正则匹配

理论

正则表达式由常量和算子组成，它们分别指示字符串的集合和在这些集合上的运算

字符串的集合: 即在正则匹配中基本的字符串集
集合上的运算: 即用*.?+这些特殊符号扩展基本字符串集来进行抽象匹配

正则匹配的基本概念

• .: 匹配除了\n以外的任何单个字符

• *: 匹配前面的子表达式零次或多次

• +: 匹配前面的子表达式一次或多次

• ?: 匹配前面的子表达式零次或一次

• {n}: n是一个非负整数。匹配确定的n次。例如，o{2}不能匹配Bob中的o，但是能匹配food中的两个o。

• {n,}: n是一个非负整数。至少匹配n次。例如，o{2,}不能匹配Bob中的o，但能匹配foooood中的所有o。o{1,}等价于o+。o{0,}则等价于o*

• {n,m}: m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，o{1,3}将匹配fooooood中的前三个o。o{0,1}等价于o?。请注意在逗号和两个数之间不能有空格。

• ?: 非贪心量化（Non-greedy quantifiers），当该字符紧跟在任何一个其他重复修饰符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。

• (pattern): 匹配pattern并保留这一匹配的子字符串(从1开始)。该子字符串用于向后引用(\num)。

• (?:pattern): 匹配pattern但不获取匹配的子字符串（shy groups），也就是说这是一个非获取匹配，不存储匹配的子字符串用于向后引用。

• (?=pattern): 正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，Windows(?=95|98|NT|2000)能匹配Windows2000中的Windows，但不能匹配Windows3.1中的Windows。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

• (?!pattern): 正向否定预查（negative assert），在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如Windows(?!95|98|NT|2000)能匹配Windows3.1中的Windows，但不能匹配Windows2000中的Windows。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始

• (?<=pattern): 反向（look behind）肯定预查，与正向肯定预查类似，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): 反向否定预查，与正向否定预查类似，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

• x|y: 匹配x或y。例如，z|food能匹配z或food，(?:z|f)ood则匹配zood或food

• [xyz]: 字符集合,匹配所包含的任意一个字符

• [^xyz]: 排除型字符集合，匹配未列出的任意字符

• [a-z]: 字符范围，匹配指定范围内的任意字符；例如，[a-z]可以匹配a到z范围内的任意小写字母字符

• [^a-z]: 排除型的字符范围，匹配任何不在指定范围内的任意字符

• \b: 匹配一个单词边界，也就是指单词和空格间的位置；例如，er\b可以匹配never中的er，但不能匹配verb中的er

• \B: 匹配非单词边界，er\B能匹配verb中的er，但不能匹配never中的er

• \w: 匹配包括下划线的任何单词字符。等价于[A-Za-z0-9_]

• \W: 匹配任何非单词字符。等价于[^A-Za-z0-9_]

• \d: 匹配一个数字字符，等价于[0-9]

• \S: 匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]

• \s: 匹配任何非空白字符。等价于[^ \f\n\r\t\v]

获取匹配
是指系统会在幕后将所有的子模式匹配结果保存起来，供我们查找或者替换。如后向引用的使用

非获取匹配
这时系统并不会保存子模式的匹配结果，子模式的匹配更多的只是作为一种限制条件使用，如正向预查，反向预查，负正向预查，负反向预查等

后向引用
使用\数字代表前面某个子模式的匹配内容

正则匹配示例

下述样例来自18年网易秋招笔试

**问题:**字符串: `src="http://www.wangyi.com"`  
* A: `src="[."]*"`
* B: `src="[^"]*"`
**anwser:** B,在`[.]`表示`.`这个符号,而不是表示匹配任意一个除了`\n`的字符，因此A是匹配不上的

下述样例展示(pattern)保存当前匹配的字符串与向后引用

Text: 
<h1>This is a valid header</h1>
<h2>This is not valid.</h3>
RegEx: 
<h([1-6])>.*?</h\1>
Result: 
<h1>This is a valid header</h1> 

（,+,?，{n}，{n,}，{n,m}）这些匹配字符默认是贪心匹配*

Text:                                                            
oooo
RegEx:                       RegEx：
o*?                          o*                       
Result: 
匹配到5个，但是都为空            oooo 

uuid的正则

uuid: [A-Fa-f0-9]{8}-(?:[A-Fa-f0-9]{4}-){3}[A-Fa-f0-9]{12}

其他的正则可以参考elk中的部分例子elk生态圈