什么是正则表达式

正则表达式是⼀组由字⺟和符号组成的特殊⽂本,它可以⽤来从⽂本中找出满⾜你想要的格式的句⼦。

⼀个正则表达式是⼀种从左到右匹配主体字符串的模式。
“Regular expression”这个词⽐较拗⼝,我们常使⽤缩写的术语“regex”或“regexp”。
正则表达式可以从⼀个基础字符串中根据⼀定的匹配模式替换⽂本中的字符串、验证表单、提取字符串等等。

想象你正在写⼀个应⽤,然后你想设定⼀个⽤户命名的规则,让⽤户名包含字符、数字、下划线和连字符,以及限制字符的个数,好让名字看起来没那么丑。
我们使⽤以下正则表达式来验证⼀个⽤户名:
正则表达式深入浅出.pdf-Qui-Note

以上的正则表达式可以接受 john_doe 、 jo-hn_doe 、 john12_as 。
但不匹配 Jo ,因为它包含了⼤写的字⺟⽽且太短了。

1. 基本匹配

正则表达式其实就是在执⾏搜索时的格式,它由⼀些字⺟和数字组合⽽成。
例如:⼀个正则表达式 the ,它表示⼀个规则:由字⺟ t 开始,接着是 h ,再接着是 e 。
"the" => The fat cat sat on the mat.

正则表达式 123 匹配字符串 123 。它逐个字符的与输⼊的正则表达式做⽐较。
正则表达式是⼤⼩写敏感的,所以 The 不会匹配 the 。
"The" => The fat cat sat on the mat.

2.元字符

正则表达式主要依赖于元字符。
元字符不代表他们本身的字⾯意思,他们都有特殊的含义。⼀些元字符写在⽅括号中的时候有⼀些特殊的意思。以下是⼀些元字符的介绍:
正则表达式深入浅出.pdf-Qui-Note

|+|匹配>=1个重复的+号前的字符。
|?|标记?之前的字符为可选.|
|{n,m}|匹配num个⼤括号之前的字符或字符集 (n <= num <= m).|
|(xyz)|字符集,匹配与 xyz 完全相等的字符串.|
|||或运算符,匹配符号前或后的字符.|
|\|转义字符,⽤于匹配⼀些保留的字符 [ ] ( ) { } . * + ? ^ $ \ | |
|^|从开始⾏开始匹配.|
|$|从末端开始匹配.|

2.1 点运算符 .

. 是元字符中最简单的例⼦。
. 匹配任意单个字符,但不匹配换⾏符。
例如,表达式 .ar 匹配⼀个任意字符后⾯跟着是 a 和 r 的字符串。
".ar" => The car parked in the garage.

2.2 字符集

字符集也叫做字符类。
⽅括号⽤来指定⼀个字符集。
在⽅括号中使⽤连字符来指定字符集的范围。
在⽅括号中的字符集不关⼼顺序。
例如,表达式 [Tt]he 匹配 the 和 The 。
"[Tt]he" => The car parked in the garage.

⽅括号的句号就表示句号。
表达式 ar[.] 匹配 ar. 字符串
"ar[.]" => A garage is a good place to park a car.

2.2.1 否定字符集
⼀般来说 ^ 表示⼀个字符串的开头,但它⽤在⼀个⽅括号的开头的时候,它表示这个字符集是否定的。
例如,表达式 [^c]ar 匹配⼀个后⾯跟着 ar 的除了 c 的任意字符。
"[^c]ar" => The car parked in the garage.

2.3 重复次数

后⾯跟着元字符 + , * or ? 的,⽤来指定匹配⼦模式的次数。
这些元字符在不同的情况下有着不同的意思。

2.3.1 * 号 * 号匹配 在 * 之前的字符出现 ⼤于等于0 次。
例如,表达式 a* 匹配0或更多个以a开头的字符。表达式 [a-z]* 匹配⼀个⾏中所有以⼩写字⺟开头的
字符串。
"[a-z]*" => The car parked in the garage #21.

*字符和 . 字符搭配可以匹配所有的字符 .* 。
* 和表示匹配空格的符号 \s 连起来⽤,如表达式 \s*cat\s* 匹配0或更多个空格开头和0或更多个空格
结尾的cat字符串。
"\s*cat\s*" => The fat cat sat on the concatenation.

