簡介/聲明
為什么要寫此文呢？稍微有點(diǎn)Web基礎(chǔ)的同學(xué)應(yīng)該都知道網(wǎng)頁的表單大多都要做表單驗(yàn)證。而正則表達(dá)式正好可以很好的來解決這個問題。再加上現(xiàn)在HTML5中援制，input標(biāo)簽的pattern屬性可以直接寫正則表達(dá)式更方便了。之前貌似應(yīng)該大多是在JavaScript或者php中用正則表達(dá)式來做驗(yàn)證的芍瑞〕柯兀總之，Web開發(fā)的話正則表達(dá)式還是很重要的拆檬，當(dāng)然正則表達(dá)式的作用也不是僅限于此洪己，之前我在學(xué)習(xí)Linux系統(tǒng)基礎(chǔ)命令的時候，gerp命令也可以用正則表達(dá)式竟贯。答捕。。屑那。
本文并非原創(chuàng)拱镐，是改編自《正則表達(dá)式30分鐘入門教程》艘款，如果你點(diǎn)開這個原作者的鏈接你會發(fā)現(xiàn)，上個版本也不是原創(chuàng)沃琅，也是改編優(yōu)化的哗咆。哈哈哈，這么算來我的這個版本至少都是第三版啦益眉。第一版我也看了看晌柬，排版確實(shí)看著不舒服。第二版就好了很多郭脂。我感覺我的第三本和第二版相比估計變化不大年碘，也就是會刪掉些不常用的，再加些常用的實(shí)例朱庆。解釋不夠詳細(xì)的地方再以0基礎(chǔ)的位置詳細(xì)解釋說明盛泡。
還有，本文前兩版都是叫做《正則表達(dá)式30分鐘入門教程》的娱颊，為什么到了我這第三版改叫做《正則表達(dá)式快速入門教程》了呢傲诵？原因很簡單，因?yàn)槲冶肯渌叮彝ㄟ^上版原文學(xué)的時候30分鐘沒全學(xué)會拴竹。我也沒信心保證我這第三版能不能保證每位讀者都30分鐘就能夠入門。其實(shí)上次寫的《MySQL快速入門》人家原文就叫《3天入門MySQL》剧罩。哈哈哈
如何使用本教程
正則表達(dá)式人們第一眼看起來都覺得栓拜，這什么玩意，亂碼一樣惠昔。幕与。其實(shí)不然，只要學(xué)習(xí)掌握了基礎(chǔ)的語法規(guī)則镇防，慢慢的你就能看得懂了啦鸣。學(xué)習(xí)什么語言都是這樣。當(dāng)然来氧，如果你看完了這篇教程之后诫给，發(fā)現(xiàn)自己明白了很多，卻又幾乎什么都記不得啦扬，那也是很正常的——我認(rèn)為中狂，沒接觸過正則表達(dá)式的人在看完這篇教程后，能把提到過的語法記住80%以上的可能性為零扑毡。這里只是讓你明白基本的原理胃榕，腦里有大致有個印象，正則表達(dá)式能干啥瞄摊？有沒有你想用到的那個功能勤晚？大致明白就好枉层，用的時候知道有這么個東西可以用，返回來再谷歌也知道該怎么查了赐写。要想熟練地寫出一串正則表達(dá)式還是要多多練練就熟了鸟蜡。學(xué)習(xí)啥都是這個過程。
原作說是本文除了當(dāng)基礎(chǔ)入門教程外挺邀，入門后還可以勉強(qiáng)當(dāng)語法參考手冊來用羽氮。確實(shí)如此米同，但是由于原文人家是在GitBook上發(fā)布的珍德，因此頁面左側(cè)會有目錄導(dǎo)航索引旦棉，很方便。而簡書就不行禾蚕。對此本文我也會同步發(fā)表在我的Blog上您朽，在頁面右側(cè)可以看到目錄導(dǎo)航索引。實(shí)在不想去的就在簡書上Ctrl+F吧换淆。哗总。。
正則表達(dá)式快速入門教程(Airmole Blog有目錄版)
本文將會對特別的字符做一些 斜體倍试，加粗 處理讯屈，希望讀者在閱讀的時候可以多體會和留心這些細(xì)節(jié)，從而有更深刻的了解县习。
何為正則表達(dá)式涮母？
你可能使用過Windows/Linux下用于文件查找的通配符(wildcard)，也就是 '*' 和 '?'躁愿。
如果你想查找某個目錄下的所有的Word文檔的話叛本，你會搜索 .doc。在這里彤钟，" * "會被解釋成任意長度的字符串来候；而“?”可以匹配任意的某一個字符。就是說“”和“?”都是代表任意的字符样勃，不同的是“”代表的長度可以是任意，而“?"只能是一個字符性芬。當(dāng)然峡眶，“”就是"?"的超集了。
