正則表達式

1、簡介

　　正則表達式，又稱規則表達式，英文名爲Regular Expression，在代碼中常簡寫爲regex、regexp或RE，是計算機科學的一個概念。正則表一般被用來檢索、替換那些符合某個模式(規則)的文本。

　　正則表達式是對字符串（包括普通字符（例如，a 到 z 之間的字母）和特殊字符（稱爲「元字符」））操做的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個「規則字符串」，這個「規則字符串」用來表達對字符串的一種過濾邏輯。正則表達式是一種文本模式，模式描述在搜索文本時要匹配的一個或多個字符串。

2、概念

　　正則表達式是對 字符串操做的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個「規則字符串」，這個「規則字符串」用來表達對字符串的一種過濾邏輯。

給定一個正則表達式和另外一個字符串，咱們能夠達到以下的目的：

1. 給定的字符串是否符合正則表達式的過濾邏輯（稱做「匹配」）；

2. 能夠經過正則表達式，從字符串中獲取咱們想要的特定部分。

正則表達式的特色是：

1. 靈活性、邏輯性和功能性很是強；

2. 能夠迅速地用極簡單的方式達到字符串的複雜控制。

3. 對於剛接觸的人來講，比較晦澀難懂。

因爲正則表達式主要 應用對象是文本，所以它在各類 文本編輯器場合都有應用，小到著名編輯器EditPlus，大到Microsoft Word、Visual Studio等大型編輯器，均可以使用正則表達式來處理文本內容。

3、符號

（摘自《 正則表達式之道》）

正則表達式[2]   由一些普通 字符和一些 元字符（metacharacters）組成。普通字符包括大小寫的字母和數字，而元字符則具備特殊的含義，咱們下面會給予解釋。

在最簡單的狀況下，一個正則表達式看上去就是一個普通的查找串。例如，正則表達式"testing"中沒有包含任何元字符，它能夠匹配"testing"和"testing123"等字符串，可是不能匹配"Testing"。

要想真正的用好正則表達式，正確的理解元字符是最重要的事情。下表列出了全部的元字符和對它們的一個簡短的描述。

 

