正則表達式學習日記_《學習正則表達式》筆記_Mr_Ouyang

所屬分類： 正則表達式學習日記 

---

書名：     學習正則表達式

做者：     Michael Fitzgerald

譯者：     王熱宇

出版社：   人民郵電出版社

叢書：     圖靈程序設計叢書

---

 

 

 

【此處須要插入圖片 封面】

 

---

前言

 

正則表達式是通過專門編寫的文本字符串，它能夠用來匹配文件內的字符串集合中符合該模式的全部字符串。通俗的說，就是一個很厲害的、能夠查找、匹配和替換任何須要內容的工具。

 

 

 

 

【插入圖片 進階書目】

 

要真正掌握正則表達式，最好的學習方法是親身實踐，而不是作個旁觀者。

最好把全部示例都過一遍，按照示例本身操做。

 

---

 

第1章  什麼是正則表達式

 

大多數支持正則表達式的編輯器或工具，其實現正則表達式的方式並不徹底一致，其中的一個主要緣由，筆者估計該是由於正則表達式的可組合性很強 Composability，只要是掌握了其內核以及構造方法，那麼就能夠用各類不一樣的方式來組合，進而匹配出任意的字符。

 

正則表達式處理工具：

一、在線工具

雪炭工具：http://snowcoal.com/tools/regex/reg  #實時匹配效果傑出，能夠將匹配結果單獨列出，筆者很喜歡

RegExr：https://regexr.com/v1/                 #進行替換操做不錯           

 

二、軟件

Notepad++

 

 

書的每一章結尾都有一節「技術備忘錄」，筆者認爲這個方法實在不錯，很值得借鑑。其利在兩個方面，一則將須要額外添加的拓展延伸知識涵蓋在了讀者的視野之中，二則雖是可讓讀者得到此拓展延伸，但卻並不是直接在涉及之時便囫圇給出，而是稍提一句如「此主題之拓展，着實厲害，現已附於章尾，可於學完此章後往觀之以資補充」即可，爾後繼續主題而談，不致所以拓展而打斷正文節奏。

 

自此以降，凡代碼，皆以括號括之；凡代碼分析，皆以符號>>>導之，以便閱讀與理解。

 

若要匹配一串電話號碼:707-827-7019，該當如何？

 

（一）字符串字面值 String Literal

 

1.1.【707-827-7019】

 

>>>所謂字符串字面值，也就是同名字說的通常，你字面上是啥，我就輸入啥來匹配你。這是咱們在日常檢索時經常使用的，如在百度中檢索【Mr_Ouyang】，便會將符合這個匹配模式的結果返回給你。

 

（二）字符組 Character Class

 

1.2.【[0-9]】

 

>>>所謂字符組，也就是如同數組通常，指定一個下界（如此處的 0），指定一個上界（如此處的 9），再用「-」將上下界鏈接起來，表示從下界到上界的範圍中的一切數；在上下界以外，須要用方括號「[]」括起來，表示這是一個字符組。

 

>>>方括號，是一種元字符 Metacharacter，又稱爲 原子 Atom。在正則表達式中，全部的元字符都不參與匹配，所以也將元字符不會參與匹配（能夠理解爲不會被咱們抓壯丁，哈哈~）而保留下來的特性，將它們稱爲保留字符。

 

>>>字符組，有時也稱做字符集 Character Set。

 

1.3.【012789】

 

>>>顯然，將字符值放入方括號，能夠實現對這些字符的匹配，從而將電話號碼707-827-7019給交替高亮出來。

 

（三）字符組簡寫式 Character Shorthand

 

1.4.【\d\d\d-\d\d\d-\d\d\d\d】

 

>>>\d,是對0-9的數字的字符組簡寫，其效果等同於[0-9]。

   此處的連字符被做爲字面值。

 

>>>字符組簡寫式，也叫轉義字符 Character Escape。可是這個叫法着實容易讓人與後面將會介紹的轉義字符相混淆，故通常不提倡這樣叫。

 

1.5.【\d\d\d\D\d\d\d\D\d\d\d\d】

 

>>>\D,是對\d的轉義 Escape。前面說到\d表示數字字符，將其意義轉換爲相反的，天然即是非數字字符了；雖然這樣看來這純粹是廢話，但換種方式闡述，即是\D是表示除了數字以外的其餘字符，譬如「.」、「%」、「|」這些，均可以用它來表示，所以此處將代碼4中的字面值連字符「-」以\D來代替表示。

 

>>>關於轉義，由上面的特殊能夠看出其通常規律，即是取反。

   打個比方，已知小明是男的，如今有一位計算機「老師」讓你們互相幫忙填一份表格，裏面有一欄性別，咱們假設可使用正則表達式，那麼若是女生小紅給小明填寫的是「\男」，那麼最後這位老師識別出來的結果即是小明是個女孩；一樣的，若是小明給小紅的填的是「\女」，那小紅在老師眼中也就是小男生了。

 

>>>而更通常的，對那些小寫的表達式、命令等，大多都是能夠經過轉義其相應大寫來實現取反的。【此處待補充大寫取反】

 

（四）「.」 任意字符匹配

 

1.6.【\d\d\d.\d\d\d.\d\d\d\d】

 

>>>點號是一個通配符，它能夠匹配任意字符。這樣理解，在抓壯丁這一個行當上，因爲點號它比較厲害，誰都難以逃脫它的魔爪，那些壯丁統統均可以被它匹配到而後抓回去，因此敬畏地稱它爲通配符。

 

>>>可是有一點須要注意，有一個美女它是奈何不了的，畢竟英雄難過美人關。這個美女叫作行起始符，也就是後面將會介紹的脫字符「^」，顧名思義，她能夠表明一個行的開始之處。

 

>>>固然了，這位英雄若是吃下了小藥丸，縱然那位美女多麼妖孽，都難逃英雄的手掌心，會被抓壯丁的（抓到牀上，哈哈~）。這個小藥丸就是（Dotall），沒錯，就是這位英雄的伴生裝備（英雄名叫Dot），若是須要征服美女「^」時，那就將Dotall選項勾選上，就能夠連美女也一同抓住。

 

（五）捕獲分組和後向引用 Capturing Group & BackReference

 

1.7.【(\d)\d\1】

 

>>>用括號括住的壯丁，咱們就叫作捕獲的分組（如此處的（\d）），它既然被咱們捕獲了，天然不會那麼容易放過它，因此咱們在本來應該由第三個壯丁來站的位置，經過一個叫作後向引用的方式安排給了這個被咱們一舉捕獲的壯丁了（如此處的\1），此時咱們就用這個\1來表示，這裏放的是我以前費力捕獲到的壯丁，可不通常哦，一個頂倆（甚至更多）!所以，在咱們匹配好的結果中，就應該是那串電話號碼的前3個字符：707。

 

>>>由此咱們能夠發現，若是一個壯丁出現了不少次，那麼它確定是要被咱們捕獲住！畢竟能夠省時省力，何樂不爲？接下來咱們擴展一下這個壯丁隊列。

 

1.8.【(\d)0\1\D\d\d\1\D\1\d\d\d】

 

>>>上面的表達式能夠匹配出：707-827-7019。

   不難看出，7被咱們抓住後，一共被咱們使喚了4次，能夠說很全力以赴了，哈哈~真壞！

 

（六）量詞

 

1.9.【\d{3}-?\d{3}-?\d{4}】

 

>>>用花括號括住的數字，表示咱們要抓的壯丁個數（如\d{3}就表明咱們要抓3個數字壯丁）。

   含數字的花括號，是一種量詞 Quantifier。

   花括號自己，是元字符。

 

>>>在上面咱們還使用了一個新玩意兒，問號「？」。它是助紂爲虐的好幫手，咱們可離不開它！凡是咱們抓壯丁的時候，在後面附上一個問號，便表明咱們抓零個或者只抓一個壯丁。乍一看以爲沒啥用呀，這麼仁慈，還像咱們嗎？

   其實，李宗吾大佬給咱們說過，縱然咱們在作些傷天害理、損人利己的事情，也要戴上個悲天憫人、大公無私的面具，無論有多少人能最後看出咱們的真實一面，反正能將多少人瞞住就瞞住多少！

   同理，有了這個問號幫忙，等於就是咱們給了壯丁們一絲生機（畢竟在他們看來，咱們只有一半的概率會抓他嘛，哈哈~），不致於負隅頑抗啦；至於最後是抓，仍是不抓...那固然看咱們須要不須要這個壯丁啦！須要的話，管他仁義道德，抓他孃的！！不須要的話，那就放過他，還能積點美譽呢。

   在此處，顯然咱們對於連字符不是很必需，畢竟有的人可能比較馬虎，寫電話號碼時就省去了連字符如7078277019這般，如此的話，抓它仍是不抓它，就看到時候咱們需不須要它了，若是咱們匹配的目標全是沒有連字符的如7078277019，那固然不抓它啦；可若是都是707-827-7019這樣的，嘿嘿...

