我学习正则表达式的笔记

一、正则表达式的语法
要灵活运用正则表达式&＃xff0c;必须了解其中各种元字符的功能&＃xff0c;元字符从功能上大致分为&＃xff1a;
  1&＃xff0c;限定符
 2&＃xff0c;选择匹配符
 3&＃xff0c;分组组合和反向引用符
 4&＃xff0c;特殊字符
 5&＃xff0c;字符匹配符
 6&＃xff0c;定位符

限定符&＃xff1a;用于指定前面的字符或组合项连续出现多少次。
1&＃xff0c;&＃xff5b;n&＃xff5d;
举例说明&＃xff1a;“o{2}”不能与“Bob”中的“o”匹配&＃xff0c;但可以与“food”中的两
个“o”匹配&＃xff0c;也可与“fooood”中的任意两个连续的“o”匹配。
2&＃xff0c;{n,}
举例说明&＃xff1a;“o{2,}”不能与“Bob”中的“o”匹配,但可以与“foooood”中的所有
的“o”匹配。
3&＃xff0c;{n,m}
举例说明&＃xff1a;“o{1,3}”既可匹配“food”中的两个“o”,又可匹配“fooood”中的
连续的三个“o”。
4&＃xff0c;&＃43; &＃xff08;前面的元素或组合项至少出现一次&＃xff09;
举例说明&＃xff1a;“zo&＃43;”与“zo”和“zoo”等在字母之z后面连续出现一个或多个字母
O的字符串匹配。&＃xff08;等效如{1,}&＃xff09;
5, *&＃xff08;前面的元素或组合项至少出现0次或多次&＃xff09;
举例说明&＃xff1a;zo*与“z”和“zoo”都能匹配。*等效于{0,}。
6&＃xff0c;&＃xff1f;&＃xff08;规定前面的元素或组合项出现0次或1次&＃xff09;
举例说明&＃xff1a;“zo?”可以匹配“z”或“zo”&＃xff0c;也可以匹配“zoo”中的“zo”部分
&＃xff0c;但不能匹配整个“zoo”。&＃xff08;等效于&＃xff08;0,1&＃xff09;&＃xff09;

贪婪匹配与非贪婪匹配
1. 贪婪匹配
默认情况下&＃xff0c;正则表达式使用最长&＃xff08;也叫贪婪&＃xff09;匹配原则。例如&＃xff0c;要将
“zoom”中匹配“zo?”的部分替换成“r”&＃xff0c;替换后的结果是“rom”
不是“room”&＃xff1b;如果要将“zoom”中匹配“zo”部分替换成“r”&＃xff0c;替换后的结果
是“rm”&＃xff0c;不是“rom”或“room”。
2. 非贪婪匹配
当字符“?”紧随任何其他限定符&＃xff08;*、&＃43;、&＃xff1f;、&＃xff5b;n&＃xff5d;、&＃xff5b;n&＃xff0c;&＃xff5d;、&＃xff5b;n&＃xff0c;m&＃xff5d;&＃xff09;之后时&＃xff0c;
匹配模式变成使用最短&＃xff08;也叫非贪婪&＃xff09;匹配原则。例如&＃xff0c;在字符串“fooood”
中&＃xff0c;“fo&＃43;?”只匹配“fo”部分&＃xff0c;而“fo&＃43;”匹配“foooo”部分。

选择匹配符&＃xff1a;
选择匹配符只有一人&＃xff0c;就是“&＃xff5c;”字符&＃xff0c;用于选择匹配两个选项之中的任意一个&＃xff0c;
它的两个选项是“&＃xff5c;”字符两边的尽可能最大的表达式。
     举例说明&＃xff1a;
         “chapter&＃xff5c;section 1”匹配的是“chapter”或“section 1”&＃xff0c;而不是
          “chapter 1”或“section 1”&＃xff1b;如果要匹配“chapter 1”或“section 1”&＃xff0c;
           应该使用括号创建子表达式&＃xff0c;即“&＃xff08;chapter&＃xff5c;section&＃xff09;1”。

