正则表达式之初探（凑10个字）

正则表达式-语法

注意：在其他语言中，\ 表示：我想要在正则表达式中插入一个普通的（字面上的）反斜杠，请不要给它任何特殊的意义。
在 Java 中，\ 表示：我要插入一个正则表达式的反斜线，所以其后的字符具有特殊的意义。比如在JAVA中“\w”才等价于其他语言中的“\w”

1. ”+“ 号代表前面的字符必须至少出现一次（1次或多次）：runoo+b，可以匹配 runoob、runooob、runoooooob 等
2. “” 号代表前面的字符可以不出现，也可以出现一次或者多次（0次、或1次、或多次）：runoob，可以匹配
   runob、runoob、runoooooob 等
3. “？” 问号代表前面的字符最多只可以出现一次（0次、或1次）：colou?r 可以匹配 color 或者 colour
4. .：匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像"(.|\n)"的模式。

一、非打印字符
字符 描述
\cx 匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的 值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。

二、特殊字符
因为特殊字符在正则表达式是有一定语义的，若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。比如：runo*ob ，则匹配 runo*ob。
字符 描述
\cx 匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
特殊字符

所谓特殊字符，就是一些有特殊含义的字符，如上面说的 runoob 中的 ，简单的说就是表示任何字符串的意思。如果要查找字符串中的 符号，则需要对 进行转义，即在其前加一个 \: runo*ob 匹配 runo*ob。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：
特别字符 描述
$ 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \$。
( ) 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 ( 和 )。

• 匹配前面的子表达式零次或多次。要匹配 字符，请使用 \。
• 匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 +。
  . 匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 . 。
  [ 标记一个中括号表达式的开始。要匹配 [，请使用 [。
  ? 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。
  \ 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\' 匹配 "\"，而 '(' 则匹配 "("。
  ^ 匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 \^。
  { 标记限定符表达式的开始。要匹配 {，请使用 {。
  | 指明两项之间的一个选择。要匹配 |，请使用 |。
  比如：^[0-9]+abc$ 该正则表达式代表的含义：
  ^ 为匹配输入字符串的开始位置。
  [0-9]+匹配多个数字， [0-9] 匹配单个数字，+ 匹配一个或者多个。
  abc$匹配字母 abc 并以 abc 结尾，$ 为匹配输入字符串的结束位置。

三、限定符
限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。
字符 描述

• 匹配前面的子表达式零次或多次。例如，zo 能匹配 "z" 以及 "zoo"。 等价于{0,}。
• 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
  ? 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的 "does" 或 "doxy" 中的 "do" 。? 等价于 {0,1}。
  {n} n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
  {n,} n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o'。
  {n,m} m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
  例子：
  处理两位或三位章节编号：Chapter [1-9][0-9]
  备注：
  、+限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。
  比如：
  您可能搜索 HTML 文档，以查找括在 H1 标记内的章节标题。该文本在您的文档中如下：< H1>Chapter 1 - 介绍正则表达式< /H1>
  贪婪：下面的表达式匹配从开始小于符号 (<) 到关闭 H1 标记的大于符号 (>) 之间的所有内容。/<.>/（从第一个“<”向后匹配，直到匹配到最后一个“<..”）
  非贪婪：如果您只需要匹配开始和结束 H1 标签，下面的非贪婪表达式只匹配 <H1>。/<.?>/（只匹配“<..>”这种形式的字符串）
  如果只想匹配开始的 H1 标签，表达式则是：/<\w+?>/（备注：\w代表匹配字母或数字或下划线或汉字 等价于 '[^A-Za-z0-9_]'）（意思是只匹配“<..>”这种形式的字符串，且第一个字符以“字母或数字或下划线或汉字”开头）
  通过在 、+ 或 ? 限定符之后放置 ?，该表达式从"贪心"表达式转换为"非贪心"表达式或者最小匹配。（简单点说就是只匹配到第一个结束符）

四、定位符

• 定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。
• 定位符用来描述字符串或单词的边界，^ 和 $ 分别指字符串的开始与结束，\b 描述单词的前或后边界，\B 表示非单词边界。

^ 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。

$ 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。

\b 匹配一个字边界，即字与空格间的位置。（若\b放在匹配字段的开始，则从开始处查找匹配位置，若放在匹配字段的结尾处，则从结尾处开始查找，注意是从所有单词的开始、结束处查找）

