前言

本文并非原創(chuàng)亮曹，內(nèi)容分別摘自維基百科橄杨、《精通正則表達(dá)式》第三版秘症、正則表達(dá)式30分鐘入門(mén)教程。

什么是正則表達(dá)式

在理論計(jì)算機(jī)科學(xué)和形式語(yǔ)言理論中式矫，正則表達(dá)式是定義了一個(gè)檢索模式的字符串乡摹。由字符串搜索算法在文本中檢索、替換匹配正則表達(dá)式定義的字符串采转。^[1]

一個(gè)簡(jiǎn)單的例子

假設(shè)需在一段文本中查找?guī)в衧rc屬性的img標(biāo)簽聪廉，可以使用正則表達(dá)式<img\s+?src=(["'])[^\1]*?\1\s*?/?>。
這條正則（<small>為了表述的流暢性故慈，下文將“正則表達(dá)式”簡(jiǎn)稱(chēng)為“正則”</small>）描述了這樣一個(gè)檢索模式：以<img開(kāi)頭板熊，以>結(jié)尾，<img與src=間有若干(大于0)空白符察绷，src=與>間同樣有若干（大于等于0）空白符干签，且>前可能存在一斜杠/，同時(shí)src=后緊跟一對(duì)引號(hào)（可能是單引號(hào)拆撼，也可能是雙引號(hào)）容劳，且這對(duì)引號(hào)之間有若干（大于等于0）個(gè)外括引號(hào)以外的任意字符。

元字符

一條正則通常由兩種字符構(gòu)成：元字符及普通字符闸度。通辰叻罚可以將元字符看做普通語(yǔ)言中的語(yǔ)法，它為正則表達(dá)式提供了強(qiáng)大的描述能力莺禁。

行錨點(diǎn)

^代表行的開(kāi)始留量，它將匹配文本錨定在行首位置，即^cat只匹配行首的cat。
$代表行的結(jié)束肪获，它將匹配文本錨定在行尾位置寝凌，即cat$只匹配位于行尾的cat，如以scat結(jié)尾的行孝赫。
^和$都只匹配位置较木，而不是具體的文本。在某些不支持處理多行的場(chǎng)景里青柄，^和$的意義則變?yōu)槠ヅ渥址拈_(kāi)始和結(jié)束伐债。

單詞分界符

\b代表單詞的開(kāi)頭或者結(jié)尾，即單詞的分界處致开，可以將它看作單詞版本的行錨點(diǎn)峰锁，如\bcat\b表示“匹配cat這個(gè)單詞”。同理双戳，它只匹配位置虹蒋。

字符組

字符組，即結(jié)構(gòu)體[···]飒货，允許使用者列出在某處期望匹配的字符魄衅。如gr[ea]y的意思是：先找到g，然后是一個(gè)r塘辅，接著是e或者a晃虫，最后是一個(gè)y。字符組的內(nèi)容是在同一個(gè)位置能夠匹配若干字符扣墩，它的意思是“或”（前例中的gr[ea]y在效果層面等同于gr(e|a)y）哲银；而在字符組之外的普通字符必須順序匹配，有“接下來(lái)是”的意思呻惕。
在字符組內(nèi)部荆责，-可以表示為一個(gè)范圍，當(dāng)且僅當(dāng)此時(shí)亚脆，-才是元字符做院，若它出現(xiàn)在字符組的首尾位置，則僅表示為一個(gè)普通字符型酥。同理山憨，?和.在字符組外常被當(dāng)做元字符，但是在字符組內(nèi)則不是如此弥喉。

排除型字符組

排除型字符組郁竟，即[^···]，允許使用者列出在某處不希望匹配的字符由境。換言之棚亩，這個(gè)字符組會(huì)匹配任何未列出的字符蓖议。這個(gè)字符組開(kāi)頭的^表示“排除”，與在字符組外^表示行錨點(diǎn)的意義截然不同讥蟆。

多選結(jié)構(gòu)

|勒虾，相當(dāng)于邏輯運(yùn)算中的或運(yùn)算，把不同的子表達(dá)式組合成一個(gè)總表達(dá)式瘸彤，這個(gè)總表達(dá)式能夠匹配任意的子表達(dá)式修然。在這樣的組合中，子表達(dá)式稱(chēng)為“多選分支”质况。
gr[ea]y和gr(e|a)y雖然在效果上表現(xiàn)相同愕宋，但是字符組和多選結(jié)構(gòu)在本質(zhì)上是兩個(gè)概念。字符組只能匹配目標(biāo)文本中的單個(gè)字符结榄，而每個(gè)多選結(jié)構(gòu)自身都可能是一條完整的正則表達(dá)式中贝。