分组组合和反向引用符&＃xff1a;
    分组组合符&＃xff1a;将正则表达式中的某一部分内容组合起来的符号。
    反向引用符&＃xff1a;用于匹配前面的分组组合所捕获到的内容的标识符号。

   
• &＃xff08;pattern&＃xff09;&＃xff08;存入缓冲区&＃xff09;
     说明&＃xff1a;若要匹配字面意义的括号字符“&＃xff08;”和“&＃xff09;”&＃xff0c;在正则表达式中要分别
     使用“/(”和“/)”。
•  /num
     举例说明&＃xff1a;要匹配连续的5个数字字符&＃xff0c;可以使用/d{5}作为是正则表达式文本
     但是&＃xff0c;要匹配连续的的5个相同的数字字符&＃xff0c;需要使用&＃xff08;/d&＃xff09;/1{4}作为正则表达式文本。要匹配“Is is the cost of of gasoline going up up?”中所有连续重复的单词部分&＃xff0c;可以使用//b([a-z]&＃43;)/1/b/gi作为正则表达式文本。
•  &＃xff08;&＃xff1f;&＃xff1a;patterm&＃xff09;&＃xff08;不存入缓冲区&＃xff09;
     举例说明&＃xff1a;不能将“industry&＃xff5c;industries”简单地改写成“industr&＃xff08;y&＃xff5c;ies&＃xff09;”,
     如果不需要引用或检索括号中的表达式所匹配的结果&＃xff0c;最好还是改写成“industr&＃xff08;&＃xff1f;&＃xff1a;y&＃xff5c;ies&＃xff09;”。
•   (?&＃61;pattern) 
      正向“预测先行”匹配
      举例说明&＃xff1a;使用“Windows&＃xff08;&＃xff1f;&＃61;NT&＃xff5c;2000&＃xff09;”作为正则表达式模式&＃xff0c;它只与“Windows 2000”或“Windows NT”中的“Windows”匹配&＃xff0c;而不与“Windows 2003”中的“Windows”匹配。
       &＃xff1f;多想一想&＃xff1a;以“Windows&＃xff08;&＃xff1f;&＃61;NT&＃xff5c;2000&＃xff09;Series”作为正则表达式模式&＃xff0c;在文本“My Windows NT Series”中的匹配结果是多少呢&＃xff1f;

•   (?!pattern)
      反向“预测先行”匹配
      举例说明&＃xff1a;使用“Windows&＃xff08;?!NT|2000&＃xff09;”作为正则表达式&＃xff0c;它不与“Windows 2000”或“Windows NT”中的“Windows”匹配&＃xff0c;而可以与“Windows 2003”中的“Windows”匹配。

