正则表达式的基本概念和语法

概念

正则表达式，又称正规表示法、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。

语法

普通字符

字母、数字、下划线、汉字以及没有特殊定义的标点符号，都是普通字符。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

简单的转义字符

标准字符集合

能够与‘多种字符’匹配的表达式。



注意区分大小写，大写是取反的意思。例如\D表示任意一个非数字字符。

点号.匹配任意一个字符，但不包括\n。

自定义字符集合

方括号[ ]匹配方式，能够匹配方括号中的任意一个字符。

量词

修饰匹配次数的特殊符号。



匹配次数中的贪婪模式：匹配字符越多越好，默认的模式。

匹配次数中的非贪婪模式：匹配字符越少越好，修饰匹配次数的特殊符号后再加上一个"?"号。例如\d{3,6}?匹配三个数字。

字符边界

字符边界符号匹配的不是字符而是位置，符合某种条件的位置。



\b匹配这样一个位置：前面的字符和后面的字符不全是\w。

字符边界符号是零宽的，它们不会占用（匹配）字符。

正则表达式的匹配模式

IgnoreCase：匹配时忽略大小写。默认情况下，正则表达式区分大小写。

SingleLine：单行模式，整个文本看作一个字符串，只有一个开头，一个结尾。

MultiLine：多行模式，每行都是一个字符串，都有开头和结尾。在指定了MultiLine之后，如果需要仅匹配字符串开始和结束位置，可以使用\A和\Z。

选择符和分组以及反向引用

捕获组：([a-z]{3})，会将捕获到的内容保存到内存中。

非捕获组：(?:[a-z]{3})，不会将捕获到的内容保存到内存中，无法被反向引用所引用。

反向引用(\nnn)：每一对()会分配一个编号，使用()的捕获根据左括号的顺序从1开始自动编号。通过反向引用，可以对分组已捕获的字符串进行引用。

有如下内容：

goto todo gogo tototo dododo go12go12 go34to34

通过反向引用 ([a-z]{2})\1 可以匹配到如下内容：

gogo toto dodo

通过反向引用 ([a-z]{2})\1\1 可以匹配到如下内容：

tototo dododo

通过反向引用 ([a-z]{2})([0-9]{2})\1\2 可以匹配到如下内容：

go12go12

预搜索（零宽断言）

只进行子表达式的匹配，匹配内容不计入最终的匹配结果，是零宽度。

这个位置应该符合某个条件。判断当前位置的前后字符，是否符合指定的条件，但不匹配前后的字符。是对位置的匹配。

正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。



有如下内容：

make loading going do

表达式\w+(?=ing)匹配所有以ing结尾的单词：

load go