通用正則表達式

區別於常見的正則表達式教程，本教程讓你快速入門，並規避常見問題。

(你們能夠閱讀完後邊的教程再閱讀注意事項，注意事項放在前邊只是爲了引發注意)

在開始以前先說一些值得你們注意的事項吧

1 正則表達式沒有邏輯與、邏輯非關係。那麼要實現邏輯與，就要靠表達式序列來實現了，也就是組合。而邏輯非要靠零寬斷言來實現了，可是不幸的是，如今大多數工具對斷言啊，分組捕獲啊，的支持並不完整。好比sed，是不支持斷言的。

2 正則表達式的邏輯或關係，在正則表達式中是靠多選來實現的。

3 請謹遵語法，對於那些用慣了一個*來表明若干字符的，請注意，這並非標準的正則表達式，而是一些工具本身內部封裝的特殊符號。

4 注意匹配的範圍，正則表達式默認是匹配最大範圍，就是說你們要考慮匹配句子？匹配單詞？匹配單詞的一部分？好比有如下的文本行，int main(int argc... ,對於表達式.*t\b將匹配如下內容 int main(int，而若是你用\w*t\b，將只匹配2個int，更嚴謹的表達方式是\b\w*t\b。因此建議你們儘量使用表明小範圍的通配符(元字符)。

5 至於貪婪和懶惰啊，遞歸啊，這些在某些語言中有支持，可是這個由於語言差別太大，本文不做詳述。

一些符號注意事項

1 - 連字符，這個只在字符組內有特殊意義，在字符組外表明字符自己。

2 ^ 脫字符，在字符組內的最前位置時表示排除的意思，在字符組內的其它位置表示字符自己，在字符組外則是通配符，表示行首。

3 . $ * + ? { } ( ) | ，在字符組內表示字符自己，在字符組外則是通配符或做用符。

4 字符組內，[ 和 ] 須要轉義

5 分組內，( 和 ) 須要轉義

正則表達式是記錄文本規則的代碼，主要的做用就是用於匹配文本。

語法：[內容][次數]

1 咱們把一個內容和次數組成的塊叫小節，那正則表達式就是由若干個小節構成的。

2 內容後若是不加次數表明內容出現一次。

3 特定內容(位置元字符)後不該該跟次數。好比 ^ 和 $ 。

內容能夠是普通字符、元字符、邏輯表達式和引用。

元字符表

    .     匹配除換行符之外的任意字符
    \w    匹配字母或數字或下劃線或漢字
    \s    匹配任意的空白符
    \d    匹配數字
    \b    匹配單詞的開始或結束
    ^     匹配字符串的開始
    $     匹配字符串的結束
    \W    匹配任意不是字母，數字，下劃線，漢字的字符
    \S    匹配任意不是空白符的字符
    \D    匹配任意非數字的字符
    \B    匹配不是單詞開頭或結束的位置

注意：其中\b、^、$、\B不表明任何字符位，他們表明一個位置，咱們稱他們爲位置元字符，其它元字符稱爲佔位元字符。

次數表

    *        重複零次或更屢次
    +        重複一次或更屢次
    ?        重複零次或一次
    {n}      重複n次
    {n,}     復n次或更屢次
    {n,m}    重複n到m次

例：

    \d{5}     能夠匹配 99999
    \w*ing    能夠匹配 doing
    \w+ing    能夠匹配 doing
    \w{2}ing  也能夠匹配 doing

邏輯表達式

咱們把邏輯表達式劃分爲組合、字符組、分組、多選。

組合

像 \w*ing 是由4個小節構成的，分別是\w*、i、n、g。

字符組

[]中括號擴起來的若干字符表示一個字符組，字符組內的字符是"或"的關係。

字符組內可以使用連字符-。

注意：字符組後邊的次數，通常用 + 而不用 *，由於字符組後用 * 會匹配到出現0次的狀況，這種狀況會匹配到 \b 。

好比你想用字符組匹配2個單詞 int 或 argc，[(int)(argc)] 是錯誤的，這個表明2個分組，而分組內又是組合。集合內不能識別分組，將小括號識別爲普通字符。

看來結果將不符合你的預期，這種邏輯建議使用或來表述 \bint\b|\bargc\b。

例：

    [int]      分別匹配字符i、n、t
    [0-9]      分別匹配0到9
    \b[int]+\b 能夠匹配到單詞int、in、it

排除字符組

^ 表示排除

注意：若是你想在字符組內使用排除法去匹配一個單詞(見下面的例子)，建議你在集合內加上 \W (大寫)，不然空格和一些特殊字符也會被匹配到。

例：

    [^x]          匹配除了x之外的任意字符。
    [^aeiou]      匹配除了aeiou這幾個字母之外的任意字符
    \b[^int\W]\b  匹配不出現字符i、n、t的單詞，若是不加 \W ，空格和一些特殊字符就不被排除

分組

()用小括號括起來的子表達式

例：

    (\d{1,3}\.){3} 匹配999.999.999.

多選

| 表示"或"

注意：或的優先級低於其它任何邏輯表達式。可以使用分組來提升或的優先級。

例：

    \bint|argc\b     除了能夠匹配到 int 或 argc，還能夠匹配到 inta 或 hargc內的部分字符
    \b(int|argc)\b   只匹配單詞 int 或 argc

轉義字符

\使用斜槓來顯現轉義字符。

全部的元字符、次數符、邏輯符號都須要轉義。

需轉義的字符有

    \ . ^ $ * + ? { } [ ] ( ) |

後向引用

引用容許在後邊的表達式中引用前邊捕獲到的分組的文本。

分組被捕獲，而後用\斜槓加數字引用捕獲到的內容。

命名捕獲在不一樣的語言中有不一樣的表示方法(Paython中使用(?P<name>group)，.NET framework 中使用(?<name>group))，在這裏不詳述。

例：

    \b(\w+)\b\s+\1\b  捕獲像 go go, 或者kitty kitty 這樣的疊詞

零寬斷言

斷言是一種判斷，就是判斷是否符合斷言表達式，符合時才匹配其它內容，不符合就不匹配。

注意：斷言的內容不被匹配，這也是爲何它們被稱爲零寬的緣由。

零寬斷言不能單獨存在，必須與非零寬的表達式組合。

不是全部的工具都支持全部的零寬斷言。

斷言表達式

    (?=exp)       匹配exp前面的位置
    (?<=exp)      匹配exp後面的位置
    (?!exp)       匹配後面跟的不是exp的位置
    (?<!exp)      匹配前面不是exp的位置

斷言分爲正向斷言和負向斷言，上表前2個表達式是正向斷言，後2個表達式是負向斷言。

例:

    \b\w+(?=ing\b)    匹配以ing結尾的單詞
    (?<=\bre)\w+\b    匹配以re開頭的單詞
    \b((?!abc)\w)+\b  匹配不包含連續字符串abc的單詞
    (?<![a-z])\d{7}   匹配前面不是小寫字母的七位數字