和通配符類似植锉，正則表達(dá)式就是用來進(jìn)行文本匹配的一串代碼辫樱，只不過比起通配符，它能更精確地描述你的需求——當(dāng)然俊庇，代價就是更復(fù)雜——比如你可以編寫一個正則表達(dá)式狮暑，用來查找所有以 0 開頭鸡挠，后面跟著 2-3 個數(shù)字，然后是一個連字號“-”搬男，最后是7或8位數(shù)字的字符串(像010-12345678或0376-7654321)拣展。。缔逛。這不是固定電話號碼是什么备埃？？
入門
嗯褐奴，入門了啊按脚。正式開始了。
據(jù)說學(xué)習(xí)正則表達(dá)式的最好方法是從例子開始敦冬，理解例子之后根據(jù)自己的理解把例子改一改辅搬，試一試看自己理解的是否無誤。
假設(shè)你在一篇英文小說里查找hi脖旱，你可以使用正則表達(dá)式 " hi "堪遂。
這幾乎是最簡單的正則表達(dá)式了，它可以精確匹配這樣的字符串：由兩個字符組成夯缺，前一個字符是 h, 后一個是 i蚤氏。不幸的是，很多單詞里包含 hi 這兩個連續(xù)的字符踊兜，比如 him, history, high 等等竿滨。用 hi 來查找的話，這里邊的 hi 也會被找出來捏境。如果要精確地查找 hi 這個單詞的話于游，我們應(yīng)該使用 \bhi\b。至于為什么是\b不是其他字母本來我也不清楚垫言。后來簡書網(wǎng)友@ 雪之祁舞評論說
/b英文單詞brder的首字母贰剥，意為邊界的意思
我這才恍然大悟啊。
\b 是正則表達(dá)式規(guī)定的一個特殊代碼（更多人叫它元字符筷频，metacharacter）蚌成，代表著單詞的開頭或結(jié)尾，就是單詞的分界處凛捏。雖然通常英文的單詞是由空格担忧，標(biāo)點(diǎn)符號或者換行來分隔的，但是 \b 并不匹配這些單詞分隔字符中的任何一個坯癣，它只匹配一個位置瓶盛。準(zhǔn)確的說，\b 匹配這樣的位置：它的前一個字符和后一個字符不全是(一個是,一個不是或不存在) \w。\w又是個什么元字符惩猫？后面碰到再專門講芝硬，急性子也可以現(xiàn)在就去查。
如果要找的是 hi 后面不遠(yuǎn)處跟著一個 Lucy轧房，你應(yīng)該用** \bhi\b.\bLucy\b*拌阴。
這里，“.” 是另一個元字符锯厢，匹配除了換行符以外的任意字符皮官。同樣是元字符，不過它代表的不是字符实辑，也不是位置捺氢，而是數(shù)量——它指定前邊的內(nèi)容可以連續(xù)重復(fù)使用任意次以使整個表達(dá)式得到匹配。因此剪撬，. 連在一起就意味著任意數(shù)量的不包含換行的字符∩闫梗現(xiàn)在 \bhi\b.*\bLucy\b 的意思就很明顯了：先是一個單詞hi,然后是任意個任意字符(但不能是換行)，最后是Lucy這個單詞残黑。
換行符是 '\n', 跟C語言一樣馍佑。哈哈。
0\d\d-\d\d\d\d\d\d\d\d
匹配這樣的字符串：
以0開頭梨水，然后是兩個數(shù)字拭荤，然后是一個連字號“-”，最后是8個數(shù)字(也就是中國的電話號碼疫诽。當(dāng)然舅世，這個例子只能匹配區(qū)號為3位的情形)。
這里的** \d**（\d→digital數(shù)字） 是個新的元字符奇徒，匹配一位數(shù)字(0雏亚，或1，或2摩钙，或……)罢低。- 不是元字符，只匹配它本身——連字符(或者減號胖笛，或者中橫線网持，或者隨你怎么稱呼它)。
為了避免那么多煩人的重復(fù)长踊，我們也可以這樣寫這個表達(dá)式：
0\d{2}-\d{8}
這里 \d 后面的 {2}({8}) 的意思是前面 \d 必須連續(xù)重復(fù)匹配2次(8次)功舀。
測試正則表達(dá)式
如果你不覺得正則表達(dá)式很難讀寫的話，要么你是一個天才之斯，要么日杈，你不是地球人。正則表達(dá)式的語法很令人頭疼佑刷，即使對經(jīng)常使用它的人來說也是如此莉擒。由于難于讀寫，容易出錯瘫絮，所以找一種工具對正則表達(dá)式進(jìn)行測試是很有必要的涨冀。
Chrome調(diào)試插件
