正则基础

1. 正则

• 正则是一种描述文本内容组成规律的表示方式
• 作用
  • 校验数据的有效性
  • 查找符合某个规则的文本
  • 对文本进行切割和替换

1.1 符号

• 脱字符（^）表示非

2. 元字符（Metacharacter）

• - [ ] ^ $
• \b 匹配单词边界，如 \w+\b
• 完整匹配: ^ 和 $

2.1 特殊单字符

• 点号. 匹配任意单个字符（换行除外）
  • 匹配自身加转义 \.
• \d 任意单个数字 [0-9]
  • \D 任意非数字 [^0-9]
• \w 字母+数字+下划线 [A-Za-z0-9_]
  • \W 非\w
  • \w+ 一般用来匹配单词
• 匹配单词 [a-z]+ 或 \w+ 或 \w+\b

2.2 空白符

• \s 能匹配上各种空白符号，也可以匹配上空格
  • 空白字符，包括但不限于空格，制表符，换行 [\f\n\r\t\v]
• \r 回车
• \n 换行
• \t 制表符
• \v 垂直制表符
• \f 换页

2.3 量词（匹配多个字符）

• ? 表示可选字符 {0,1}
• + {1,}
• * {0,}
• {m,n} 重复区间，代表 m 到 n 次，m是下限，n是上限（均为闭区间）
  • \d{2,3} 先按贪婪模式匹配，12345-12345
  • \d{2,3}? 非贪婪模式，只匹配 2 个数字
• 注意：量词中的逗号之后不能有空格

匹配任意数据 .*?
(.|\n)*, (.|\s)*

2.4 范围

• 管道符号(|)或，如：ab|cd
• [...] 字符集合，也称自定义通配符
  • [] 只匹配一个字符，多选一，如 [Jj]ava 匹配 Java or java
  • 字符区间可以用连字符(-), 如 [b-o-x]；若要匹配横线,加转义 [\-]
  • [^...], ^作用于字符集合里的所有字符或字符区间
  • 点放入 [] 可以不加转义，如 [.]
  • 匹配中文用Unicode graphemica.com/

3. 量词与贪婪

• 贪婪模式，尽可能进行最长匹配
• 非贪婪模式，则会尽可能进行最短匹配
• +, *是贪婪匹配，但是为了整体匹配，在适当情况下会少匹配些，贪婪模式要让位于整体匹配
• 加上?表示非贪婪，示例.+?, 非贪婪模式也会让位于整体匹配 所以某些情况会多匹配些

3.1 贪婪匹配（Greedy）

• 在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尝试尽可能最大长度去匹配

对比 a+ 与 a*
a* 匹配了三次空字符串，因为星号（*）代表 0 到多次，匹配 0 次就是空字符串

image.png

3.2 非贪婪匹配（Lazy）

• 在量词后面加上英文问号 (?)，可将贪婪模式变成非贪婪模式

image.png

3.3 独占模式（Possessive）

• 不管是贪婪模式，还是非贪婪模式，都需要发生回溯才能完成相应的功能
• 量词后面加上加号（+）
• 独占模式和贪婪模式很像，独占模式会尽可能多地去匹配，如果匹配失败就结束，不会进行回溯，这样的话就比较节省时间

字符 xyyz
xy{1,3}z 首先匹配 3 个 y, 但正则 z 会匹配不上，此时正则向前回溯,吐出当前字符 z，接着用正则中的 z 去匹配

image.png

xy{1,3}?z 首先匹配 1 个 y, 但 z 会匹配不上，此时向前回溯...

独占模式xy{1,3}+yz 不能匹配到 xyyz

3.4 贪婪分析

• dxxxxdxxxd - d.+d 虽然让位于整体匹配，但也是在尽可能多的匹配情况下
• dxxxxdxxxd - d.+? - 会匹配两个 dx
• dxxxxdxxxd - d.+?d - 匹配一个dxxxxd