作用是引用正则表达式前面的匹配结果

注：回溯引用只能引用模式里的子表达式

(子表达式1)(子表达式2)(子表达式3)\1\2\3

\1代表模式里的第一个子表达式、\2代表模式里的第二个子表达式、\3代表模式里的第三个子表达式。以此类推

注：有些语言（如JavaScript）回溯引用语法用$不用\。如：$1$2$3

回溯引用的缺点：如果子表达式的相对位置发生了变化，整个模式也许就不能再完成原来的工作，删除或添加子表达式的后果可能更严重。

匹配所有的标题标签及内容

<body>
    <h1>hello world</h1>
    <span>haha</span>
    <h2>hello go<h3>
    <div>heihei</div>
    <h3>hello docker</h3>
</body>

正则表达式

<hH>([1-6])>.*?</hH>\1>

匹配到

<h1>hello world</h1>
<h3>hello docker</h3>

<h2>hello go<h3>前后标签不一致匹配不到（实际是错误的标签）

解析

([1-6])是一个子表达式，后面的\1将再一次匹配它本身。如1就匹配1,2就匹配2。

.*?懒惰匹配，将匹配任意一个字符零次或多次

将电子邮箱地址替换成可点击的链接

hello，ghongxiang@outlook.com is my email address.

正则表达式

(\w+[\w\.]*@[\w\.]+\.\w+)

替换

<a href="mailto:\1">\1</a>

mailto是电子邮件协议，通过该协议可以创建一个指向电子邮件地址的超级链接，点击该超链接就会打开OE等邮件客户端程序，输入相应的内容后就可以向此邮箱地址发送邮件

结果

hello，<a href="mailto:ghongxiang@outlook.com">ghongxiang@outlook.com</a> is my email address.