Chrome 擴(kuò)展插件：RegExp Tester
插件安裝地址：點(diǎn)擊安裝
正則表達(dá)式在線測試
也有好多網(wǎng)站都提供在線測試正則表達(dá)式的，不用下載麦萤，不用安裝鹿鳖，而且跨平臺，也不要錢壮莹，干嘛不用呢翅帜。再說了，之前不是說了嘛命满，html5的input標(biāo)簽涝滴，pattern屬性可以直接寫正則表達(dá)式啦。
正則表達(dá)式在線測試
個人覺得菜鳥的這個比較好用胶台，關(guān)鍵它下面還提供了那么多各種常用的正則表達(dá)式歼疮。暖暖的，好貼心啊诈唬。
具體在你們使用的其他語言里面怎么用正則表達(dá)式韩脏，自己去查。那么多語言也不能在這里一一細(xì)談铸磅。
元字符
常用元字符一覽表
| 代碼 | 說明 | 助記 |
|---|---|---|
| . | 匹配除換行符以外的任意字符 | 死記硬背 |
| \w | 匹配字母或數(shù)字或下劃線或漢字 | word |
| \s | 匹配任意的空白符 | space |
| \d | 匹配數(shù)字 | digital |
| \b | 匹配單詞的開始或結(jié)束 | block |
| ^ | 匹配字符串的開始 | 死記硬背 |
| $ | 匹配字符串的結(jié)束 | 死記硬背 |
如果不使用 ^ 和 $ 的話赡矢，對于 \d{5,12} 而言，使用這樣的方法就只能保證字符串里包含5到12連續(xù)位數(shù)字愚屁，而不是整個字符串就是5到12位數(shù)字济竹。
現(xiàn)在你已經(jīng)知道幾個很有用的元字符了，如 “\b” , “.” , “* ”霎槐，還有 \d. 正則表達(dá)式里還有更多的元字符送浊，比如 \s（s→space空白） 匹配任意的空白符，包括空格丘跌，制表符(Tab)袭景，換行符，中文全角空格等闭树。\w匹配字母或數(shù)字或下劃線或漢字等耸棒。 (w→word單詞，呃呃报辱，尷尬与殃。這個貌似勉強(qiáng)，比較畢竟還有數(shù)字呢。幅疼。)
\ba\w*\b
匹配以字母a開頭的單詞——先是某個單詞開始處(\b)米奸，然后是字母 a，然后是任意數(shù)量的字母或數(shù)字 (\w*)爽篷，最后是單詞結(jié)束處(\b)悴晰。
\d+匹配1個或更多連續(xù)的數(shù)字。這里的 + 是和 * 類似的元字符逐工，不同的是 * 匹配重復(fù)任意次(可能是0次)铡溪，而+則匹配重復(fù)1次或更多次。\b\w{6}\b 匹配剛好6個字符的單詞泪喊。
元字符 ^（和數(shù)字6在同一個鍵位上的符號）和 $ 都匹配一個位置棕硫，這和 \b 有點(diǎn)類似。^ 匹配你要用來查找的字符串的開頭袒啼，$ 匹配結(jié)尾饲帅。這兩個代碼在驗(yàn)證輸入的內(nèi)容時非常有用，比如一個網(wǎng)站如果要求你填寫的QQ號必須為5位到12位數(shù)字時瘤泪，可以使用：
^\d{5,12}$
這里的 {5,12} 和前面介紹過的 {2} 是類似的灶泵，只不過 {2} 匹配只能不多不少重復(fù)2次，{5,12} 則是重復(fù)的次數(shù)不能少于5次对途，不能多于12次赦邻，否則都不匹配。
因?yàn)槭褂昧?^ 和 $ 实檀，所以輸入的整個字符串都要用來和\d{5,12} 來匹配惶洲，也就是說整個輸入必須是5到12個數(shù)字，因此如果輸入的QQ號能匹配這個正則表達(dá)式的話膳犹，那就符合要求了恬吕。
和忽略大小寫的選項(xiàng)類似，有些正則表達(dá)式處理工具還有一個處理多行的選項(xiàng)须床。如果選中了這個選項(xiàng)铐料，^ 和 $ 的意義就變成了匹配行的開始處和結(jié)束處。
字符轉(zhuǎn)義
如果你想查找元字符本身的話豺旬，比如你查找 ., 或者 * ,就出現(xiàn)了問題：你沒辦法指定它們钠惩，因?yàn)樗鼈儠唤忉尦蓜e的意思。這時你就得使用 \ 來取消這些字符的特殊意義族阅。因此篓跛，你應(yīng)該使用. 和 *。當(dāng)然坦刀，要查找 \ 本身愧沟，你也得用 \.