2.3.2 + 号
+ 号匹配 + 号之前的字符出现 >=1 次。
例如表达式 c.+t 匹配以⾸字⺟ c 开头以 t 结尾,中间跟着⾄少⼀个字符的字符串。
"c.+t" => The fat cat sat on the mat.

2.3.3 ? 号
在正则表达式中元字符 ? 标记在符号前⾯的字符为可选,即出现 0 或 1 次。
例如,表达式 [T]?he 匹配字符串 he 和 The 。
"[T]he" => The car is parked in the garage.

"[T]?he" => The car is parked in the garage.

2.4 {} 号

在正则表达式中 {} 是⼀个量词,常⽤来限定⼀个或⼀组字符可以重复出现的次数。
例如, 表达式 [0-9]{2,3} 匹配最少 2 位最多 3 位 0~9 的数字。
"[0-9]{2,3}" => The number was 9.9997 but we rounded it off to 10.0.

我们可以省略第⼆个参数。
例如, [0-9]{2,} 匹配⾄少两位 0~9 的数字。
"[0-9]{2,}" => The number was 9.9997 but we rounded it off to 10.0.

如果逗号也省略掉则表示重复固定的次数。
例如, [0-9]{3} 匹配3位数字
"[0-9]{3}" => The number was 9.9997 but we rounded it off to 10.0.

2.5 (...) 特征标群

特征标群是⼀组写在 (...) 中的⼦模式。 (...) 中包含的内容将会被看成⼀个整体,和数学中⼩括号
( )的作⽤相同。例如, 表达式 (ab)* 匹配连续出现 0 或更多个 ab 。如果没有使⽤ (...) ,那么表
达式 ab* 将匹配连续出现 0 或更多个 b 。再⽐如之前说的 {} 是⽤来表示前⾯⼀个字符出现指定次
数。但如果在 {} 前加上特征标群 (...) 则表示整个标群内的字符重复 N 次。
我们还可以在 () 中⽤或字符 | 表示或。例如, (c|g|p)ar 匹配 car 或 gar 或 par .
"(c|g|p)ar" => The car is parked in the garage.

2.6 | 或运算符

或运算符就表示或,⽤作判断条件。
例如 (T|t)he|car 匹配 (T|t)he 或 car 。
"(T|t)he|car" => The car is parked in the garage.

2.7 转码特殊字符

反斜线 \ 在表达式中⽤于转码紧跟其后的字符。⽤于指定 { } [ ] / \ + * . $ ^ | ? 这些特殊字
符。如果想要匹配这些特殊字符则要在其前⾯加上反斜线 \ 。

例如 . 是⽤来匹配除换⾏符外的所有字符的。如果想要匹配句⼦中的 . 则要写成 \. 以下这个例⼦
\.? 是选择性匹配 .
"(f|c|m)at\.?" => The fat cat sat on the mat.

2.8 锚点

在正则表达式中,想要匹配指定开头或结尾的字符串就要使⽤到锚点。 ^ 指定开头, $ 指定结尾。


2.8.1 ^ 号

^ ⽤来检查匹配的字符串是否在所匹配字符串的开头。
例如,在 abc 中使⽤表达式 ^a 会得到结果 a 。但如果使⽤ ^b 将匹配不到任何结果。因为在字符串
abc 中并不是以 b 开头。
例如, ^(T|t)he 匹配以 The 或 the 开头的字符串。
"(T|t)he" => The car is parked in the garage
"^(T|t)he" => The car is parked in the garage.


2.8.2 $ 号

同理于 ^ 号, $ 号⽤来匹配字符是否是最后⼀个。
例如, (at\.)$ 匹配以 at. 结尾的字符串。
"(at\.)" => The fat cat. sat. on the mat.
"(at\.)$" => The fat cat. sat. on the mat.