\B 非字边界匹配。（只从单词中间查找，结尾开始处的不匹配）

注意：不能将限定符与定位符一起使用。由于在紧靠换行或者字边界的前面或后面不能有一个以上位置，因此不允许诸如 ^* 之类的表达式。

例子：

1. 真正的章节标题不仅出现行的开始处，而且它还是该行中仅有的文本。它即出现在行首又出现在同一行的结尾：^Chapter
   [1-9][0-9]{0,1}$
2. 用下面的表达式匹配单词Chapter:
   \bCha ：该表达式匹配 Chapter 中的字符串 Cha，\b 字符的位置是非常重要的。如果它位于要匹配的字符串的开始，它在单词的开始处查找匹配项。如果它位于字符串的结尾，它在单词的结尾处查找匹配项。
   \Bapt：该表达式匹配 Chapter 中的字符串 apt，但不匹配 aptitude 中的字符串 apt，因为\B标识的是非字符边界位置

五、选择

1. 用圆括号将所有选择项括起来，相邻的选择项之间用|分隔。但用圆括号会有一个副作用，使相关的匹配会被缓存，此时可用?:放在第一个选项前来消除这种副作用。():它所匹配的字符串最终会以字符数组的形式存在，可以通过数组索引来获取对应的()匹配的文本
2. 其中 ?: 是非捕获元之一，还有两个非捕获元是 ?= 和
   ?!，这两个还有更多的含义，前者为正向预查，在任何开始匹配圆括号内的正则表达式模式的位置来匹配搜索字符串，后者为负向预查，在任何开始不匹配该正则表达式模式的位置来匹配搜索字符串。

六、反向引用

1. 对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到一个临时缓冲区中，所捕获的每个子匹配都按照在正则表达式模式中从左到右出现的顺序存储。缓冲区编号从1 开始，最多可存储 99 个捕获的子表达式。每个缓冲区都可以使用 \n 访问，其中 n 为一个标识特定缓冲区的一位或两位十进制数。
2. 可以使用非捕获元字符 ?:、?= 或 ?! 来重写捕获，忽略对相关匹配的保存。
   应用1：查找文本中两个相同的相邻单词的匹配项的能力
   文本：Is is the cost of of gasoline going up up?
   正则表达式：/\b([a-z]+) \1\b/ig
   \b：字符串的开头
   ()：匹配存储到一个临时缓冲区中，缓冲区编号从1 开始，最多可存储 99 个捕获的子表达式，每个缓冲区都可以使用 \n 访问（比如后面的“\1”）
   [a-z]+ ：指定一个或多个字母
   空格：表示匹配的字符串之间有空格
   \1：指定第一个子匹配项。
   \b：以“\1”提取的子匹配项结尾
   g：正则表达式后面的全局标记 g 指定将该表达式应用到输入字符串中能够查找到的尽可能多的匹配。
   i：指定不区分大小写
   应用2：反向引用还可以将通用资源指示符 (URI) 分解为其组件。假定您想将下面的 URI 分解为协议（ftp、http 等等）、域地址和页/路径:
   http://www.runoob.com:80/html/html-tutorial.html
   正则表达式：(\w+):\/\/([^/:]+)(:\d)?([^# ])
   第一个括号子表达式捕获 Web 地址的协议部分。该子表达式匹配在冒号和两个正斜杠前面的任何单词。
   第二个括号子表达式捕获地址的域地址部分。子表达式匹配 / 和 : 之外的一个或多个字符。
   第三个括号子表达式捕获端口号（如果指定了的话）。该子表达式匹配冒号后面的零个或多个数字。只能重复一次该子表达式。
   最后，第四个括号子表达式捕获 Web 地址指定的路径和 / 或页信息。该子表达式能匹配不包括 # 或空格字符的任何字符序列。
   将正则表达式应用到上面的 URI，各子匹配项包含下面的内容：
   第一个括号子表达式包含"http"
   第二个括号子表达式包含"www.runoob.com"
   第三个括号子表达式包含":80"
   第四个括号子表达式包含"/html/html-tutorial.html"

七、元字符

1. \d 匹配一个数字字符。等价于 [0-9]。
2. \D 匹配一个非数字字符。等价于 [^0-9]。
3. \w 匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
4. \W 匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。
5. \num 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。