正则表达式语法

文章目录

1. 元字符
2. 字符转义
3. 重复
4. 字符类
5. 分枝条件
6. 分组
7. 反义
8. 后向引用
9. 贪婪与懒惰
10. 修饰符(标记)

[TOC]

元字符

代码	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

字符转义

如果想查找元字符本身的话,就需要将字符转义如:\* \.

重复

代码	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

字符类

要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),应该怎么办？

- [aeiou] 匹配元音字母
- [0-9] 匹配数字范围0-9(与\d含义一致)
- [a-z0-9A-Z_] 匹配字母数字下划线(只考虑英文时,与\w含义一致)

案例1:
匹配几种电话号码:
(010)88886666，或022-22334455，或02912345678

\(?0\d{2}[) -]?\d{8}

分枝条件

分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。

观察案例1表达式,发现其匹配存有以下缺陷:
能够同时匹配010)12345678或(022-87654321这种不正确的格式.因此,解决这种问题要使用分枝条件,如下:

- 0\d{2}-\d{8}|0\d{3}-\d{7}  
这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)  

- \(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}  
这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。你可以试试用分枝条件把这个表达式扩展成也支持4位区号的。  

- \d{5}-\d{4}|\d{5}  
这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。

注意: 用分枝条件时，要注意各个条件的顺序,上面例子如果改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

分组

当想要重复多个字符时,可以使用小括号来指定子表达式(也叫做,分组),然后可以指定子表达式的重复次数.
案例2
匹配ip地址:

- (\d{1,3}\.){3}\d{1,3} 
简单的ip地址匹配,缺陷是会匹配到256.300.888.999这种不可能存在的IP地址

- ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
精确匹配ip地址,由于正则不支持算术比较,所以只能使用冗长的分组和分枝条件

反义

有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义

代码	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

后向引用

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

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.
案例3
匹配重复的单词

- \b(\w+)\b\s+\1\b 匹配go go或kitty kitty这类单词(\1代表第一个分组)

组名也可以自定义,语法如下:
(?<name>exp)
案例3变形如下:

- \b(?<Word>\w+)\b\s+\k<Word>\b
注意:\k<name>表示使用定义的别名
后向引用其它用法总结:

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号(一般用于只验证规则,不需要捕获内容)
零宽断言	(?=exp)	匹配exp前面的位置
零宽断言	(?<=exp)< td>	匹配exp后面的位置
负向零宽断言	(?!exp)	匹配后面跟的不是exp的位置
负向零宽断言	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	此类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

`案例4`匹配以 ing 结尾的单词前面的部分(除 ing 以外部分)

going
\w+(?=ing) 零宽断言
go

贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符.如:
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*。
相反,有时需要尽可能少的匹配,称为懒惰匹配,语法是在表达式之后加一个?.同上面表达式变成懒惰匹配 : a.*?b

代码/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

修饰符(标记)

正则表达式的标记用于指定额外的匹配策略。标记不写在正则表达式里，标记位于表达式之外。

格式：/pattern/flags

修饰符	说明
i	(ignore)忽略大小写。
g	全局匹配。默认正则过程中字符串从左到右匹配，找到第一个符合条件的即匹配成功。使用该修饰符，查找所有匹配项。
m	多行模式，边界字符 `^` 和 `$` 匹配每一行的开头和结尾，而不是整个字符串的开头和结尾。
s	`“.”`表达式包含换行符`“\n”`。默认情况下的`"."` 是匹配除换行符 `"\n"` 之外的任何字符，加上 `s` 修饰符之后包含换行符 `"\n"`。
u	完整的 unicode 支持。默认正则不支持四个字节的 UTF-16 编码，会将其识别为两个字符。该修饰符将会正确识别为一个字符，建议汉字匹配都加上该修饰符。
y	（sticky）“粘连”修饰符，与`g`类似也是全局匹配，不同之处在于，`g`修饰符只要剩余位置中存在匹配就可，而`y`修饰符确保匹配必须从剩余的第一个位置开始。有些实现需要与`g`一起使用才可全局匹配。

# u 修饰符
/𠮷{2}/.test('𠮷𠮷') // false
/𠮷{2}/u.test('𠮷𠮷') // true

/^\uD83D/u.test('\uD83D\uDC2A') // false
/^\uD83D/.test('\uD83D\uDC2A') // true

# y 修饰符
字符串：a_a_a_a_aa_a_a_
正则：/a_/gy
匹配结果：a_a_a_a_

✤正则表达式