特殊字符
       正则表达式中以反斜杠字符&＃xff08;/&＃xff09;后紧跟其它转义字符序列来表示非打印
       字符和原义字符。
    
     •   /xn
            ASCⅡ码值等于n的字符&＃xff0c;这里的 n必须是两位的十六进制数
举例说明&＃xff1a;“/x41”匹配字符“A”。注意&＃xff1a;“/x041”所表示的字符
            后跟字符“1”。
      •     /n
             要求这里的n&＃xff08;0-7&＃xff09;是一个一位的八进制数&＃xff0c;如果这里的n前面至少
             有n个捕获子匹配&＃xff0c;那么这个斜杠n它就是被用作反向引用&＃xff0c;否则它就是被
             用作匹配ASCII码值等于这个n的字符
      •     /nm
              这里的m和n都是一位的八进制数如果在这个表达式的前面至少有nm个捕获子表达式&＃xff0c;那么这个格式就是反向引用&＃xff0c;如果前面至少有n个捕获&＃xff0c;那么这个表达式的/n部分就是反向引用&＃xff0c;那么后面m就是字面意义上的数字字符了&＃xff0c;如果刚才说的那些条件都不存在&＃xff0c;那么它才是匹配ASCII码的值的八进制形式等于nm的那个字符
      •     /nml
              当n是0到3之间的八进制数和m和l是0到7之间的八进制数的时候&＃xff0c;它才能匹配ASCII码值的八进制形式等于nml的那个字符。
      •     /un
              用来匹配Unicode码等于n的字符&＃xff0c;这里的n必须是一个四位的十六进制数据
              举例说明&＃xff1a;/u00A9匹配版权符号。
      •     /CX
              匹配由X所指定的控制字符。这个X的值必须是大写的A到Z或
              小写的a到z之间的一个字符&＃xff0c;否则这个C完全是字面意义上的字符
               C本身&＃xff0c;X是原来的字符意义了&＃xff0c;而不再表示控制字符了
              举例说明&＃xff1a;/cM匹配Control&＃43;M表示的控制字符&＃xff0c;也就是回车符。
      •     /f 
              匹配换页符&＃xff0c;等效于/x0c和/cL。
      •     /n
              匹配换行符&＃xff0c;等效于/x0a和/cJ。
      •     /r
              匹配回车符&＃xff0c;等效于/x0d和/cM。
      •     /t
              匹配制表符&＃xff0c;等效于/x09和/cl。
      •     /v
              匹配垂直制表符&＃xff0c;等效于/x0b和/cK。

字符匹配符
字符匹配符&＃xff1a;用于指定该符号部分可以匹配多个字符中的任意一个。
• &＃xff3b;…&＃xff3d;
说明&＃xff1a;如果字符集中要包含“&＃xff3d;”字符&＃xff0c;需要将它放在第一位&＃xff0c;即紧跟在开始“&＃xff3b;”后面。&＃xff3b;…&＃xff3d;中的字符“/”仍然作为转义符&＃xff0c;若要在&＃xff3b;…&＃xff3d;中包含“/”本身&＃xff0c;需要使用“//”。
•  &＃xff3b;^…&＃xff3d;
     说明&＃xff1a;只要字符“^”不是出现在第一个“&＃xff3b;”后面&＃xff0c;它就是还是字面意义上的“^”。
•   &＃xff3b;a-z&＃xff3d;
     说明&＃xff1a;要在中括号表达式中包括字面意义的连字符&＃xff08;-&＃xff09;&＃xff0c;可以用反斜杠&＃xff08;/&＃xff09;将它
     标记为原义字符&＃xff0c;例如&＃xff0c;&＃xff3b;a/-z&＃xff3d;&＃xff0c;但此时指的是三个字符了。也可以将连字符&＃xff08;-&＃xff09;放在方括号的开始或结尾处&＃xff0c;例如&＃xff0c;&＃xff3b;-a-z&＃xff3d;或&＃xff3b;a-z-&＃xff3d;。
•   &＃xff3b;^a-z&＃xff3d;
•    /d
      可以匹配任意一个数字字符。
•    /D
      它可以匹配一个非数字字符。
•    /s   等效于&＃xff3b; /f/n/r/t/v&＃xff3d;。
      它可以匹配任何空白字符。
•    /S   等效于&＃xff3b;^/f/n/rt/v&＃xff3d;。
      它可以匹配任何非空白的字符。
•    /w   等效于&＃xff3b;A-Za-z0-9_&＃xff3d;。
      它可以匹配任何英文字母和数字类的字符以及下划线。
•    /W   等效于&＃xff3b;^A-Za-z0-9_&＃xff3d;。
•    .
      它可以匹配除了/n以外的单个任何字符。
      说明&＃xff1a;“&＃xff08;.&＃xff09;/1”匹配除了“/n”以外的两个连续的相同的字符。若要匹配
      包括“/n”在内的任意字符&＃xff0c;可以使用“&＃xff3b;/s/S&＃xff3d;”&＃xff0c;“&＃xff3b;/d/D&＃xff3d;”或“&＃xff3b;/w/W&＃xff3d;”
      等模式。若要匹配“.”字符本身&＃xff0c;需要使用“/.”。
     