例如：
- regtest.py 匹配 regtest.py
- C:\Windows 匹配 C:\Windows蔬咬。
重復(fù)
你已經(jīng)看過了前面的 “” , “+” , “{2}” , “{5,12}” 這幾個匹配重復(fù)的方式了。下面是正則表達(dá)式中所有的限定符(指定數(shù)量的代碼沐寺，例如 ““ , ”{5,12}“等)：
常用的重復(fù)次數(shù)限定符
| 代碼 | 說明 |
|---|---|
| * | 重復(fù)零次或更多次 |
| + | 重復(fù)一次或更多次 |
| 计盒？ | 重復(fù)零次或一次 |
| {n} | 重復(fù)n次 |
| {n,} | 重復(fù)n次或更多次 |
| {n,m} | 重復(fù)n到m次 |
使用重復(fù)的例子：
- Windows\d+ 匹配 Windows后面跟1個或更多數(shù)字
- ^\w+ 匹配 一行的第一個單詞(或整個字符串的第一個單詞，具體匹配哪個意思得看選項(xiàng)設(shè)置)
字符類
要想查找數(shù)字芽丹，字母或數(shù)字，空白是很簡單的卜朗，因?yàn)橐呀?jīng)有了對應(yīng)這些字符集合的元字符拔第，但是如果你想匹配沒有預(yù)定義元字符的字符集合(比如元音字母 a, e, i, o, u ),應(yīng)該怎么辦？
很簡單场钉，你只需要在方括號里列出它們就行了蚊俺，像 [aeiou] 就匹配任何一個英文元音字母，[.?!] 匹配標(biāo)點(diǎn)符號( . 或 ? 或 ! )逛万。
也可以輕松地指定一個字符范圍泳猬，像 [0-9] 代表的含意與 \d 就是完全一致的：一位數(shù)字；同理 [a-z0-9A-Z_] 也完全等同于 \w（如果只考慮英文的話）宇植。
\(?0\d{2}[) -]?\d{8}
“(”和“)”也是元字符得封，后面的分組節(jié)里會提到，所以在這里需要使用轉(zhuǎn)義指郁。
這個表達(dá)式可以匹配幾種格式的電話號碼忙上，像 (010)88886666，或022-22334455闲坎，或 02912345678 等疫粥。我們對它進(jìn)行一些分析吧：首先是一個轉(zhuǎn)義字符 (,它能出現(xiàn)0次或1次 (?),然后是一個0，后面跟著2個數(shù)字(\d{2})腰懂，然后是)或-或空格中的一個梗逮，它出現(xiàn)1次或不出現(xiàn) (?)，最后是8個數(shù)字 (\d{8})绣溜。
聰明的你看出了這在實(shí)際使用中還是有問題的慷彤。接著看。
分支條件
不幸的是怖喻，剛才那個表達(dá)式也能匹配 010)12345678 或(022-87654321 這樣的“不正確”的格式瞬欧。
要解決這個問題，我們需要用到分枝條件罢防。正則表達(dá)式里的分枝條件指的是有幾種規(guī)則艘虎，如果滿足其中任意一種規(guī)則都應(yīng)該當(dāng)成匹配。就是邏輯或一樣咒吐。具體方法是用 | 把不同的規(guī)則分隔開野建。聽不明白属划？沒關(guān)系，看例子：
0\d{2}-\d{8}|0\d{3}-\d{7}
這個表達(dá)式能匹配兩種以連字號分隔的電話號碼：
- 一種是三位區(qū)號候生，8位本地號(如 010-12345678 )
- 一種是四位區(qū)號同眯，7位本地號( 如0376-2233445 )
\(?0\d{2}\)?[- ]?\d{8}|0\d{2}[- ]?\d{8}
這個表達(dá)式匹配 3 位區(qū)號的電話號碼，其中區(qū)號可以用小括號括起來唯鸭，也可以不用须蜗，區(qū)號與本地號間可以用連字號或空格間隔，也可以沒有間隔目溉。你可以試試用分枝條件把這個表達(dá)式擴(kuò)展成也支持4位區(qū)號的明肮。這個問題自己思考，一點(diǎn)也不難缭付。
\d{5}-\d{4}|\d{5}
這個表達(dá)式用于匹配美國的郵政編碼柿估。美國郵編的規(guī)則是5位數(shù)字，或者用連字號間隔的9位數(shù)字陷猫。之所以要給出這個例子是因?yàn)樗苷f明一個問題：使用分枝條件時秫舌，要注意各個條件的順序。
如果你把它改成\d{5}|\d{5}-\d{4}的話绣檬，那么就只會匹配5位的郵編(以及9位郵編的前5位)足陨。原因是匹配分枝條件時，將會從左到右地測試每個條件娇未，如果滿足了某個分枝的話钠右，就不會去再管其它的條件了。這點(diǎn)真的很重要忘蟹。
分組
我們已經(jīng)提到了怎么重復(fù)單個字符（直接在字符后面加上限定符就行了）飒房；但如果想要重復(fù)多個字符又該怎么辦？你可以用小括號來指定子表達(dá)式(也叫做分組)媚值，然后你就可以指定這個子表達(dá)式的重復(fù)次數(shù)了狠毯，你也可以對子表達(dá)式進(jìn)行其它一些操作(后面會有介紹)。
(\d{1,3}\.){3}\d{1,3}
是一個簡單的 IP 地址匹配表達(dá)式褥芒。要理解這個表達(dá)式嚼松，請按下列順序分析它：\d{1,3} 匹配1到3位的數(shù)字，(\d{1,3}.){3} 匹配三位數(shù)字加上一個英文句號(這個整體也就是這個分組)重復(fù)3次锰扶，最后再加上一個一到三位的數(shù)字(\d{1,3})献酗。
IP地址中每個數(shù)字都不能大于255. 經(jīng)常有人問我, 01.02.03.04 這樣前面帶有0的數(shù)字, 是不是正確的IP地址呢? 答案是: 是的, IP 地址里的數(shù)字可以包含有前導(dǎo) 0 (leading zeroes).