 

>>>說到爲虎做倀，就不得再也不提一下其餘兩位好幫手了，他們分別是：

   加號「+」，他表示咱們可能會從字符組中抓取所有的壯丁，但也可能只抓一個（即匹配一個或多個）

   星號「*」，他表示咱們可能會從字符組中一個也不抓；固然啦，既然是爲虎做倀好幫手，發起狠來咱們都怕的呢，按照這位好幫手的履歷，更多的時候他但是所有都抓、一個不留！！（即零個或多個，也即任意個）

 

1.10.【(\d{3,4}[.-]?)+】

 

>>>有沒有看花眼？哈哈，這年頭，抓壯丁也須要文化，否則壯丁可不老實呢！來，讓咱們好好學學抓壯丁的文化。

   根據咱們上面學的，\d就是抓數字啦。

   {3,4}呢，就至關於量詞的一種擴展了，意思就是最少要抓夠3個，最多呢抓上4個就好了。

   [.-]呢，至關於咱們要從由點號和連字符組成的字符組中抓取它們。

   [.-]?，則表示咱們可能會對點號和連字符發善心，有必定可能放它們一馬，也就是說，咱們據此而抓取的壯丁，多是以下三種狀況：a、只抓了有1個點號  b、只抓了1個連字符  c、他們倆一個都不抓，全放了

   (上述表達式),則表示咱們把上面說起的那些傢伙都給捕獲了！

   (表達式)+，就表示咱們把這些傢伙給抓住後，最少會抓一次（也就是上面一步剛抓住他們的時候）壯丁，最多的話可能抓上任意次

 

>>>綜合起來，就是咱們會把這樣的三位或者四位的數字給抓起來：

   a、它自己是三位數Or它自己是四位數

   b、它後面跟着一個點號Or它後面跟着一個連字符

   同時知足上述兩個特徵的，就是咱們的剛下的這個套子要捕捉的目標壯丁，就是說咱們編寫模式，就是一個下套子抓壯丁的過程，不過就是看壯丁是什麼樣的，咱們就編對應的套子罷了；理論上說，咱們能夠把全部壯丁都抓起來，只要咱們可以懂得全部下套子的方法並且會靈活地使用；也就是說，不存在套不住壯丁的套子，若是有哪一個壯丁你抓不住，那隻不過是你還不會抓住這個壯丁的下套子方法而已，經過學習，你是能夠最終征服它的。

 

>>>再回到咱們剛剛下的這個套子上，很顯然，若是咱們一個一個元素地去分析，仍是能夠很清晰地將套子的構造給搞懂的，再讓咱們來下一個一樣的或者相似的，也是妥妥的沒問題。

   可是咱們分析後可能會發現，彷佛這個套子範圍大了些呀，雖然是可以將咱們的目標707-827-7019給抓住，但若是還有些咱們不要的路人甲乙丙丁在咱們目標邊上，咱們就可能連他們也一同抓了，那可真是吃力不討好！

   下面咱們舉幾個例子來看看這個套子可能會把哪些路人甲乙丙丁誤抓了：

   a、707.827.7019

   b、7078277019

   c、123

   d、1234

   e、123.

   好傢伙，比咱們還狠呀，可見以前工業革命剛開始的時候勞苦羣衆抱怨「機器吃人」還真不是虛的，讓咱們本身親自上場來抓，估計也就抓了目標707-827-7019就收手了，而這個套子呢（能夠理解爲一個工具、機器），不只把咱們的目標給抓了，還把許多咱們不須要的也給抓了來，效率可真高，也真狠呀，哈哈！！

 

1.11.【(\d{3}[.-]?){2}\d{4}】

 

>>>很顯然，這個新下的套子就把上一個套子的誤抓的毛病給改掉了，變得更加具備針對性了。

   先抓3個數字。

   再在這三個數字後面抓0個或1個點號或連字符。

   將前兩步抓取的3個數字與點號或連字符的組合，重複一遍；等於將這個組合抓上兩遍。

   最後再抓取4個數字

 

>>>綜合起來，咱們發現，咱們的目標，不管是規範的707-827-7019，仍是不規範的707827701九、或是707.827.7019,就都被咱們抓到了。

   這就不致於產生誤抓的狀況了。這個例子也從一個側面給咱們說明了，對症下藥、看人下套的重要性。

 

1.12.【^(\(\d{3}\)|^\d{3}[.-]?)?\d{3}[.-]?\d{4}$】

 

>>>看的都眼花繚亂了吧？只是爲了將一種更加不規範的壯丁(707-827-7019)抓住（其實也就是帶了括號的號碼啦），咱們竟然要下這麼麻煩的套！

   其實說奇怪也正常，畢竟以咱們剛剛下套抓壯丁的技術，已經蠻爐火純青了，所謂百尺竿頭更進一步，即是說咱們已經這麼厲害了，要想再更進一步，實在是難呀！因此呀，爲了將套子再完善些，麻煩是必要的，也是有意義的，哈哈！

 

>>>在分析咱們是怎麼在捕捉那些目標的基礎上，增長對括號目標的捕捉的以前，先來介紹下以前就已照過面的那位美女，脫字符「^」。這脫字符通常有兩個做用，第一個是放在開頭做爲起始符（如此處通常）；第二個做用是取反，由於後面會講到，因此此時便暫按下不表，畢竟仍是要給美女保留點神祕感！

 

>>>除了脫字符出場了，還有一個咱們耳聞已久的大人物也終於閃亮登場了，那就是轉義字符「\」。因爲咱們要匹配的括號在正則表達式中已經有了其特定的用處（用來抓壯丁，捕獲分組，哈哈），因此爲了不那些長着和咱們「本身人」通常無二外表的壯丁由於被看錯而被咱們錯誤地放過，咱們須要先給那些壯丁搞一場冤案，以莫須有的罪名加於其身！！這樣子，即便它真是咱們「本身人」，咱們都會絕不放過地抓起來，更況且咱們已經確切地知道它並不是本身人了，更是直接一抓而下了！

   也就是說，若是咱們須要把那些和本身人長得雷同的壯丁抓起來，不能光是像對待普通壯丁同樣直接抓取，由於這樣極可能讓咱們「本身人」的隊伍里人心惶惶，擔憂本身哪天也可能如它通常被咱們抓了嘛；而是應該先給它定個莫須有之罪，形式呢，就是在它面上自西北而往東南地劃下一刀（什麼鬼？哈哈），也就至關於古代給犯人「刺配」通常啦。這樣呢，就把它和咱們本身的同志給劃分開來了，抓起來就不會有那麼多羈絆啦！

   在此處，咱們就是把左右括號都用斜線轉義了。

 