元字符	描述
\	將下一個字符標記符、或一個向後引用、或一個八進制轉義符。例如，「\\n」匹配\n。「\n」匹配換行符。序列「\\」匹配「\」而「\(」則匹配「(」。即至關於多種編程語言中都有的「轉義字符」的概念。
^	匹配輸入字行首。若是設置了RegExp對象的Multiline屬性，^也匹配「\n」或「\r」以後的位置。
$	匹配輸入行尾。若是設置了RegExp對象的Multiline屬性，$也匹配「\n」或「\r」以前的位置。
*	匹配前面的子表達式任意次。例如，zo*能匹配「z」，也能匹配「zo」以及「zoo」。*等價於o{0,}
+	匹配前面的子表達式一次或屢次(大於等於1次）。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價於{1,}。
?	匹配前面的子表達式零次或一次。例如，「do(es)?」能夠匹配「do」或「does」中的「do」。?等價於{0,1}。
{n}	n是一個非負整數。匹配肯定的n次。例如，「o{2}」不能匹配「Bob」中的「o」，可是能匹配「food」中的兩個o。
{n,}	n是一個非負整數。至少匹配n次。例如，「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的全部o。「o{1,}」等價於「o+」。「o{0,}」則等價於「o*」。
{n,m}	m和n均爲非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}」將匹配「fooooood」中的前三個o爲一組，後三個o爲一組。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。
?	當該字符緊跟在任何一個其餘限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘量少的匹配所搜索的字符串，而默認的貪婪模式則儘量多的匹配所搜索的字符串。例如，對於字符串「oooo」，「o+」將盡量多的匹配「o」，獲得結果[「oooo」]，而「o+?」將盡量少的匹配「o」，獲得結果 ['o', 'o', 'o', 'o']
.點	匹配除「\r\n」以外的任何單個字符。要匹配包括「\r\n」在內的任何字符，請使用像「[\s\S]」的模式。
(pattern)	匹配pattern並獲取這一匹配。所獲取的匹配能夠從產生的Matches集合獲得，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用「\(」或「\)」。
(?:pattern)	非獲取匹配，匹配pattern但不獲取匹配結果，不進行存儲供之後使用。這在使用或字符「(|)」來組合一個模式的各個部分時頗有用。例如「industr(?:y|ies)」就是一個比「industry|industries」更簡略的表達式。
(?=pattern)	非獲取匹配，正向確定預查，在任何匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。例如，「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」，但不能匹配「Windows3.1」中的「Windows」。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配以後當即開始下一次匹配的搜索，而不是從包含預查的字符以後開始。
(?!pattern)	非獲取匹配，正向否認預查，在任何不匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。例如「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」，但不能匹配「Windows2000」中的「Windows」。
(?<=pattern)	非獲取匹配，反向確定預查，與正向確定預查相似，只是方向相反。例如，「(?<=95|98|NT|2000)Windows」能匹配「2000Windows」中的「Windows」，但不能匹配「3.1Windows」中的「Windows」。
(?<!pattern)	非獲取匹配，反向否認預查，與正向否認預查相似，只是方向相反。例如「(?<!95|98|NT|2000)Windows」能匹配「3.1Windows」中的「Windows」，但不能匹配「2000Windows」中的「Windows」。這個地方不正確，有問題 此處用或任意一項都不能超過2位，如「(?<!95|98|NT|20)Windows正確，「(?<!95|980|NT|20)Windows 報錯，如果單獨使用則無限制，如(?<!2000)Windows 正確匹配
x|y	匹配x或y。例如，「z|food」能匹配「z」或「food」(此處請謹慎)。「[zf]ood」則匹配「zood」或「food」。
[xyz]	字符集合。匹配所包含的任意一個字符。例如，「[abc]」能夠匹配「plain」中的「a」。
[^xyz]	負值字符集合。匹配未包含的任意字符。例如，「[^abc]」能夠匹配「plain」中的「plin」。
[a-z]	字符範圍。匹配指定範圍內的任意字符。例如，「[a-z]」能夠匹配「a」到「z」範圍內的任意小寫字母字符。 注意:只有連字符在字符組內部時,而且出如今兩個字符之間時,才能表示字符的範圍; 若是出字符組的開頭,則只能表示連字符自己.
[^a-z]	負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，「[^a-z]」能夠匹配任何不在「a」到「z」範圍內的任意字符。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置（即正則表達式的「匹配」有兩種概念，一種是匹配字符，一種是匹配位置，這裏的\b就是匹配位置的）。例如，「er\b」能夠匹配「never」中的「er」，但不能匹配「verb」中的「er」。
\B	匹配非單詞邊界。「er\B」能匹配「verb」中的「er」，但不能匹配「never」中的「er」。
\cx	匹配由x指明的控制字符。例如，\cM匹配一個Control-M或回車符。x的值必須爲A-Z或a-z之一。不然，將c視爲一個原義的「c」字符。
\d	匹配一個數字字符。等價於[0-9]。grep 要加上-P，perl正則支持
\D	匹配一個非數字字符。等價於[^0-9]。grep要加上-P，perl正則支持
\f	匹配一個換頁符。等價於\x0c和\cL。
\n	匹配一個換行符。等價於\x0a和\cJ。
\r	匹配一個回車符。等價於\x0d和\cM。
\s	匹配任何不可見字符，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。
\S	匹配任何可見字符。等價於[^ \f\n\r\t\v]。
\t	匹配一個製表符。等價於\x09和\cI。
\v	匹配一個垂直製表符。等價於\x0b和\cK。
\w	匹配包括下劃線的任何單詞字符。相似但不等價於「[A-Za-z0-9_]」，這裏的"單詞"字符使用Unicode字符集。
\W	匹配任何非單詞字符。等價於「[^A-Za-z0-9_]」。
\xn	匹配n，其中n爲十六進制轉義值。十六進制轉義值必須爲肯定的兩個數字長。例如，「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則表達式中可使用ASCII編碼。
\num	匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「(.)\1」匹配兩個連續的相同字符。
\n	標識一個八進制轉義值或一個向後引用。若是\n以前至少n個獲取的子表達式，則n爲向後引用。不然，若是n爲八進制數字（0-7），則n爲一個八進制轉義值。
\nm	標識一個八進制轉義值或一個向後引用。若是\nm以前至少有nm個得到子表達式，則nm爲向後引用。若是\nm以前至少有n個獲取，則n爲一個後跟文字m的向後引用。若是前面的條件都不知足，若n和m均爲八進制數字（0-7），則\nm將匹配八進制轉義值nm。
\nml	若是n爲八進制數字（0-7），且m和l均爲八進制數字（0-7），則匹配八進制轉義值nml。
\un	匹配n，其中n是一個用四個十六進制數字表示的Unicode字符。例如，\u00A9匹配版權符號（&copy;）。
\p{P}	小寫 p 是 property 的意思，表示 Unicode 屬性，用於 Unicode 正表達式的前綴。中括號內的「P」表示Unicode 字符集七個字符屬性之一：標點字符。 其餘六個屬性： L：字母； M：標記符號（通常不會單獨出現）； Z：分隔符（好比空格、換行等）； S：符號（好比數學符號、貨幣符號等）； N：數字（好比阿拉伯數字、羅馬數字等）； C：其餘字符。 *注：此語法部分語言不支持，例：javascript。
\< \>	匹配詞（word）的開始（\<）和結束（\>）。例如正則表達式\<the\>可以匹配字符串"for the wise"中的"the"，可是不能匹配字符串"otherwise"中的"the"。注意：這個元字符不是全部的軟件都支持的。
( )	將( 和 ) 之間的表達式定義爲「組」（group），而且將匹配這個表達式的字符保存到一個臨時區域（一個正則表達式中最多能夠保存9個），它們能夠用 \1 到\9 的符號來引用。
|	將兩個匹配條件進行邏輯「或」（Or）運算。例如正則表達式(him|her) 匹配"it belongs to him"和"it belongs to her"，可是不能匹配"it belongs to them."。注意：這個元字符不是全部的軟件都支持的。

 