不幸的是，它也將匹配 256.300.888.999 這種不可能存在的IP地址坷牛。如果能使用算術(shù)比較的話罕偎，或許能簡單地解決這個問題，但是正則表達(dá)式中并不提供關(guān)于數(shù)學(xué)的任何功能京闰，所以只能使用冗長的分組颜及，選擇甩苛，字符類來描述一個正確的IP地址：
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
理解這個表達(dá)式的關(guān)鍵是理解 2[0-4]\d|25[0-5]|[01]?\d\d?，這里我就不細(xì)說了俏站，你自己應(yīng)該能分析得出來它的意義.但是像我這種腦子不夠用的還真要想一會兒讯蒲。關(guān)鍵是 [01]?\d\d? 是有點(diǎn)兒難理解。經(jīng)過我的思考和測試肄扎。 [01]?\d\d? 是匹配0-199這個區(qū)間的墨林，即使輸入01，001類似于這樣的也是正確的IP地址犯祠，也要能夠匹配旭等。所以才這樣寫的。
通過以上學(xué)習(xí)雷则，可以了解分組就是類似于 /d{2} 這樣的表達(dá)式有相似之處。不同的是分組里面是一串元字符或表達(dá)式連續(xù)出現(xiàn)若干次肪笋，而 重復(fù) 是某一位元字符重復(fù)出現(xiàn)若干次月劈。
反義
反義，這個概念真的是最最最簡單的啦藤乙。我倒是覺得這個概念一開始在學(xué)習(xí)完元字符以后就可以輕松掌握了猜揪。因?yàn)槟阒恍枰獙⒃址械淖帜复髮懀涂善ヅ湫懙脑址馔獾淖址沉骸＞褪菐缀侮P(guān)系中的不包含/排除掉的那種關(guān)系而姐。但是又怕原作中反義與后文有什么聯(lián)系，破壞掉篇章結(jié)構(gòu)划咐。也就沒改了拴念。
查找不屬于某個能簡單定義的字符類的字符。比如想查找除了數(shù)字以外褐缠，其它任意字符都行的情況政鼠，這時需要用到反義：
| 代碼 | 說明 |
|---|---|
| \W | 匹配任意不是字母，數(shù)字队魏，下劃線公般，漢字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非數(shù)字的字符 |
| \B | 匹配不是單詞開頭或結(jié)束的位置 |
| [^x] | 匹配除了x以外的任意字符 |
| [^aeiou] | 匹配除了aeiou這幾個字母以外的任意字符 |
例子：
- \S+匹配 不包含空白符的字符串。
- <a[^>]+>匹配 用尖括號括起來的以a開頭的字符串胡桨。
后向引用
使用小括號指定一個子表達(dá)式后官帘，匹配這個子表達(dá)式的文本(也就是此分組捕獲的內(nèi)容)可以在表達(dá)式或其它程序中作進(jìn)一步的處理。意思是說可以多層嵌套著來嗎昧谊？不是刽虹，多層嵌套在后面叫做遞歸匹配更貼切。
默認(rèn)情況下呢诬，每個分組會自動擁有一個組號状婶，規(guī)則是：從左向右意敛，以分組的左括號為標(biāo)志，第一個出現(xiàn)的分組的組號為1膛虫，第二個為2草姻，以此類推。
后向引用用于重復(fù)搜索前面某個分組匹配的文本稍刀。例如撩独，\1 代表分組1匹配的文本。難以理解账月？請看示例：
\b(\w+)\b\s+\1\b
可以用來匹配重復(fù)的單詞综膀，像go go, 或者kitty kitty。
這個表達(dá)式首先是一個單詞局齿，也就是單詞開始處和結(jié)束處之間的多于一個的字母或數(shù)字 (\b(\w+)\b) 剧劝，這個單詞會被捕獲到編號為1的分組中，然后是1個或幾個空白符 (\s+)抓歼，最后是分組1中捕獲的內(nèi)容（也就是前面匹配的那個單詞）(\1)讥此。
也可以自己指定子表達(dá)式的組名
要指定一個子表達(dá)式的組名，請使用這樣的語法：(?<Word>\w+)(或者把尖括號換成'也行： (?'Word'\w+)),這樣就把 \w+ 的組名指定為 Word 了谣妻。要反向引用這個分組捕獲的內(nèi)容萄喳，你可以使用 \k<Word>,所以上一個例子也可以寫成這樣：
\b(?<Word>\w+)\b\s+\k<Word>\b
使用小括號的時候，還有很多特定用途的語法蹋半。下面列出了最常用的一些：
| 分類 | 代碼 | 說明 |
|---|---|---|
| 捕獲 | (exp) | 匹配exp他巨，并捕獲文本到自動命名的組里 |
| (?exp) | 匹配exp,并捕獲文本到名稱為name的組里，也可以寫成(?'name'exp) | |
| (?:exp) | 匹配exp减江，不捕獲匹配的文本染突，也不給此分組分配組號 | |
| 零寬斷言 | (?=exp) | 零寬度正預(yù)測先行斷言,匹配exp前面的位置 |