3. 简写字符集

正则表达式提供⼀些常⽤的字符集简写。如下:
正则表达式深入浅出.pdf-Qui-Note

4. 零宽度断⾔(前后预查)

先⾏断⾔和后发断⾔都属于⾮捕获簇(不捕获⽂本 ,也不针对组合计进⾏计数)。
先⾏断⾔⽤于判断所匹配的格式是否在另⼀个确定的格式之前,匹配结果不包含该确定格式(仅作为约束)。

例如,我们想要获得所有跟在 $ 符号后的数字,我们可以使⽤正后发断⾔ (?<=\$)[0-9\.]* 。
这个表达式匹配 $ 开头,之后跟着 0,1,2,3,4,5,6,7,8,9,. 这些字符可以出现⼤于等于 0 次。
零宽度断⾔如下:
正则表达式深入浅出.pdf-Qui-Note

4.1 ?=... 正先⾏断⾔

?=... 正先⾏断⾔,表示第⼀部分表达式之后必须跟着 ?=... 定义的表达式。
返回结果只包含满⾜匹配条件的第⼀部分表达式。
定义⼀个正先⾏断⾔要使⽤ () 。在括号内部使⽤⼀个问号和等号: (?=...) 。
正先⾏断⾔的内容写在括号中的等号后⾯。

例如,表达式 (T|t)he(?=\sfat) 匹配 The 和 the ,在括号中我们⼜定义了正先⾏断⾔ (?=\sfat)
,即 The 和 the 后⾯紧跟着 (空格)fat 。

"(T|t)he(?=\sfat)" => The fat cat sat on the mat.

4.2 ?!... 负先⾏断⾔

负先⾏断⾔ ?! ⽤于筛选所有匹配结果,筛选条件为 其后不跟随着断⾔中定义的格式。
正先⾏断⾔ 定义和 负先⾏断⾔ ⼀样,区别就是 = 替换成 ! 也就是 (?!...) 。
表达式 (T|t)he(?!\sfat) 匹配 The 和 the ,且其后不跟着 (空格)fat 。

"(T|t)he(?!\sfat)" => The fat cat sat on the mat.

4.3 ?<= ... 正后发断⾔

正后发断⾔ 记作 (?<=...) ⽤于筛选所有匹配结果,筛选条件为 其前跟随着断⾔中定义的格式。
例如,表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat ,且其前跟着 The 或 the 。
"(?<=(T|t)he\s)(fat|mat)" => The fat cat sat on the mat.

4.4 ?<!... 负后发断⾔

负后发断⾔ 记作 (?<!...) ⽤于筛选所有匹配结果,筛选条件为 其前不跟随着断⾔中定义的格式。
例如,表达式 (?<!(T|t)he\s)(cat) 匹配 cat ,且其前不跟着 The 或 the 。
"(?<!(T|t)he\s)(cat)" => The cat sat on cat.

5. 标志

标志也叫模式修正符,因为它可以⽤来修改表达式的搜索结果。
这些标志可以任意的组合使⽤,它也是整个正则表达式的⼀部分
正则表达式深入浅出.pdf-Qui-Note

5.1 忽略⼤⼩写 (Case Insensitive)

修饰语 i ⽤于忽略⼤⼩写。
例如,表达式 /The/gi 表示在全局搜索 The ,在后⾯的 i 将其条件修改为忽略⼤⼩写,则变成搜索
the 和 The , g 表示全局搜索。
"The" => The fat cat sat on the mat.

"/The/gi" => The fat cat sat on the mat.

5.2 全局搜索 (Global search)

修饰符 g 常⽤于执⾏⼀个全局搜索匹配,即(不仅仅返回第⼀个匹配的,⽽是返回全部)。
例如,表达式 /.(at)/g 表示搜索 任意字符(除了换⾏)+ at ,并返回全部结果。

"/.(at)/" => The fat cat sat on the mat

"/.(at)/g" => The fat cat sat on the mat.

5.3 多⾏修饰符 (Multiline)

多⾏修饰符 m 常⽤于执⾏⼀个多⾏匹配。
像之前介绍的 (^,$) ⽤于检查格式是否是在待检测字符串的开头或结尾。但我们如果想要它在每⾏的
开头和结尾⽣效,我们需要⽤到多⾏修饰符 m 。
例如,表达式 /at(.)?$/gm 表示⼩写字符 a 后跟⼩写字符 t ,末尾可选除换⾏符外任意字符。根据
m 修饰符,现在表达式匹配每⾏的结尾。
"/.at(.)?$/" => The fat
                       cat sat
                       on the mat.

6. 贪婪匹配与惰性匹配 (Greedy vs lazy matching)

正则表达式默认采⽤贪婪匹配模式,在该模式下意味着会匹配尽可能⻓的⼦串。我们可以使⽤ ? 将贪婪匹配模式转化为惰性匹配模式。
"/(.*at)/" => The fat cat sat on the mat.

"/(.*?at)/" => The fat cat sat on the mat.