>>>另外，有一個新符號，豎線符「|」，它表示從左右表達式組合中選擇其中一個，如此處的便表示：能夠選擇帶括號的，也能夠選擇不帶括號的。

 

>>>最後那個字符，稱爲美圓符，它標誌着行結束位置，是否是感受和前面講到的行起始符「^」這位美女有些相似？不妨這樣想，和美女風花雪月一番，看看電影吃吃飯，老是先要以美女爲發端的嘛，沒有美女在身邊，看電影和吃飯就用不着那麼莊嚴鄭重了；而看完電影吃完飯，要怎麼樣結束這樣一個與美女約會的活動呢？固然是付錢啦！！美刀！！嗯，就這樣記，哈哈~

 

學到這裏，咱們已經將正則表達式的大體內容都有了必定了解了，下面咱們來看看究竟學了這玩意兒能有啥用。

 

好，假如我如今吃飽了撐的，想要從這篇文章中找出全部我寫的那些正則表達式，用來自我陶醉一番。

 

首先，咱們要肯定要抓取的對象壯丁：就是那些可憐的正則表達式啦；

接下來，咱們要分析這些對象壯丁都有些什麼特徵：因爲本文在撰寫之初便統一了正則表達式的規範，也就是，首先是一個阿拉伯數字用來表示這個代碼是第幾條代碼，後面跟一個英文點號，爾後是符號【】，咱們須要看的代碼就在黑框裏面呢；

第三步，將咱們發現的特徵轉換爲已知的表達式符號：

    在這一步，咱們將其分解爲兩小步。

    a、樹典型：這一小步中，咱們先找典型的代碼，如首、尾以及特殊者，本例中，選取了一、12以及10做爲典型，以下：

       1.1.【707-827-7019】

       1.10.【(\d{3,4}[.-]?)+】

       1.12.【^(\(\d{3}\)|^\d{3}[.-]?)?\d{3}[.-]?\d{4}$】

    b、找規律：

    I.咱們發現，開頭是從1到12的數字，是否是能夠用\d來表示呢？答案彷佛是，但好像又不全是，好比說10,11,12這樣的，好像表示不了呀，\d不是隻能匹配0到9的數字嘛？其實咱們徹底能夠靈活搭配組合，來實現本身的定製化表達式。先放出表示10到19的代碼：[1]\d。是否是以爲很訝異？竟然還有這樣的操做！分組其實也是能夠做爲字面值的，尤爲是在組合的時候，尤其有用，哈哈~既然會表示10到19了，想必將0到99表示出來應該沒什麼難度了吧？沒錯，方法是:\d\d，或者是\d{2}。說了這麼多，咱們總結下這一點的代碼:\d|\d{2}

    II.數字以後，跟着一個點號，跟着一個【符號，因此能夠將這兩個直接用字符值來表示：.【

    III.中間的代碼字符咱們不知道有多少種符號以及有多少個，那乾脆就用能夠表示任意字符的點號再配上能夠表示任意個數的星號來表示它們：.*

    IV.最後將代碼包括在裏面的還有一個符號】，因此再添加上一個字面值：】

    上述所言，綜合起來便獲得了：\d.【.*】|[1]\d.【.*】

>>>注意一點，凡是涉及「|」的操做，如果每一步的後面都有對應的代碼，那麼就應該將每個用「|」來表示選擇的選項都添上，如此處的，顯然\d表示的是0到9序號的代碼，而[1]\d表示的是10到19序號的代碼，若是咱們光顧着給「|」後面的添加後續代碼，那麼1到9的序號代碼將沒法獲得匹配。一言以蔽之，要雨露均沾，哈哈~

     下面把用雪炭工具來測試的截圖貼出，以下：

 

 

 

【此處須要插入圖片 示例】

>>>因爲上面咱們複製粘貼了三條典型代碼做爲樹立的典型，因此咱們一共檢索出了15條代碼，都是整行匹配，厲害吧？若是用Word確定搞不來，起碼我是搞不來的，哈哈~

   那麼，咱們如何將那些代碼所有提出來，而不須要經過像是在Word中那般替換掉符號【】呢？這個咱們能夠在接下來的學習中學到，此時暫且按下不表。哈哈~

 

接下來咱們總結下，咱們在這第1章中學習了哪些東西：

 

*  什麼是正則表達式？

*  字符串字面值是什麼？要怎麼樣使用？

*  字符組是什麼？要怎麼樣使用？

*  字符組簡寫式是什麼？要怎麼樣使用？

*  點號是什麼？要怎麼樣使用？

*  捕獲分組是什麼？後向引用是什麼？要怎麼樣使用？

*  量詞是什麼？要怎麼樣使用？

*  問號、加號和星號分別是什麼？要怎麼樣使用？

*  脫字符、豎線符、美圓符分別是什麼？要怎麼樣使用？

 

下面將利用雪炭工具得到的代碼所有貼到下方，以便回顧所學：

 

1.1.【707-827-7019】

1.2.【[0-9]】

1.3.【012789】

1.4.【\d\d\d-\d\d\d-\d\d\d\d】

1.5.【\d\d\d\D\d\d\d\D\d\d\d\d】

1.6.【\d\d\d.\d\d\d.\d\d\d\d】

1.7.【(\d)\d\1】

1.8.【(\d)0\1\D\d\d\1\D\1\d\d\d】

1.9.【\d{3}-?\d{3}-?\d{4}】

1.10.【(\d{3,4}[.-]?)+】

1.11.【(\d{3}[.-]?){2}\d{4}】

1.12.【^(\(\d{3}\)|^\d{3}[.-]?)?\d{3}[.-]?\d{4}$】

---

 

第2章  簡單的模式匹配

 

正則表達式惟一的用途，即是在文本中匹配和尋找模式，接下來咱們介紹一些簡單常見的模式匹配。

 

通常咱們在匹配時，都會默認開啓全局匹配 Global 選項，這樣就不會單在某一行匹配，而是從全文中找到符合咱們所下套子的壯丁。

 

在第1章咱們講了字面值、字符組以及字符組簡寫式，它們能夠相互組合搭配，以實現不一樣的需求。

 

首先，咱們先肯定一下最低綱領，也能夠說是紅線，那即是成功匹配出咱們須要的結果；

接着，咱們要在紅線之上追求最省力的實現方法，也就是寫最簡短的、能夠匹配出目標的模式，歸納爲簡短優先原則；

最後，咱們才追求其性能上的提高，譬如不須要捕獲分組時便不捕獲之、不須要回溯時便不採用具備回溯操做的方式等（看不懂吧？這些咱們會在後面分別講到，莫要着急，哈哈~）；這即是咱們的最高綱領。

 

下面咱們來分析一下字符組匹配與字符組簡寫式匹配的特色：

    a、字符組，能夠精確匹配字符，給出哪些字符就匹配哪些字符，靈活、精確匹配，一點也不「誤抓」；但使用時須要明確知道有哪些對象，可行性上侷限較大

    b、字符組簡寫式，簡短精練；但易「誤抓」，不夠靈活

 

顯然，將多個元素搭配起來組合使用，纔是咱們實現抓壯丁大業的最佳之策。

 

前面咱們知道，數字0到9的字符組簡寫式是\d，如今咱們來介紹下簡寫式。所謂簡寫式，即是經過對一個與式子同義的單詞或詞組的簡寫來表達一個式子，如\d表示的是數字，而數字的英文單詞即是Digit，故而取其首字母表示；一樣的道理，其他的簡寫式也用其同義單詞首字母表示，所以，筆者看來，記住其同義單詞是記憶簡寫式的好方法。

 

那麼究竟有哪些咱們往後能夠用得上的簡寫式呢？以下：

 