定位符 
定位符&＃xff1a;用于规定匹配模式在目标字符串中的出现位置。
•   ^
     用于匹配目标字符串的开始位置&＃xff0c;规定匹配必须发生在目标字符
     串的开始位置上。
     举例说明&＃xff1a;“^o”与“ok”中的“o”匹配&＃xff0c;但与“hello”中的
     “o”不匹配。如果设置了RegExp对象实例的Multiline属性&＃xff0c;
     ^还会与行首匹配&＃xff0c;即与“/n”或“/r”之后的位置匹配。
•   $
     用于匹配目标字符串的结尾位置&＃xff0c;规定匹配必须发生在目标
     字符串的结尾。这个$ 只能写在表达式的末尾才能发生此作用。
     举例说明&＃xff1a;“o$”与“hello”中的“o”匹配&＃xff0c;但与“ok”中的
     “o”不匹配。如果设置了RegExp对象实例的Multline属性&＃xff0c;
      $还会与行尾匹配&＃xff0c;即与“/n”或“/r”之前的位置匹配。
  •  /b
       它可以匹配一个字边界&＃xff0c;也就是一个单词的边界。
       它包含了字与空格间的位置以及目标字符串的开始和结束等位置。
       举例说明&＃xff1a;“er/b”匹配“never ok”中的“er”&＃xff0c;但不匹配“verb”
       中的“er”。
  •  /B
        用来匹配非字边界的情况。
举例说明&＃xff1a;“er/B”匹配“verb”中的“er”&＃xff0c;但不匹配“never”中的“er”。

原义字符
     在正则表达式中用到的一些元字符不再表示它原来的字面意义&＃xff0c;如果要匹配这些具有特殊意义的元字符的字面意义&＃xff0c;必须使用反斜扛&＃xff08;/&＃xff09;将它们转义为原义字符&＃xff0c;即将反斜杠字符&＃xff08;/&＃xff09;放在它们前面。

      需要进行转义的字符&＃xff1a;
      “$”、“(”&＃xff0c;“)”、“*”、“&＃43;”、“.”、“[”、“]”、“?”、“/”、“/”、“^”、“{”、“}”、“|”

优先级顺序
     正则表达式从左到右进行计算&＃xff0c;并遵循优先级顺序。例如&＃xff0c;“*”比字符的优先级高&＃xff0c;“ab*”是“b”和“*”组合后、再和前面的“a”组合。“&＃xff08;&＃xff09;”比“*”的优先级高&＃xff0c;“&＃xff08;ab&＃xff09;*”是“a”和“b”组合后、再和后面“*”组合。字符比“&＃xff5c;”的优先级高&＃xff0c;“a&＃xff5c;bc”是“b”和“c”组合后&＃xff0c;再和前面的“a”进行选择组合&＃xff0c;是“a”和“b”进行选择组合&＃xff0c;再和后面的“c”组合。

一些正则表达式范例&＃xff1a;
   •   匹配空行: /^/s*$/
   •   匹配HTML标记&＃xff1a; /<(/S&＃43;)(/s[^>]*)?>[/s/S]*/
   •   匹配email地址&＃xff1a; /&＃xff3b;a-zA-Z0-9_-&＃xff3d;&＃43;&＃64;[ a-zA-Z0-9_-]&＃43;(/.[ a-zA-Z0-9_-]&＃43;)&＃43;/
   •   匹配两个相同的相邻单词&＃xff1a; //b([a-z]&＃43;/1/b)/
   •   匹配ip地址&＃xff1a;/^(/d{1,2}|1/d/d|2[0-4]/d|25[0-5])(/.(/d{1,2}|1/d/d|2[0-4]/d|25[0-5])){3}$/