最簡單的 元字符是點，它可以匹配任何單個字符（注意不包括換行符）。假定有個文件test.txt包含如下幾行內容：

he is arat

he is in a rut

the food is Rotten

I like root beer

咱們可使用grep命令來測試咱們的正則表達式，grep命令 使用正則表達式去嘗試匹配指定文件的每一行，並將至少有一處匹配表達式的全部行顯示出來。命令

grep r.t test.txt

在test.txt文件中的每一行中搜索正則表達式r.t，並打印輸出匹配的行。正則表達式r.t匹配一個r接着任何一個字符再接着一個t。因此它將匹配文件中的rat和rut，而不能匹配Rotten中的Rot，由於正則表達式是大小寫敏感的。要想同時匹配大寫和小寫字母，應該使用 字符區間 元字符（方括號）。正則表達式[Rr]可以同時匹配R和r。因此，要想匹配一個大寫或者小寫的r接着任何一個字符再接着一個t就要使用這個表達式：[Rr].t。

要想匹配行首的字符要使用抑揚字符（^）——有時也被叫作插入符。例如，想找到text.txt中行首"he"打頭的行，你可能會先用簡單表達式he，可是這會匹配第三行的the，因此要 使用正則表達式^he，它只匹配在行首出現的he。

有時候指定「除了×××都匹配」會比較容易達到目的，當抑揚字符（^）出方括號中時，它表示「排除」，例如要匹配he ，可是排除前面是t or s的情形（也就是the和she），可使用：[^st]he。

可使用方括號來指定多個字符區間。例如正則表達式[A-Za-z]匹配任何字母，包括大寫和小寫的；正則表達式[A-Za-z][A-Za-z]* 匹配一個字母后面接着0或者多個字母（大寫或者小寫）。固然咱們也能夠用 元字符+作到一樣的事情，也就是：[A-Za-z]+ ，和[A-Za-z][A-Za-z]*徹底等價。可是要注意元字符+ 並非全部支持正則表達式的程序都支持的。關於這一點能夠參考後面的正則表達式語法支持狀況。

要指定特定數量的匹配，要使用大括號（注意必須使用 反斜槓來轉義）。想匹配全部10和100的實例而排除1和 1000，可使用：10\{1,2\}，這個正則表達式匹配數字1後面跟着1或者2個0的模式。在這個元字符的使用中一個有用的變化是忽略第二個數字，例如正則表達式0\{3,\} 將匹配至少3個連續的0。

例1

將全部方法foo(a,b,c)的實例改成foo(b,a,c)。這裏a、b和c能夠是任何提供給方法foo()的參數。也就是說咱們要實現這樣的轉換：

以前 以後

foo(10,7,2) foo(7,10,2)

foo(x+13,y-2,10) foo(y-2,x+13,10)

foo( bar(8), x+y+z, 5) foo( x+y+z, bar(8), 5)

下面這條替換命令可以實現這一方法：

:%s/foo(\([^,]*\),\([^,]*\),\([^,)]*\))/foo(\2,\1,\3)/g

讓咱們把它打散來加以分析。寫出這個表達式的基本思路是找出foo()和它的括號中的三個參數的位置。第一個參數是用這個表達式來識別的：：\([^,]*\)，咱們能夠從裏向外來分析它：

[^,] 除了逗號以外的任何字符

[^,]* 0或者多個非逗號字符

\([^,]*\) 將這些非逗號字符標記爲\1，這樣能夠在以後的替換模式表達式中引用它

\([^,]*\), 咱們必須找到0或者多個非逗號 字符後面跟着一個逗號，而且非逗號字符那部分要標記出來以備後用。

正是指出一個 使用正則表達式常見錯誤的最佳時機。爲何咱們要使用[^,]*這樣的一個表達式，而不是更加簡單直接的寫法，例如：.*，來匹配第一個參數呢？設想咱們使用模式.*來匹配字符串"10,7,2"，它應該匹配"10,"仍是"10,7,"？爲了解決這個兩義性（ambiguity），正則表達式規定一概按照最長的串來，在上面的例子中就是"10,7,"，顯然這樣就找出了兩個參數而不是咱們指望的一個。因此，咱們要使用[^,]*來強制取出第一個逗號以前的部分。

這個表達式咱們已經分析到了：foo(\([^,]*\)，這一段能夠簡單的翻譯爲「當你找到foo(就把其後直到第一個逗號以前的部分標記爲\1」。而後咱們使用一樣的辦法標記第二個參數爲\2。對第三個參數的標記方法也是同樣，只是咱們要搜索全部的字符直到右括號。咱們並無必要去搜索第三個參數，由於咱們不須要調整它的位置，可是這樣的模式可以保證咱們只去替換那些有三個參數的foo()方法調用，在foo()是一個 重載（overloading）方法時這種明確的模式每每是比較保險的。而後，在替換部分，咱們找到foo()的對應實例，而後利用標記好的部分進行替換，是把第一和第二個參數交換位置。

4、詳細連接

寫在博客裏只是爲了之後參考方便，詳細知識來源：https://baike.baidu.com/item/正則表達式/1700215?fr=aladdin