*  \d    Digit                    數字字符                 *  \D    非數字字符

*  \w    Word                     單詞字符                 *  \W    非單詞字符

*  \o    這個我也不知道，哈哈      空字符

*  \a    Alert                    報警符

*  [\b]  Backspace                退格符

*  \c x  Control                  控制符

*  \s    Space                    空白符                   *  \S    非空白符

*  \t    Table                    製表符

*  \n    NextLine                 換行符

*  \r    Return                   回車符

*  \f    暫不知                   換頁符

*  \h    暫不知                   水平空白符                *  \H   非水平空白符

*  \v    暫不知                   垂直製表符                *  \V   非垂直製表符

*  \b    Border                   單詞邊界    

---

*  \o    xxx                      字符的八進制值

*  \x    xx                       字符的十六進制值

*  \u    xxx                      字符的Unicode值

---

 

2.1.【\d】

2.2.【[0-9]】

2.3.【[0123456789】

 

>>>上面都表示匹配0-9，單若是咱們只須要匹配含有0和1的，則須要代碼2.4，以下。

 

2.4.【[01]】

 

>>>從這裏咱們能夠看出字符組在精確匹配字符方面，遠甩簡寫式一條街。

 

2.5.【\D】

2.6.【^0-9】

2.7.【^\d】

 

>>>上面都表示匹配除了0到9意外的全部字符。除了斜槓「\」，咱們還發現，脫字符這個美女竟然也能夠扮演這樣的轉義的角色，哈哈，這就是咱們剛剛沒有揭開的面紗，如今這位美女已經徹底裸露在你面前啦~

 

2.8.【\w】

2.9.【_a-zA-Z0-9】

 

>>>上面都表示匹配全部單詞字符（固然啦，要勾選Global選項啦）。從代碼2.9咱們能夠看出，原來單詞就是由下劃線「_」、小寫字母a到z、大寫字母A到Z、數字0到9組合而成的玩意兒呀，哈哈~

 

2.10.【\W】

2.11.【^_a-zA-Z0-9】

2.12.【^\w】

 

>>>上面都表示匹配全部非單詞字符，如空格、標點等。

 

2.13.【\s】

2.14.【 \t\n\r】

 

>>>上面都表示匹配全部空白符。從代碼2.11咱們能夠看出，原來空白符就是由空格、製表符、換行符和回車符組合而成的玩意兒。不過有一個要注意，空白符匹配出來的結果，只有空格與製表符能被高亮顯示，而換行符與回車符是高亮不來的，但它們確確實實地被咱們匹配住了；若是很差理解的話，權且把換行符和回車符當成葫蘆娃中那個會隱身術的六娃吧，雖然你隱身了，但咱們仍是能夠把你給抓住的，要否則七星丹又怎麼可能煉成呢，哈哈~

 

2.15.【\S】

2.16.【^ \t\n\r】

2.17.【^\s】

 

>>>上面都是匹配全部非空白字符的。

 

2.18.【........】

2.19.【.{8}】

 

>>>上面都是匹配任意八個字符組成的組合的。如詞組「The Love」。

 

2.20.【\bL.{2}e\b】

 

>>>上面代碼2.20是匹配單詞Love的，其中\b是匹配單詞邊界的字符，能夠想見，一個單詞它的前面和後面要麼即是空格、要麼即是標點、要麼即是段落標記符、結束標記符，因此咱們徹底能夠經過\b來匹配出由空格、標點等做爲邊界隔出的單詞。

 

>>>代碼2.20其實還給咱們指出了一個該表達式所具備的特性，那就是特指性 Specificity。由於它首先制定了邊界，而後指定了開頭字符爲L，而後指定了中間字符爲兩個，最後指定告終尾字符爲e並指定邊界。

 

2.21.【.*】

2.22.【^\n】

2.23.【^\n\r】

 

>>>上面都是匹配一行中任意個字符的代碼。從中咱們能夠印證咱們先前學習的，點號雖然是個大英雄，但也過不了美人關，因此遇到要捕捉脫字符也沒轍；而脫字符通常不做爲簡寫式，與脫字符起着一樣的表示行標記的簡寫式主要是換行符「\n」與回車符「\r」，因此若是對他倆取反、將他倆排除在外，那就等於起到了點號匹配除了行標記外全部字符的效果了。

 

接下來咱們對前面有過介紹的捕獲分組、後向引用作一個擴展。

他們搭配起來能夠幹嗎呢？能幹的多了去了，事實上，他們但是抓壯丁的黃金搭檔，他倆尤爲擅長渾水摸魚，偷偷摸摸的就把壯丁神不知鬼不覺地抓了，抓了還不算，還給這被抓獲的壯丁穿上了馬甲，只要咱們想，無論是什麼馬甲，他倆都能給壯丁披上！這麼一聽，彷佛仍是用處不大呀，咱們沒事給壯丁披馬甲幹嗎？哈哈，入戲太深啦，讓咱們來看看實例。

加入我如今從新回過頭去看咱們第一章那些代碼，看了以後發現彷佛有哪一個地方不太對勁，話很少說，先上圖，以下：

 

 

【此處須要插入圖片 演示截圖第一章】

 

是否是發現沒啥問題？再看下一張圖，第二章咱們的代碼，以下：

 

 

【此處須要插入圖片 演示截圖第二章】

 

如今發現了吧？我若是須要將第一章中全部代碼都像第二章那樣，在每個代碼序號前都添加一個代碼章節的序號怎麼辦呢？好比說1.1.1.【...】這樣的。

 

如今能夠請出捕獲分組和後向引用這對黃金搭檔！

咱們打開RegExr網站，單擊切換到Replace，而後將文章所有都複製粘貼進去那個文本框，爾後再第一個匹配框中輸入：\d[.]【.*】|[1]\d.【.*】  而後你會發現，你已經把全部的第一章代碼都給匹配出來了，須要注意的是，因爲咱們在上一段中給出了1.1.1.【...】，因此，咱們匹配出來的結果將由上面的總共15個結果變爲16個了，由於這個的後面一小段也是符合咱們的規則的。

事實上，若是你把表達式中點號外面的平括號給去掉的話，你將發現匹配的結果竟然高達三十多個，緣由就出在點號身上。咱們知道點號能夠表示任意字符，那麼匹配的工具天然會將點號做爲任意字符來匹配，這樣的話，倒不是沒有結果來給它額外匹配出來的，比方說，2.9以上的那些代碼，如2.10.【...】。觀察劃線部分，是否是以爲能夠匹配？一個數字（1）加上一個能夠由點號匹配的任意字符（數字固然也能夠匹配啦，因此0到9均可以被匹配到）再加上符號【...】，完美！因此咱們就獲得了三十多個匹配結果...這固然不是咱們想要的啦，因此，最好給點號加上方括號，這樣就至關於告訴工具：我這個是點號良民，不是通吃的大英雄！

下面給出截圖以下：

 

 

【此處須要插入圖片 演示11】

 

下面咱們再對這個改進一下，雖然匹配到了這些壯丁，但咱們可不僅是想要抓如今的他們，如今還未入流呢，須要給他們披個馬甲好看一些！

下面切換到Replace標籤，此時再出現一個文本框，咱們先將第一個文本框裏咱們剛剛輸入的表達式修改一下，變成被咱們捕獲的分組：(\d[.]【.*】)|([1]\d.【.*】)，理解起來應該不會有難度吧？下面看好啦，在新出現的那個最下面的文本框中輸入要替換的表達式，此處咱們要達到的目的就是1位數保持一位數的（也就是$1），而兩位數的則保持兩位數的（即$2），因此咱們就在替換框輸入：1.$1$2，意思是將咱們捕獲的兩個分組都加上表示章節序號的1和點號，而後第一個分組的按照第一個分組那樣、第二個則按照第二個那樣。

 

>>>有一個須要注意到的是，咱們在前面介紹的後向引用使用的是\1這樣的符號，可是有的時候某些在線工具或者軟件並不支持這樣的形式，這時咱們就能夠用它的另外一個形式$1，即用美圓符。

 