分組與反向引用

圓括號(hào)將限定的若干字符組合成一個(gè)子表達(dá)式，作為一個(gè)分組臼朗。默認(rèn)情況下邻寿，分組會(huì)“記住”子表達(dá)式匹配的文本供表達(dá)式或其他過(guò)程使用，又稱(chēng)為捕獲视哑。每個(gè)分組都有一個(gè)組號(hào)绣否，組號(hào)由左往右從1開(kāi)始分配。
反向引用則用于重復(fù)檢索之前某個(gè)分組匹配的文本黎炉，如\1代表分組1匹配的文本枝秤。
若僅希望子表達(dá)式進(jìn)行匹配醋拧，而不捕獲匹配的文本慷嗜，也不給此分組分配組號(hào)，則可以在圓括號(hào)內(nèi)的子表達(dá)式前加上?:丹壕，如：(?:expression)庆械。

轉(zhuǎn)義

若想匹配元字符本身，如.或*菌赖，則需要通過(guò)\\對(duì)字符進(jìn)行轉(zhuǎn)義缭乘，取消這些字符在正則中的特殊意義。

常用元字符

重復(fù)限定符

?代表可選項(xiàng)，將它加在某個(gè)字符后面沫浆，表示此處容許出現(xiàn)該字符捷枯，但它的出現(xiàn)并非匹配成功的必要條件。u?是必然能匹配成功的专执，有時(shí)它會(huì)匹配一個(gè)u淮捆，其他時(shí)候則不匹配任何字符，例如u?在semicolon中匹配成功10處本股，但什么字符都沒(méi)有匹配争剿。

貪婪與懶惰

當(dāng)正則中包含重復(fù)限定符時(shí)，默認(rèn)匹配模式是貪婪模式痊末，即盡可能多的字符蚕苇。若需要匹配盡可能少的字符時(shí)，只需在重復(fù)限定符后加上?凿叠，即可將貪婪模式轉(zhuǎn)換成懶惰模式涩笤。如用表達(dá)式a.*b（貪婪）檢索aabab時(shí)，會(huì)匹配整個(gè)字符串盒件，而用表達(dá)式a.*?b（懶惰）檢索時(shí)蹬碧，會(huì)匹配aab（前三個(gè)字符）和ab（后兩個(gè)字符）。

零寬斷言

零寬斷言是指匹配寬度為零，滿(mǎn)足一定的斷言城瞎。斷言用來(lái)聲明一個(gè)應(yīng)該為真的事實(shí)渤闷，正則表達(dá)式中只有斷言為真時(shí)才會(huì)繼續(xù)匹配。而零寬斷言則用于檢索在某些內(nèi)容（但并不包含這些內(nèi)容）之前或之后的東西脖镀。像\b飒箭、^、$一樣蜒灰，零寬斷言用于指定一個(gè)位置弦蹂，這個(gè)位置應(yīng)該滿(mǎn)足一定的條件（即斷言）。

零寬正預(yù)測(cè)先行斷言

零寬正預(yù)測(cè)先行斷言强窖，(?=expression)凸椿，斷言自身出現(xiàn)位置的后面能匹配表達(dá)式expression。如\b\w+(?=ing\b)可以匹配以ing結(jié)尾的單詞的前面部分（除了ing以外的部分）毕骡，在運(yùn)用這條正則檢索I'm singing while you're dancing.時(shí)削饵，它會(huì)匹配sing和danc岩瘦。

零寬正回顧后發(fā)斷言

零寬正回顧后發(fā)斷言，(?<=expression)窿撬，斷言自身出現(xiàn)位置的前面能匹配表達(dá)式expression启昧。如(?<=\bre)\w+\b可以匹配以re開(kāi)頭的后半部分（除了re以外的部分），在運(yùn)用這條正則檢索reading a book.時(shí)劈伴，它會(huì)匹配ading密末。

零寬負(fù)預(yù)測(cè)先行斷言

前文提到可以通過(guò)排除性字符組列出在某處不希望匹配的字符。若只想確保某個(gè)字符沒(méi)有出現(xiàn)跛璧，而不想匹配它严里，則可以使用負(fù)向零寬斷言解決這樣的問(wèn)題。比如追城，在需要查找這樣的單詞：它里面出現(xiàn)了q刹碾，但是q后面不能是u。用表達(dá)式\b\w*q[^u]\w*\b檢索Iraq fighting時(shí)座柱，由于Iraq以q結(jié)尾的單詞迷帜，而[^u]總要匹配一個(gè)字符，所以當(dāng)q作為單子的最后一個(gè)字符時(shí)色洞，[^u]將會(huì)匹配q后面的單詞分隔符戏锹，后面的\w*\b會(huì)匹配下一單詞，所以這條正則會(huì)匹配整個(gè)字符串火诸。正確的表達(dá)式為：\b\w*q(?!u)\w*\b锦针。
零寬負(fù)預(yù)測(cè)先行斷言，(?!expression)置蜀，斷言自身出現(xiàn)位置的后面不能匹配表達(dá)式expression奈搜。如\b((?!abc)\w)+\b匹配不包含連續(xù)字符串abc的單詞。