| (?<=exp) | 零寬度正回顧后發(fā)斷言,匹配exp后面的位置 | |
| (?!exp) | 匹配后面跟的不是exp的位置 | |
| (?<exp) | 匹配前面不是exp的位置 | |
| 注釋 | (?#comment) | 注釋，寫給人看的辈灼，方便理解閱讀觉痛，不對正則表達(dá)式的處理產(chǎn)生任何影響 |
我們已經(jīng)討論了前兩種語法。
第三個(?:exp)不會改變正則表達(dá)式的處理方式茵休，只是這樣的組匹配的內(nèi)容 不會像前兩種那樣被捕獲到某個組里面薪棒，也不會擁有組號。
“我為什么會想要這樣做榕莺？”——好問題俐芯，你覺得為什么呢？
為什么钉鸯？吧史？我知道的話就不來看這篇文章了。唠雕。贸营。話說零寬斷言吨述，這四個字字面意思我都不能理解是個什么啊。
后面一定會講的钞脂，對吧揣云？？
零寬斷言
接下來的四個用于查找在某些內(nèi)容(但并不包括這些內(nèi)容)之前或之后的東西冰啃，也就是說它們像 \b,^,$ 那樣用于指定一個位置邓夕，這個位置應(yīng)該滿足一定的條件(即斷言)，因此它們也被稱為零寬斷言阎毅。
最好還是拿例子來說明吧：
零寬度正預(yù)測先行斷言
(?=exp)
也叫零寬度正預(yù)測先行斷言焚刚，它斷言自身出現(xiàn)的位置的后面能匹配表達(dá)式exp。比如 \b\w+(?=ing\b)扇调，匹配以ing結(jié)尾的單詞的前面部分(除了ing以外的部分)矿咕，如查找 I'm singing while you're dancing. 時，它會匹配 sing 和 danc 狼钮。
還是例子好理解吧碳柱。哈哈哈
零寬度正回顧后發(fā)斷言
(?<=exp)
叫零寬度正回顧后發(fā)斷言，它斷言自身出現(xiàn)的位置的前面能匹配表達(dá)式exp燃领。比如 (?<=\bre)\w+\b 會匹配以re 開頭的單詞的后半部分(除了 re 以外的部分)士聪，例如在查找reading a book時锦援，它匹配 ading猛蔽。
假如你想要給一個很長的數(shù)字中每三位間加一個逗號(當(dāng)然是從右邊加起了)，你可以這樣查找需要在前面和里面添加逗號的部分：
可是為什么原作說 “當(dāng)然是從右邊加起了灵寺？”
((?<=\d)\d{3})+\b
用它對1234567890進(jìn)行查找時結(jié)果是234567890
下面這個例子同時使用了這兩種斷言：
(?<=\s)\d+(?=\s)
匹配以空白符間隔的數(shù)字(再次強(qiáng)調(diào)曼库，不包括這些空白符)。
負(fù)向零寬斷言
前面我們提到過怎么查找不是某個字符或不在某個字符類里的字符的方法(反義)略板。但是如果我們只是想要確保某個字符沒有出現(xiàn)毁枯，但并不想去匹配它時怎么辦？例如叮称，如果我們想查找這樣的單詞--它里面出現(xiàn)了字母q,但是q后面跟的不是字母u,我們可以嘗試這樣：
\b\w*q[^u]\w*\b
匹配包含 后面不是字母 u 的字母 q 的單詞种玛。但是如果多做測試(或者你思維足夠敏銳，直接就觀察出來了)瓤檐，你會發(fā)現(xiàn)赂韵，如果q出現(xiàn)在單詞的結(jié)尾的話，像Iraq,Benq挠蛉，這個表達(dá)式就會出錯祭示。這是因?yàn)?[^u] 總要匹配一個字符，所以如果 q是單詞的最后一個字符的話谴古，后面的 [^u] 將會匹配q后面的單詞分隔符(可能是空格质涛，或者是句號或其它的什么)稠歉，后面的 \w\b 將會匹配下一個單詞，于是 \b\wq[^u]\w*\b 就能匹配整個 Iraq fighting汇陆。負(fù)向零寬斷言能解決這樣的問題怒炸，因?yàn)樗黄ヅ湟粋€位置，并不消費(fèi)任何字符∷膊猓現(xiàn)在横媚，我們可以這樣來解決這個問題：
\b\w*q(?!u)\w*\b
零寬度負(fù)預(yù)測先行斷言(?!exp)，斷言此位置的后面不能匹配表達(dá)式 exp月趟。例如：\d{3}(?!\d)匹配三位數(shù)字灯蝴，而且這三位數(shù)字的后面不能是數(shù)字；\b((?!abc)\w)+\b 匹配不包含連續(xù)字符串a(chǎn)bc的單詞孝宗。
同理穷躁，我們可以用(?<!exp),零寬度負(fù)回顧后發(fā)斷言來斷言此位置的前面不能匹配表達(dá)式exp; (?<![a-z])\d{7}匹配前面不是小寫字母的七位數(shù)字。
一個更復(fù)雜的例子：(?<=<(\w+)>).*(?=</\1>) 匹配不包含屬性的簡單HTML標(biāo)簽內(nèi)里的內(nèi)容因妇。
- (?<=<(\w+)>) 指定了這樣的前綴：被尖括號括起來的單詞(比如可能是 )
