Regular Expression

目录

• 1 Character Classes
• 2 Anchors
• 3 Escaped Characters
• 4 Groups & Lookaround
• 5 Quantifiers & Alternation
• 6 总结
• 7 参考资料

---

A popular quote by Jamie Zawinski: “Let’s say you have a problem, and you decide to solve it with regular expressions. Well, now you have two problems.”

正则表达式(Regular Expression)：匹配一系列匹配某个句法规则的字符串。每一个正则表达式里的字符(Token)要么是元字符(metacharacter)，要么是字面字符(with its literal meaning)。它们一起组成了匹配的规则。

正则表达式的基本概念分为：

1. 字符类；
2. 锚点(或者称为定位点)；
3. 转义序列；
4. 组与环顾；
5. 量词与替代。

以下内容来自于regexr的总结。

1 Character Classes

字符类Token(Character Classes)：匹配某一Token表示的集合(set)里的所有字符元素。

常用的有6种：

1. . 表示任意字符，但不包括换行。

2. \w\d\s 分别表示word(26个大小写字母加数字加下划线即[A-Za-z0-9_])，digit[0-9]，whitespace。

3. \W\D\S 分别表示非word,非digit和非whitespace。

4. [abc]表示a或b或c。

5. [^abc]表示非a或非b或非c

6. [a-g]表示a到g

2 Anchors

定位符Token(Anchors)：匹配字符串里的位置，而不是字符。

主要有两种：

1. ^表示字符串开头；$表示字符串结尾。

2. \b表示字符串边界；\B表示字符串非边界。

3 Escaped Characters

转义序列Token(Escaped Characters)：以\作为转义字符，将有特殊含义的字符转换成其字面值。

主要有两种：

1. \.表示.；\|表示

   ；\\表示]\。

2. \t表示tab；\n表示换行；\r表示回车。关于换行和回车的区别见这里，简单来说就是以前在打印的时候回车表示打印头移到最左边，换行表示打印纸往上移一行。在现在的计算机里，两者的存在只是延续了传统，很多时候换行和回车都合并为换行了。

4 Groups & Lookaround

组合Token(Groups)：表示将多个字符当做一个整体一起处理。

主要包括3种：

1. (abc)表示abc为一个整体。

2. \1表示反向引用第1个group(其中1可以改成任意数字)。

3. (?:abc)表示不将abc为一个整体；

环顾(Lookaround)：表示将组合作为匹配条件，但是不包括在结果里。

主要有两种：

1. (?=abc)表示匹配组合的abc，但是结果里不将其包括。

2. (?!=abc)表示匹配组合的非abc，但是结果里不将其包括。

5 Quantifiers & Alternation

量词Token(Quantifiers)：表示之前的字符出现的次数。

主要有3种：

1. a*表示出现≥0次a；a+表示出现≥1次a；a？表示出现0或1次a。

2. a{5}表示出现5次a；a{2,}表示出现≥2次a；a{1,3}表示出现1至3次a。

3. a+?表示出现≥0次a的最少个数，即0个a；a{2,}?表示出现≥2次a的最少个数，即2个a。

替代Token(Alternation)：表示或。

1种：

1. a|b表示a或者b。

6 总结

最后用一张图对Regular Expression进行总结。

7 参考资料

• 《Regular Expression》;