零寬負(fù)回顧后發(fā)斷言

零寬負(fù)回顧后發(fā)斷言盾碗，(?<!expression)媚污，斷言自身出現(xiàn)位置的前面不能匹配表達(dá)式expression舀瓢。如(?<![a-z])\d{7}匹配前面不是小寫(xiě)字母的7位數(shù)字廷雅。

字符串搜索算法通常從左往右開(kāi)始檢索文本，當(dāng)前斷言位置的左邊京髓，即前文所述的“斷言自身出現(xiàn)位置的前面”航缀，而當(dāng)前斷言位置的右邊，即斷言的前行方向堰怨。
例1：(?<=\d)(?=(?:\d{3})+(?!\d))匹配左邊有數(shù)字且右邊有3x個(gè)數(shù)字的位置芥玉；
例2：(?<=<(\w+)>)[\s\S]*?(?=<\/\1>)匹配不包含屬性的簡(jiǎn)單HTML標(biāo)簽里的內(nèi)容。

注釋

圓括號(hào)的另一種用途是通過(guò)語(yǔ)法(?#comment)來(lái)包含注釋?zhuān)?code>2[0-4]\d(?#200-249)备图。但并不是所有流派支持這種功能灿巧。

平衡組

當(dāng)需要匹配像<1 / <1 + 100> >（為方便描述赶袄，將算式中的圓括號(hào)用尖括號(hào)代替）這樣的可嵌套的層次性結(jié)構(gòu)時(shí)，無(wú)論是使用<.+>抠藕，還是<.+?>都不能保證匹配到的內(nèi)容中的尖括號(hào)是逐層配對(duì)的饿肺。
這里需要用到平衡組，語(yǔ)法構(gòu)造如下：

• (?'group'expression)把捕獲的內(nèi)容命名為group盾似，并壓入堆棧敬辣。
• (?'-group'expression)從堆棧彈出名為group的捕獲內(nèi)容，若堆棧為空零院，則本分組匹配失敗溉跃。
• (?(group)yes|no)若堆棧上存在名為group的捕獲內(nèi)容的話(huà)，則繼續(xù)匹配yes部分的表達(dá)式告抄，否則繼續(xù)匹配no部分的表達(dá)式撰茎。
• (?!)由于該零寬負(fù)向先行斷言沒(méi)有后綴表達(dá)式，試圖匹配總是失敗打洼。

每碰到一個(gè)左括號(hào)乾吻，就往堆棧內(nèi)壓入一個(gè)“Open”，每碰到一個(gè)右括號(hào)拟蜻，就彈出一個(gè)“Open”绎签，最后檢查堆棧是否為空，不為空則證明左括號(hào)多于右括號(hào)酝锅，匹配失敗诡必。正則表達(dá)式引擎進(jìn)行回溯(放棄最前面或最后面的一些字符)，使整個(gè)表達(dá)式得到匹配搔扁。完整表達(dá)式如下：

<                         #最外層的左括號(hào)
    [^<>]*                #最外層的左括號(hào)后面的不是括號(hào)的內(nèi)容
    (
        (
            (?'Open'<)    #碰到了左括號(hào)爸舒，在黑板上寫(xiě)一個(gè)"Open"
            [^<>]*        #匹配左括號(hào)后面的不是括號(hào)的內(nèi)容
        )+
        (
            (?'-Open'>)   #碰到了右括號(hào)，擦掉一個(gè)"Open"
            [^<>]*        #匹配右括號(hào)后面不是括號(hào)的內(nèi)容
        )+
    )*
    (?(Open)(?!))         #在遇到最外層的右括號(hào)前面稿蹲，判斷黑板上還有沒(méi)有沒(méi)擦掉的"Open"扭勉；如果還有，則匹配失敗
>       

平衡組的另一個(gè)常見(jiàn)應(yīng)用就是匹配HTML苛聘，如匹配嵌套的<div>標(biāo)簽涂炎。但是大多數(shù)系統(tǒng)（除Perl.NET\PCRE/PHP）中，正則表達(dá)式無(wú)法匹配任意深度的嵌套結(jié)構(gòu)设哗。

補(bǔ)充

正則表達(dá)式在線(xiàn)測(cè)試工具