- 然后是.*(任意的字符串)
- 最后是一個后綴(?=</\1>)
注意后綴里的/问潭，它用到了前面提過的字符轉(zhuǎn)義；
感覺這個好實(shí)用婚被，有木有狡忙。php處理html的話可能會用到。
\1則是一個反向引用址芯，引用的正是捕獲的第一組灾茁，前面的(\w+)
匹配的內(nèi)容，這樣如果前綴實(shí)際上是<b>
的話谷炸，后綴就是</b>了北专。整個表達(dá)式匹配的是和之間的內(nèi)容(再次提醒，不包括前綴和后綴本身)旬陡。
注釋
這個也是很簡單的拓颓。不難理解，之前提到的那一點(diǎn)點(diǎn)描孟∈荒溃看一眼我覺得都可以大致消化掉了。匿醒。
小括號的用處除了分組/斷言场航，另一種用途是通過語法(?#comment)來注釋了。
例如：
2\[0-4\]\d(?#200-249)|25\[0\-5\](\?#250-255)|\[01\]?\d\d?(?#0-199)
青抛。旗闽。。臥槽，既視感适室，還有印象嗎嫡意？
這不就是IP地址那個正則表達(dá)式的一部分嗎？想當(dāng)初還看不懂 [01]?\d\d? 這部分捣辆，去百度了∈呙現(xiàn)在看看注釋，這不一清二楚汽畴，簡簡單單的嗎旧巾。
要包含注釋的話，最好是啟用“忽略模式里的空白符”選項(xiàng)忍些，這樣在編寫表達(dá)式時能任意的添加空格鲁猩，Tab，換行罢坝，而實(shí)際使用時這些都將被忽略廓握。啟用這個選項(xiàng)后，在#后面到這一行結(jié)束的所有文本都將被當(dāng)成注釋忽略掉嘁酿。例如隙券，我們可以前面的一個表達(dá)式寫成這樣：
(?<= # 斷言要匹配的文本的前綴
<(\w+)> # 查找尖括號括起來的字母或數(shù)字(即HTML/XML標(biāo)簽)
) # 前綴結(jié)束
.* # 匹配任意文本
(?= # 斷言要匹配的文本的后綴
<\/\1> # 查找尖括號括起來的內(nèi)容：前面是一個"/"，后面是先前捕獲的標(biāo)簽
) # 后綴結(jié)束
貪婪與懶惰
哈哈闹司，看到這標(biāo)題是不挺有意思的娱仔。椿胯。貪婪熟空？殷费？懶惰漏麦？？哈啊哈哈
其實(shí)這可是正則表達(dá)式中相當(dāng)重要的一對兒概念睦裳。不得不提。
貪婪匹配模式
當(dāng)正則表達(dá)式中包含能接受重復(fù)的限定符時，通常的行為是（在使整個表達(dá)式能得到匹配的前提下）匹配盡可能多的字符谓娃。
以這個表達(dá)式為例：a.*b，它將會匹配最長的以 a 開始蜒滩，以 b 結(jié)束的字符串滨达。如果用它來搜索 aabab 的話，它會匹配整個字符串 aabab俯艰。這被稱為 貪婪匹配 捡遍。
懶惰匹配模式
有時，我們更需要懶惰匹配竹握，也就是匹配盡可能少的字符画株。前面給出的限定符都可以被轉(zhuǎn)化為懶惰匹配模式，只要在它后面加上一個問號?。這樣 .*? 就意味著匹配任意數(shù)量的重復(fù)谓传，但是在能使整個匹配成功的前提下使用最少的重復(fù)◎谙睿現(xiàn)在看看懶惰版的例子吧：
a.*?b
匹配最短的，以a開始续挟，以b結(jié)束的字符串紧卒。如果把它應(yīng)用于 aabab 的話，它會匹配 aab（第一到第三個字符）和 ab（第四到第五個字符）诗祸。
懶惰限定符
| 代碼 | 說明 |
|---|---|
| *? | 重復(fù)任意次跑芳，但盡可能少重復(fù) |
| +? | 重復(fù)1次或更多次，但盡可能少重復(fù) |
| ?? | 重復(fù)0次或1次直颅，但盡可能少重復(fù) |
| {n,m}? | 重復(fù)n到m次博个，但盡可能少重復(fù) |
| {n,}? | 重復(fù)n次以上，但盡可能少重復(fù) |
平衡組/遞歸匹配
有時我們需要匹配像( 100 * ( 50 + 15 ) )這樣的可嵌套的層次性結(jié)構(gòu)功偿，這時簡單地使用(.+)則只會匹配到最左邊的左括號和最右邊的右括號之間的內(nèi)容(這里我們討論的是貪婪模式坡倔，懶惰模式也有下面的問題)。假如原來的字符串里的左括號和右括號出現(xiàn)的次數(shù)不相等脖含，比如( 5 / ( 3 + 2 ) ) )罪塔，那我們的匹配結(jié)果里兩者的個數(shù)也不會相等。有沒有辦法在這樣的字符串里匹配到最長的养葵，配對的括號之間的內(nèi)容呢征堪？
為了避免(和(把你的大腦徹底搞糊涂，我們還是用尖括號代替圓括號吧」鼐埽現(xiàn)在我們的問題變成了如何把xx <aa <bbb> <bbb> aa> yy這樣的字符串里佃蚜，最長的配對的尖括號內(nèi)的內(nèi)容捕獲出來？