下面是關於最終替換的截圖以及兩個文本框中咱們的輸入公式：

 

 

【此處須要插入圖片 演示12】

 

接下來咱們總結下，咱們在這第2章中學習了哪些東西：

 

*  正則匹配的最低綱領、進階階段以及最高綱領分別是什麼？（PS.這些是筆者本身的命名，哈哈，隨便起的，你在其餘地方可能看不見相似的表述）

*  字符組和字符組簡寫各有什麼特色？爲此咱們應該如何實現個性化的匹配？

*  文中介紹了的簡寫式有哪些？如今只須要對它們有一個認識便可，對其用處大可沒必要求全求備，畢竟它們中的大多數是咱們不大可能用得上的，若是往後須要，那就再對它進行檢索專門學習，此爲任務驅動。

*  什麼是Global模式？

*  如何匹配單詞和非單詞？

*  如何匹配空白字符？

*  能夠表示轉義的分別是哪兩個字符？

*  點號搭配什麼能夠實現真正意義上的通吃？

*  捕獲分組和後向引用在實際生活中能夠用來幹什麼？

*  後向引用的兩種方式分別是什麼？

 

下面將利用雪炭工具得到的代碼所有貼到下方，以便回顧所學：

 

2.1.【\d】

2.2.【[0-9]】

2.3.【[0123456789】

2.4.【[01]】

2.5.【\D】

2.6.【^0-9】

2.7.【^\d】

2.8.【\w】

2.9.【_a-zA-Z0-9】

2.10.【\W】

2.11.【^_a-zA-Z0-9】

2.12.【^\w】

2.13.【\s】

2.14.【 \t\n\r】

2.15.【\S】

2.16.【^ \t\n\r】

2.17.【^\s】

2.18.【........】

2.19.【.{8}】

2.20.【\bL.{2}e\b】

2.21.【.*】

2.22.【^\n】

2.23.【^\n\r】

---

 

第3章  邊界

 

這章咱們要學習的是邊界，顧名思義，行與行之間、單詞與單詞之間等等，都是邊界在起着做用。邊界又叫作斷言 Assertion，也就是將大段的言語或者小段的言詞斷開的東西。

話很少說，先上代碼。

 

3.1.【^How, *Country\.$】

 

>>>顯然這個表達式是匹配這麼一個內容：以How搭配一個逗號開頭，中間字符任意，再以Country搭配一個點號結尾。

點號前面的那個斜槓是起的將點號這一通吃的大英雄轉義從而只識別出點號（也就是做爲一句話的結束的標點符號）的做用。

其中，脫字符「^」即是行起始符啦，它就是行開始的邊界；而美圓符「$」即是行結束符，是行結束的邊界。無需贅言。另外，脫字符與美圓符這樣的斷言，又被稱爲錨位符 Anchor，意爲錨定一個起始或者結束的位置的符號，起着與海船上的錨同樣的重要做用。

那麼給這個表達式加上脫字符與美圓符有什麼用處呢？

那就是將一行給匹配出來，是的，只匹配一行！若是咱們不用行起始與結束符，那麼若是存在首段首與尾段尾都符號模式的狀況，則整個文檔都會被匹配到。

固然啦，咱們通常使用脫字符和美圓符來將匹配限定到行的時候，還須要勾選另一個選項：多行 Multiline。緣由也很好理解，若是不勾選多行，那工具不就自動認爲咱們須要將整個文檔做爲一行來進行匹配、從而可能從全文來匹配嘛？此種狀況下，Global能夠勾選也能夠不勾選，無甚差異。

 

3.2.【\bthe\b】

 

>>>\b是對單詞邊界的匹配，它屬於零寬度斷言 Zero-Width Assertion，也就是不會佔用位置不佔用空間的綠色環保的符號，哈哈~

這裏，表達式匹配的就是一個the單詞，若是是「I Love Miss Liu, the beautiful girl in my Life. I bought a ring, then I'll give it to her."則裏面Miss Liu後面的the咱們能夠匹配出來，但那個then，雖然也是有the，但是因爲其後面並不是一個邊界，而是仍有字符存在，故而不對其匹配。

 

3.3.【\Be\B】

 

>>>顯然\B是對\b的取反，也就是匹配非單詞邊界，好比單詞或字符串中的字母、數字等。這個代碼中，將會對存在於單詞、字符串中的非開頭和結尾的e進行匹配，固然了，它只匹配e這麼一個字母，而不會將其旁邊的其餘字符匹配。

 

3.4.【\Q.^$*+|?(){}[]\-\E】

 

>>>上面這個表達式是否是看起來很凌亂？那就對了。當咱們須要大段的輸入一些要麼很凌亂、要麼是正則使用的符號（如^或者*）等的時候，若是一個一個地添加轉義字符，那豈不是特別累！這個方法，就是用來對大段的字符進行轉義的。把字符放入\Q與\E中間便可，多簡單呀~

經過這個方法，咱們就能夠輕鬆地使用元字符（還記得元字符吧？哈哈）的字面值啦。

 

接下來咱們來說一下如何爲一個純文本添加Html標籤，學會了這個，之後若是要作網頁那可就輕鬆地多了。

 

首先咱們打開RegEx網站，而後在第二個文本框中輸入「這是一個實例文件，用來演示添加Html標籤的。」，而後在第一個文本框中輸入表達式「^(.*)$」（也就是匹配整行），再在第三個文本框中輸入：

 

 

【此處須要插入圖片 Html替換標籤代碼】

這樣就完成了一個對標題的標籤添加，所用的知識，其實咱們在先前也已經接觸過了，就是邊界、捕獲分組以及後向引用啦。下面將截圖貼在下面：

 

 

【此處須要插入圖片 演示標題插入】

是否是以爲很簡單呢？其餘Html文檔的部分也是能夠經過這樣的方式來實現相應的標記的添加的，具體請自行根據實際狀況進行摸索。

 

接下來咱們總結下，咱們在這第3章中學習了哪些東西：

 

*  邊界（或稱斷言）到底是什麼？

*  脫字符與美圓符做爲邊界起着什麼做用？錨位符是什麼？

*  Multiline是什麼？它有什麼做用？

*  單詞邊界與非單詞邊界起着什麼做用？

*  如何輕鬆地大段使用元字符？

*  如何用正則表達式將純文本轉化爲Html文本？

 

下面將利用雪炭工具得到的代碼所有貼到下方，以便回顧所學：

 

3.1.【^How, *Country\.$】

3.2.【\bthe\b】

3.3.【\Be\B】

3.4.【\Q.^$*+|?(){}[]\-\E】

 

---

 

第4章  選擇、分組和後向引用

 

在本章，咱們會更多地使用選項（好比咱們前面已經接觸過的Dotall、Global、Multiline），所以，咱們仍是先交代下要使用的工具爲妙。

在本章的練習，儘可能在RegExr網站來進行。

一樣的，話很少說，咱們先上代碼：

 

4.1.【(the|The|THE)】

 

>>>這個表達式是讓工具將符合模式中這三種樣式的都給匹配來：the、The和THE。其中，豎線符「|」表示選擇，即從給出的模式中選擇一個出來，通常工具是按照從左到右的方式來匹配的，也就是說會先在文本中檢索是否有the，若是沒有，那就再檢索The，再沒有，就檢索THE，直到找到一個符合的爲止，固然啦，全都找到也是能夠的。

 

>>>事實上，咱們會發現，這麼三個詞，主要的差異也就是單詞字母的大小寫而已，若是就爲了這麼一個簡單的問題就要寫一大串的表達式，也未免過於冗長。因此工具提供了另外一種小藥丸給咱們，可讓咱們輕鬆許多：忽略大小寫   Ignore Case。

 

4.2.【the】

 

>>>此時若是咱們勾選了Ignore Case，那麼只要鍵入這麼一個簡單的表達式就能夠實現代碼3.1的功能了，你能夠親手去實踐一下。

 

