正则表达式学习笔记

正则表达式作用：

1、  格式有效性验证

2、  替换或删除特定格式内容

3、  搜索查询

元字符（表示内容）

\b——代表单词的开头或者结尾，也就是单词的分界处。

.(点)——用来匹配除了换行符以外的任意字符

*（+）[sh1] ——代表数量n个，*前面的内容可以连续重复使用任意次以使整个表达式得到匹配

\d——匹配一个数字字符（0-9）[0-9]

d{2}——大括号表示连续重复匹配n 个，这里的意思就是2个数字

\s——匹配任意的空白符，包括空格、制表符，换行符，中文全角空格等

\w——匹配任意字符（字母或数字或下划线或汉字等）。[a-z0-9A-Z_]

^——匹配字符串开始

$——匹配字符串结束

[]——中括号表示包含

例子：

\bhi\b.*\bLucy\b——先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词

0\d\d-\d\d\d\d\d\d\d\d——（带3位区号的电话号码）以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字

字符转义：使用\

重复限定符（表示次数的）

分枝条件使用|

使用分枝条件时，要注意各个条件的顺序（满足条件即可，所以要把复杂的写在前面）

子匹配（分组）

——小括号（圆括号）括起来的部分为一个子匹配

——由于正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组实现限制验证文档数字的大小的功能，如描述ip地址（不能大于255）：((2[0-4]\d|25[0-5]|[01]?\d\d?)\ .){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

关键理解：2[0-4]\d|25[0-5]|[01]?\d\d?-->

2[0-4]\d  200-249

|25[0-5]   250-255

|[01]?\d\d? 0-199

常用的反义代码(大写)

例子：\S+匹配不包含空白符的字符串。

<a[^>]+>匹配用尖括号括起来的以a开头的字符串。

后向引用

——用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。

组号分配规则：

• 分组0对应整个正则表达式
• 实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号
• 你可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权．

例如：\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。

              这里\1就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)

自定义字表达式的组名：b(?<Word>\w+)\b\s+\k<Word>\b

零宽断言

——用于查找在某些内容(但并不包括这些内容)之前或之后的东西（界定一个位置）

(?=exp)也叫零宽度正预测先行断言——断言自身出现的位置的后面能匹配表达式exp

比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言——断言自身出现的位置的前面能匹配表达式exp

比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

负向零宽断言

提出问题：确保某个字符没有出现，但并不想去匹配它

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\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。

零宽度负回顾后发断言用(?<!exp)来断言此位置的前面不能匹配表达式exp：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

(?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内里的内容

贪婪与懒惰

【贪婪】

a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

【懒惰】

懒惰匹配，也就是匹配尽可能少的字符。只要在它后面加上一个问号?。这样.*?就意味着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

例如：a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。[sh2]