這里需要用到以下的語法構(gòu)造：
- (?'group') 把捕獲的內(nèi)容命名為group,并壓入堆棧(Stack)
- (?'-group') 從堆棧上彈出最后壓入堆棧的名為group的捕獲內(nèi)容着绊，如果堆棧本來為空谐算，則本分組的匹配失敗
- (?(group)yes|no) 如果堆棧上存在以名為group的捕獲內(nèi)容的話，繼續(xù)匹配yes部分的表達(dá)式归露，否則繼續(xù)匹配no部分
- (?!) 零寬負(fù)向先行斷言洲脂，由于沒有后綴表達(dá)式剧包，試圖匹配總是失敗
天哪恐锦，這四點(diǎn)說了個什么玩意兒？我也沒看懂啊疆液。一铅。。有空自己再查查堕油。
我們需要做的是每碰到了左括號潘飘，就在壓入一個"Open",每碰到一個右括號肮之，就彈出一個，到了最后就看看堆棧是否為空－－如果不為空那就證明左括號比右括號多卜录，那匹配就應(yīng)該失敗局骤。正則表達(dá)式引擎會進(jìn)行回溯(放棄最前面或最后面的一些字符)，盡量使整個表達(dá)式得到匹配暴凑。
< #最外層的左括號
[^<>]* #最外層的左括號后面的不是括號的內(nèi)容
(
(
(?'Open'<) #碰到了左括號峦甩，在黑板上寫一個"Open"
[^<>]* #匹配左括號后面的不是括號的內(nèi)容
)+
(
(?'-Open'>) #碰到了右括號，擦掉一個"Open"
[^<>]* #匹配右括號后面不是括號的內(nèi)容
)+
)*
(?(Open)(?!)) #在遇到最外層的右括號前面现喳，判斷黑板上還有沒有沒擦掉的"Open"凯傲；如果還有，則匹配失敗
> #最外層的右括號
平衡組的一個最常見的應(yīng)用就是匹配HTML,下面這個例子可以匹配嵌套的<div>標(biāo)簽：
<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.
恕我多嘴一句嗦篱，用JavaScript直接控制標(biāo)簽不好嗎冰单？是不是覺得太方便沒有成就感？灸促？
還有些什么東西沒提到
上邊已經(jīng)描述了構(gòu)造正則表達(dá)式的大量元素诫欠，但是還有很多沒有提到的東西。下面是一些未提到的元素的列表浴栽，包含語法和簡單的說明荒叼。你可以在網(wǎng)上找到更詳細(xì)的參考資料來學(xué)習(xí)它們--當(dāng)你需要用到它們的時候。
| 代碼 | 說明 |
|---|---|
| \a | 報警字符(打印它的效果是電腦嘀一聲) |
| \b | 通常是單詞分界位置典鸡，但如果在字符類里使用代表退格 |
| \t | 制表符被廓，Tab |
| \r | 回車 |
| \v | 豎向制表符 |
| \f | 換頁符 |
| \n | 換行符 |
| \e | Escape |
| \0nn | ASCII代碼中八進(jìn)制代碼為nn的字符 |
| \xnn | ASCII代碼中十六進(jìn)制代碼為nn的字符 |
| \unnnn | Unicode代碼中十六進(jìn)制代碼為nnnn的字符 |
| \cN | ASCII控制字符。比如\cC代表Ctrl+C |
| \A | 字符串開頭(類似^萝玷，但不受處理多行選項(xiàng)的影響) |
| \Z | 字符串結(jié)尾或行尾(不受處理多行選項(xiàng)的影響) |
| \z | 字符串結(jié)尾(類似$嫁乘，但不受處理多行選項(xiàng)的影響) |
| \G | 當(dāng)前搜索的開頭 |
| \p{name} | Unicode中命名為name的字符類，例如\p{IsGreek} |
| (?>exp) | 貪婪子表達(dá)式 |
| (?<x>-<y>exp) | 平衡組 |
| (?im-nsx:exp) | 在子表達(dá)式exp中改變處理選項(xiàng) |
| (?im-nsx) | 為表達(dá)式后面的部分改變處理選項(xiàng) |
| (?(exp)yes|no) | 把exp當(dāng)作零寬正向先行斷言球碉，如果在這個位置能匹配蜓斧，使用yes作為此組的表達(dá)式；否則使用no |
| (?(exp)yes) | 同上睁冬，只是使用空表達(dá)式作為no |
| (?(name)yes|no) | 如果命名為name的組捕獲到了內(nèi)容挎春，使用yes作為表達(dá)式；否則使用no |
| (?(name)yes) | 同上痴突，只是使用空表達(dá)式作為no |
網(wǎng)上的資源及本文參考文獻(xiàn)
最后還是還需要感謝原文作者的貢獻(xiàn)：
本文至此完結(jié)搂蜓。狼荞。辽装。
2017年8月20日