下面咱們再來介紹一個重要的概念。

子模式 Subpatattern，是指分組中的一個或者多個的分組，咱們徹底能夠把子模式理解爲分組中的分組、模式中的模式。抽象吧？咱們來用3.1的代碼來解釋一下。

(the|The|THE)，就是一個分組，這個分組當中又嵌套着3個分組，因此咱們能夠將the、The和THE都叫作子模式，他們的父模式就是用括號括起來的這麼一個模式。

上面這樣的子模式，根據可否匹配到第二個子模式（也就是The）是否取決於第一個子模式（即the）的匹配，咱們能夠將其稱做「不依賴型子模式」，也就是說，無論文本中有沒有the存在，只要存在第二個子模式The，那麼就必定能將The匹配到。

下面介紹一個「依賴型子模式」。

 

4.3.【(t|T)h(e|eir)】

 

>>>代碼3.3中一共存在兩個子模式（固然啦，這兩個子模式之中又分別有兩個它們各自的子模式），第二個子模式（e|eir）可否獲得匹配，就必須看第一個子模式（t|T）可否獲得匹配。好比說，若是文本中存在the，那麼第二個子模式就能夠匹配到，若是文本只有ahe，bhe...zhe，惟獨就是沒有the和The，那麼第二個子模式縱然是在文本中存在，也沒法獲得匹配。

這就是依賴型的子模式啦~

 

括號對於子模式而言並不是必須的。咱們再來看下面的代碼：

 

4.4.【\b[tT]h[ceinry]*\b】

 

>>>這個模式存在兩個子模式，並且有單詞邊界，因此最後其可能匹配出來的結果會有：the The thee thy thence等單詞。

 

>>>從代碼3.4咱們發現，字符組其實也是能夠做爲子模式來使用的。鑑於字符組所起的做用與子模式無異，故而本書做者認爲徹底能夠將字符組歸於子模式之行列，筆者也認爲是能夠的，畢竟只要咱們能切實地使用上，管它姓資仍是姓社？

 

前面咱們大量的介紹了捕獲分組，可是咱們卻沒有對他作一個全面的審視，如今是時候給他作個CT，看看他哪裏好、哪裏壞啦！

 

捕獲分組由於要先將壯丁抓住，而後把它給關在咱們的房間中，因此必然會擠佔咱們本就不算太大的空間，爲此，咱們要抓壯丁的活動就不免由於騰挪不便而頗受掣肘。

通俗的說就是，捕獲分組要將數據抓取而後暫時存儲在內存中，以便後續的調用（即後向引用），因此會佔用內存，進而影響到性能。因此，雖然捕獲起來對後向引用非常方便，但若是咱們根本就不打算在往後用上他，那就乾脆別捕獲啦！爲此，正則表達式中特地弄出了一個替代選擇：非捕獲分組 Non-Capuring Group。下面咱們用代碼來解釋一下：

 

4.5.【(?:the|The|THE)】

 

>>>爲分組的開頭添加一個問號和冒號，就至關於給工具一個提示：記住了，我要把這個分組給匹配出來，但我不要你把他們都抓住，由於這樣我速度賊慢，我可受不了！

如今是否明白了什麼叫非捕獲分組了呢？不明白不要緊，往後你會理解的。

 

4.6.【(?>the|The|THE)】

 

>>>在分組的開頭添加一個問號喝大於號，實際上就是使用了一個原子分組 Atomic Group，這原子分組也是非捕獲分組的一員，不過呢，他能夠將回溯操做關閉掉，也就所以能夠提高運行的性能了。固然啦，這個咱們仍是沒必要太多關注的，起碼目前來講是這樣的，畢竟這應該是那些高級人員才須要去完善的「細微末節」。

另外，關於這裏提到的回溯操做，我回在後續的內容中解釋給你們。

 

接下來咱們總結下，咱們在這第4章中學習了哪些東西：

 

*  如何用豎線符進行選擇操做？

*  子模式是什麼？它分別有哪兩個類型？

*  字符組是子模式嗎？

*  捕獲分組有什麼地方「很差」？

*  非捕獲分組是什麼？要怎麼樣去使用它？原子分組是什麼？

 

下面將利用雪炭工具得到的代碼所有貼到下方，以便回顧所學：

 

4.1.【(the|The|THE)】

4.2.【the】

4.3.【(t|T)h(e|eir)】

4.4.【\b[tT]h[ceinry]*\b】

4.5.【(?:the|The|THE)】

4.6.【(?>the|The|THE)】

 

---

 

第5章  字符組

 

字符組有時也被稱做方括號表達式  Breaketed E^x^p^r^e^ssion。

 

5.1.【a-f】

5.2.【3-6】

 

>>>代碼5.1匹配的是從a到f的字母，代碼5.2匹配的是從3到6的數字，很簡單是吧？這說明你前面的基礎夯地很實哦，鼓勵一下！

 

下面咱們來試着匹配從10到19的偶數。

 

5.3.【\b[1][24680]\b】

 

>>>是否是也以爲是個小Case？哈哈，那我只能說你的基礎可真牢！點贊。

 

下面咱們再作延伸，如何匹配0到99的偶數呢？

 

5.4.【\b[24680]\b|\b[1-9][24680]\b】

 

>>>想必理解起來也不會有多大的難度吧？重要的是想象力，哈哈~沒有你抓不到的壯丁，只有你想不到的抓壯丁的套！

 

5.5.【[\w\s]】

5.6.【[_a-zA-Z \t\n\r]】

 

>>>從代碼5.5咱們能夠發現，字符組中也是可使用簡寫式的，5.5的做用就等同於代碼5.6。

 

5.7.【[^aeiou]】

 

>>>用脫字符在字符組中取反，這個咱們也學過，如今你還記得嗎？若是忘了的話能夠回過去再複習下，這但是頗有用的哦。

 

5.8.【[0-3[6-9]]】

 

>>>是的，你沒有看錯，字符組之中竟然嵌套了一個字符組！這是搞啥呢？

上面的代碼5.8的做用是匹配[0 1 2 3 6 7 8 9],是否是發現了什麼？沒錯，就是取並集呀！記住哦，嵌套使用字符組，便可取並集哦。

 

5.9.【[0-9&&[^4-5]]】

 

>>>代碼5.9就是取差集的表達式啦，實際上就是減的操做，不過就是要多加上兩個&而已。

上述代碼5.9的做用與代碼5.8同樣哦，不知道你可猜對了呢？

 

其實後面還有一個知識點，POSIX字符組，可是鑑於不是特別經常使用和實用，因此筆者認爲無需過多關注，故而不予陳述 ，若讀者有興趣，大可於互聯網上搜索來學習。

 

接下來咱們總結下，咱們在這第4章中學習了哪些東西：

 

*  如何匹配0到99的偶數？

*  怎樣實現字符組取反呢？

*  如何給字符組取並集？

*  如何給字符組取差集？

 

下面將利用雪炭工具得到的代碼所有貼到下方，以便回顧所學：

 

5.1.【a-f】

5.2.【3-6】

5.3.【\b[1][24680]\b】

5.4.【\b[24680]\b|\b[1-9][24680]\b】

5.5.【[\w\s]】

5.6.【[_a-zA-Z \t\n\r]】

5.7.【[^aeiou]】

5.8.【[0-3[6-9]]】

5.9.【[0-9&&[^4-5]]】

---

 

第6章  匹配Unicode和其餘字符

 

鑑於該章節內容不甚實用，且較爲繁雜艱澀，不予講述，若讀者有興趣，不妨自行檢索學習。

 

---

 

第7章  量詞

 

前面咱們提到的量詞有哪些呢？還記得那三個爲虎做倀的小能手嗎？分別是問號、加號和星號。接下來咱們給他們作一個傳記。

 

7.1.【9.*】

 

