正则表达式入门

正则表达式入门

. Windows系统命令行中存在的最简单的正则表达式

. 元字符概念以及元字符的反义

. 转义的概念以及正则表达式中的使用

. 正则表达式语言中的注释方法

Windows系统命令行中存在的最简单的正则表达式

*任意长度的字符串

?长度为1的任意字符串

元字符概念以及元字符的反义

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

反义:

语法	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

字符转义

如果想要匹配.或者?这样的字符,需要转义字符\

eg: \.  \*  \?

正则表达式中的注释

1.  2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
2.  启用“忽略模式里的空白符”选项
     (?<=    # 断言要匹配的文本的前缀
      <(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
      )       # 前缀结束
      .*      # 匹配任意文本
      (?=     # 断言要匹配的文本的后缀
      <\/\1>  # 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
      )       # 后缀结束

正则表达式中的重复

分支条件

讲解正则表达式中的几种重复模式

重点解释重复的几种模式的区别

讲解正则表达式中重复的使用场景

正则表达式中的几种重复模式 :

语法	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

分支条件:

用|把不同的规则分割开

从左到右的测试每个条件,如果满足了某个分支的话,就不会去再管其他条件了

0\d{2}-\d{8}|0\d{3}-\d{7}

字符类:

[0-9] == \d
[a-z0-9A-Z_]  == \w
[&?.]
[aeiou]
\(?0\d{2}[) -]?\d{8}

正则表达式中的分组概念&贪婪与懒惰

讲解正则表达式中重要的一个概念：分组

分组的概念

分组的命名模式

分组的用途

正则表达式中的贪婪和懒惰

分组:

将子表达式进行做成子集
使用()进分组
方便对match的字符串进行划分
(\d{1,3}\.){3}\d{1,3}
分组的命名： (?<groupname>exp)
(?:exp)   匹配exp,不捕获匹配的文本，也不给此分组分配组号

贪婪与懒惰

贪婪(尽可能多)
  a.*b  (aabab) -> aabab

懒惰(尽可能少)
    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
  a.*?b (aabab) -> aab

语法	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

处理选项(RegexOptions)

语法	说明
IgnoreCase	匹配时不区分大小写
Multiline	更改^和的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)
Singleline	更改.的含义，使它与每一个字符匹配（包括换行符\n）
IgnorePatternWhitespace	忽略表达式中的非转义空白并启用由#标记的注释
ExplicitCapture	仅捕获已被显式命名的组

正则表达式高阶讲解

反向引用

零宽断言的概念以及使用场景

负向零宽断言的概念以及使用场景

冗长的平衡组和递归匹配

后向引用

> 要匹配 taobao taobao , home home 这样的情况如果处理？
> \b(\w+)\b\s+\1\b
> \b(?<Word>\w+)\b\s+\k<Word>\b 这是命名后的另一种写法

零宽断言

>   ?=exp 零宽度正预测先行断言,自身出现的位置的后面能匹配表达式exp
  \b\w+(?=ing\b)
  I'm singing while you're dancing.
>   ?<=exp 零宽度正回顾后发断言,自身出现的位置的前面能匹配表达式exp
  (?<=\bre)\w+\b
  reading a book

负向零宽断言

查找这样的单词--它里面出现了字母q,但是q后面跟的不是字母u
    \b\w*q[^u]\w*\b 
    上面的表达式有没有问题呢？ 使用零宽度负预测先行断言
    \b\w*q(?!u)\w*\b 并不消费任何字符
    \d{3}(?!\d) 匹配三位数字，而且这三位数字的后面不能是数字
    \b((?!abc)\w)+\b 匹配不包含连续字符串abc的单词
那么同样的，还有零宽度负回顾后发断言
    (?<![a-z])\d{7} 匹配前面不是小写字母的七位数字
    (?<=<(\w+)>).*(?=<\/\1>) 不包括前缀和后缀本身

平衡组/递归匹配

如何把xx <aa <bbb> <bbb> aa> yy这样的字符串里，最长的配对的尖括号内的内容捕获出来？
(?'group') 把捕获的内容命名为group,并压入堆栈(Stack)
(?'-group') 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败
(?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分
(?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败