>>>星號量詞，咱們都知道是能夠匹配任意個字符的。但其實它自己是貪心的 Greedy，每一次匹配它都會先將所有文本都「吃下去」，若是將須要匹配的字符串找到了，那就會將結果返回給咱們，但若是沒有找到，它就會將剛剛一口氣吃下去的文本都給「一點一點地吐出來」（有沒有感受很像駱駝的胃？哈哈），再從吐出的內容中尋找，直到找到或者真的找不到，纔會放棄尋找了。事實上，這個過程就是咱們在先前說起但未展開的回溯操做。回溯，也就是從開頭跑到了終點，但是由於沒有在旅途中找到須要的東西，因此又從終點跑回開頭再次尋找（是否是跟咱們丟了東西后去一個地方反覆尋找的狀況非常相似？哈哈）。

 

>>>儘管回溯操做有助於將咱們須要的東西找到，但回溯操做卻也有着極大的侷限，那就是性能的拖慢，這也很好理解，就比如咱們去找東西，若是咱們反反覆覆地在一個地方來回尋找，固然比起只是從這個地方找了一遍就不找了要花更多的時間啦。

 

7.2.【5？】

7.3.【5？？】

 

>>>代碼7.2是要查找0個或者1個數字5，因此若是文本中存在數字5，那麼就會自動將5給匹配出來

 

>>>但是代碼7.3卻不會這樣，它的結果就是，就算文本中存在數字5，他也不給你找出來。是否是以爲他很懶？沒錯，問號就是懶惰的，若是有的選擇，他就會選擇最少的那個來作，哈哈~

下面咱們再來經過幾個代碼來加深一下懶惰的問號是怎麼樣的。

 

7.4.【5+？】

7.5.【5*？】

7.6.【5{2,5}？】

 

>>>代碼7.4中，因爲加了一個問號，使得5+變成了懶惰的匹配了，因此本來是要匹配1個或一個以上的數字5的，馬上就變得只能匹配出一個5,就是由於懶惰的量詞選擇了最省事最輕鬆的匹配（即此處的匹配1個）

 

>>>代碼7.5中，也是由於懶惰量詞，因此最後只能匹配到0個5，由於星號是讓匹配0個或更多個的，既然能夠匹配0個，那麼懶惰的量詞就乾脆只匹配零個就交差了事啦

 

>>>一樣的道理，代碼7.6就只能匹配到2個數字5啦

看到這裏，想必你對懶惰量詞應該有了必定的瞭解了吧？

 

下面介紹另外一種量詞，它但是和星號持相反政見的政敵哦。

 

7.7.【0.*+】

7.8.【.*+0】

 

>>>鍵入代碼7.7，你會發現以0開頭的全部的數字都被選中了，是否是以爲很星號其實仍是同樣同樣的？且日後看。

 

>>>再鍵入代碼7.8，你會發現竟然沒有任何結果被匹配出來！這是爲何呢？

緣由就出在以加號結尾的量詞是佔有慾很強的，一旦吃進了他肚子裏，再想讓他像貪心量詞同樣再吐出來從新搜索一遍，那幾乎是不可能的，「凡是進了個人肚子的，就是個人了，休想讓我再吐出來，哼！」這就是加號佔有量詞的心聲，哈哈~

因爲鍵入代碼7.7以後，咱們已經讓所有文本都被加號吃進了肚子，此時再鍵入代碼7.8要查找的話，就沒辦法了，由於他已經把全部文本都吃進去了，再也不讓咱們再匹配了，因此也就天然沒有匹配的結果給咱們返回啦。

之因此會吃進去就再也不吐出來，實際上是由於他不會進行回溯操做，因此，天然加號即是星號的政敵啦！哈哈，這樣想會不會腦洞有點大？（「這位做者，這樣污衊咱們倆，我和你什麼仇什麼怨？」加號和星號如此腹誹筆者道。）

 

7.9.【7{1}】

7.10.【7{1，9}】

7.11【7{1，}】

 

>>>這裏咱們又看見了特定次數量詞匹配的身影啦，呃？不對，怎麼後面來了一個奇奇怪怪的哥們？代碼7.11你給我出來！幹嗎呢你？怎麼不符合規範啊？你的上界哪去了？被你吃了？？

其實呀，代碼7.11雖然看似在逗號後面沒有上界，但實際上也是有一個上界的，那就是數學上的無窮大，哈哈，也就是說，這哥們的上界就是——無上界！瞧瞧，口氣多大呀，哈哈，讓咱們來看看代碼7.11到底匹配的是什麼？

哇塞塞，竟然能匹配自數字1以上的全部數字，厲害厲害！

 

上面咱們介紹的就是特定次數匹配的幾種形式啦，讀者能夠自行發散開來、推而廣之哦。

 

接下來咱們總結下，咱們在這第7章中學習了哪些東西：

 

*  什麼是貪心量詞？

*  什麼是回溯操做？

*  什麼是懶惰量詞？

*  什麼是佔有量詞？

*  貪心量詞與佔有量詞有什麼區別？

*  特定次數量詞有哪三種形式？

 

下面將利用雪炭工具得到的代碼所有貼到下方，以便回顧所學：

 

7.1.【9.*】

7.2.【5？】

7.3.【5？？】

7.4.【5+？】

7.5.【5*？】

7.6.【5{2,5}？】

7.7.【0.*+】

7.8.【.*+0】

7.9.【7{1}】

7.10.【7{1，9}】

7.11.【7{1，}】

 

---

第8章  環視

 

環視是一種功能非捕獲分組，是一種零寬度斷言（還記得這個是什麼嗎？以前在講到邊界的時候咱們也提到了一個，若是忘記了，能夠回過去看看哦），所以環視並不會「佔位置」，由於它自己就是沒有寬度的，哈哈，這不是廢話嘛~

 

環視分爲正前瞻、反前瞻、正後顧、反後顧。

 

咱們先上圖，用實例來看看什麼是正前瞻。以下圖所示，咱們給定的文本中有許多關鍵詞，但咱們卻只想要含有必定特徵的關鍵詞，好比說這個關鍵詞後面必須跟着一個固定的字或者前面必須跟着一個固定的字，這樣的關鍵詞，咱們才須要。這個時候，環視就頗有用處了，他能夠經過後面或前面的字來匹配咱們所需的獨一無二的關鍵詞，好比我這裏想要的就是後面跟着「 Is」的"Mr_Ouyang",凡是跟着其餘的，都不是我想要的。

 

 

【此處須要插入圖片 正前瞻演示】

從圖片中，咱們能夠看出，正前瞻的代碼以下：

 

8.1.【Mr_Ouyang(?= Is)】

 

>>>正前瞻，就是咱們要檢索的關鍵詞加上用括號括住的問號加等於號再加上關鍵詞後面那個固定字符。最終它檢索出來的，就是咱們檢索的關鍵詞啦，固然，它不會把後面的固定字符一同匹配出來，這就比起咱們以前學習的知識要不一樣，以前的，頂多就是連固定字符一同匹配，屆時還須要再將固定去掉，麻煩！

 

8.2.【Mr_Ouyang(?!Is)】

 

>>>反前瞻，一樣是檢索關鍵詞，只不過此次我是不須要跟着某個固定字符的關鍵詞了，這樣咱們就可使用反前瞻，這在事實上就是對正前瞻的取反，代碼8.2即是對代碼8.1效果的取反。

 

8.3.【(?<=So )Handsome】

 

>>>正後顧，原理相似，只不過是根據關鍵詞前面的固定字符來查找後面的關鍵詞，大同小異罷了。代碼8.3效果以下圖所示，將前面一個單詞爲「So 」的關鍵詞Handsome給匹配出來了，然後面的Handsome，因爲不符合前面那個固定字符，因此沒有被匹配。

 

 

【此處須要插入圖片 正後顧演示】

8.4.【(?<！So )Handsome】

 

>>>反後顧，原理相似，是對正後顧的取反。代碼8.4的效果是對代碼8.3的取反。

 

其實環視仍是很好理解，並且仍是頗有做用的。那麼它有什麼用呢？

如今，你是辦公室一個小職員，辦公室主任扔給你一個任務：那個小歐啊，趕忙的，如今這份公司高層會議的會議記錄給你，你給我趕忙把裏面Mr_Ouyang老總的發言都給我找出來，急用！記住了，別漏了哦~

拿到任務一看，傻眼了，會議記錄一共一百多頁，天！

其實大可沒必要如此煎熬，用文字掃描工具將會議記錄掃描爲文字，爾後將全部文字用正則匹配，下面作個演示，打開雪炭工具網頁，檢索：Mr_Ouyang(?=說).*。具體以下圖所示：

 

 

【此處須要插入圖片 環視截取演示】

 

或者，還能夠用來在老師給出的課件或者其餘文本中找關鍵詞及相應解釋文段，牛氣吧？哈哈~

 

接下來咱們總結下，咱們在這第7章中學習了哪些東西：

 

*  什麼是正前瞻？

*  什麼是反前瞻？

*  什麼是正後顧？

*  什麼是反後顧？

*  環視能夠在實際生活中如何應用？

 

下面將利用雪炭工具得到的代碼所有貼到下方，以便回顧所學：

 

8.1.【Mr_Ouyang(?= Is)】

8.2.【Mr_Ouyang(?!Is)】

8.3.【(?<=So )Handsome】

8.4.【(?<！So )Handsome】

 

---

 

第9章  用Html標記文段

 

鑑於該章節與前述相比並沒有新知識點，只不過是介紹了幾個用來進行正則表達式檢索的工具如Sed、Perl等，並介紹使用它們來進行純文本的Html標記添加，與咱們目前的使用並沒有太大關聯，故而不予陳述。

 

---

 

第10章  初級班畢業了

 

本章講的是，咱們經過前面9個章節的學習，已經大體掌握了正則表達式的基本用法，至於進階或者高級用法，便須要咱們在往後的實踐中遇到難題並進行相應學習來提升了。這一點，筆者非常贊同，就是須要實踐驅動！

 

以前許多人便宣稱，要想成功，最好的老師就是興趣，你必需要培養起對他的興趣，只有這樣你纔有動力去學，才能成功。

 

筆者以前也是如此認爲的，但如今卻不敢再苟同之。

 

筆者覺得，真正讓你走向「成功」的，恐怕並不是興趣，而是需求。興趣，是讓你想要去提升，自覺地想要去完善本身；而需求，是讓你不得不提升，雖然是被迫、但卻很高效的能促使你完善本身。

 

基於此，筆者提倡，若是要學習一門技術或者說知識，大可沒必要等所有都掌握了再去實踐，徹底能夠在掌握了基礎後便去用此技術、知識去闖蕩，直到闖到一個程度、遇到你的瓶頸，再去充電，專門性的去學習，這樣想必會更加有助於你的自我完善。固然，筆者本身也在如此地實踐。

 

最後，三天的寫做終於完成了，想筆者這本書纔看一天，結果竟然斷斷續續地寫了3天才將本文寫完，真是不易。本來是興致勃勃的，尤爲是看到有一些讀者看見本文，並予以必定互動，讓筆者頓時雞血滿滿，心中極其享受本文的寫做。但是後面慢慢的就由熱轉涼，一方面是由於天天上課的時間比較多，另外一方面是互動漸少，興趣也便冷了下來，再加上筆者愈發以爲須要打好基礎，因此想要多看看書，而不是看一本書就寫一篇文（雖然筆者覺得這樣作着實頗有幫助），因此到最後，就是抱着趕忙將本文完結，而後就暫時不寫博客了，待這回多看些書，往後再回來寫，想必那時筆者該有一個蛻變了罷？

 

我很期待...

 

Mr_Ouyang

2017-11-16 21:28

 

最後，將本文出現的全部代碼都附在下面，以便學習鞏固（想必你還記得咱們以前每個章節後都會附上章節代碼吧？這樣的話，匹配出來的全部代碼豈不是會重複一遍嗎？沒錯的，的確會重複，因此你猜猜看我是怎麼樣解決的呢？好吧，原本想裝個酷的，結果很遜的是，我也解決不了，哈哈，最後百度檢索了一下，找到了一個解決方法，用Notepad++，而後再替換的查找框中鍵入代碼：^(.*?)$\s+?^(?=.*^\1$)，勾選匹配新行，而後所有替換便可實現去重。正是這樣的有任務驅動而後自行檢索學習，一步一步地促使着咱們在技術的路上不斷狂奔；經驗做者也是如此，這也是他在工做中遇到需求爾後遍尋無合適之法，最後於Google中找到經驗的。好啦，說了這麼多，下面放代碼：

 

---

 

1.1.【707-827-7019】

1.2.【[0-9]】

1.3.【012789】

1.4.【\d\d\d-\d\d\d-\d\d\d\d】

1.5.【\d\d\d\D\d\d\d\D\d\d\d\d】

1.6.【\d\d\d.\d\d\d.\d\d\d\d】

1.7.【(\d)\d\1】

1.8.【(\d)0\1\D\d\d\1\D\1\d\d\d】

1.9.【\d{3}-?\d{3}-?\d{4}】

1.10.【(\d{3,4}[.-]?)+】

1.11.【(\d{3}[.-]?){2}\d{4}】

1.12.【^(\(\d{3}\)|^\d{3}[.-]?)?\d{3}[.-]?\d{4}$】

 

--------------------------------------------------------------------------------------------------

 

2.1.【\d】

2.2.【[0-9]】

2.3.【[0123456789】

2.4.【[01]】

2.5.【\D】

2.6.【^0-9】

2.7.【^\d】

2.8.【\w】

2.9.【_a-zA-Z0-9】

2.10.【\W】

2.11.【^_a-zA-Z0-9】

2.12.【^\w】

2.13.【\s】

2.14.【 \t\n\r】

2.15.【\S】

2.16.【^ \t\n\r】

2.17.【^\s】

2.18.【........】

2.19.【.{8}】

2.20.【\bL.{2}e\b】

2.21.【.*】

2.22.【^\n】

2.23.【^\n\r】

 

--------------------------------------------------------------------------------------------------

 

3.1.【^How, *Country\.$】

3.2.【\bthe\b】

3.3.【\Be\B】

3.4.【\Q.^$*+|?(){}[]\-\E】

 

--------------------------------------------------------------------------------------------------

 

4.1.【(the|The|THE)】

4.2.【the】

4.3.【(t|T)h(e|eir)】

4.4.【\b[tT]h[ceinry]*\b】

4.5.【(?:the|The|THE)】

4.6.【(?>the|The|THE)】

 

--------------------------------------------------------------------------------------------------

 

5.1.【a-f】

5.2.【3-6】

5.3.【\b[1][24680]\b】

5.4.【\b[24680]\b|\b[1-9][24680]\b】

5.5.【[\w\s]】

5.6.【[_a-zA-Z \t\n\r]】

5.7.【[^aeiou]】

5.8.【[0-3[6-9]]】

5.9.【[0-9&&[^4-5]]】

 

--------------------------------------------------------------------------------------------------

 

7.1.【9.*】

7.2.【5？】

7.3.【5？？】

7.4.【5+？】

7.5.【5*？】

7.6.【5{2,5}？】

7.7.【0.*+】

7.8.【.*+0】

7.9.【7{1}】

7.10.【7{1，9}】

7.11.【7{1，}】

 

--------------------------------------------------------------------------------------------------

 

8.1.【Mr_Ouyang(?= Is)】

8.2.【Mr_Ouyang(?!Is)】

8.3.【(?<=So )Handsome】

8.4.【(?<！So )Handsome】