正则表达式基础

基本概念

语言组成部分

文字（literal）

视为普通文本（normal text characters）。

元字符（metacharacters）

具有特殊含意的特殊字符（special characters）。

转义

元字符可以通过\转为普通文字处理，但转义符号在字符组内是无效的。

常用元字符

一行的开始与结束

^开始、$结束。匹配的是位置，而不是字符。

字符数组（Character Classes）

字符数组的格式

使用结构体：[aeiou]

连字符表示范围

• 连字符（-）表示范围：[0-9]
• 连字符（-）只有在字符组内才作为元字符处理，其他地情况下只作为普通字符。
• 连字符（-）在字符组的开头位置也作为普通字符处理：[-aeiou]
• 转义符（\）号在字符组内作为普通字符处理。

问号和点号是普通字符

问号（?）和点号（.）是元字符，但是在字符组中是作为普通字符处理：[0-9A-Z_!.?]

排除字符

• 排除符号（^）在字符组的开头位置时，表示整个字符数组为排除逻辑。
• 排除符号（^）匹配的是「字符」而不是「位置」。因为字符组就表示占一个位置。 表示这个地方一定要有一个字符，而且不能是被排除的字符。

匹配任意字符

• 点号.匹配任意字符，相当于占一个位置。
• 如果在字符组内部则不当作元字符，而是普通字符处理。

多选分支结构

• 或符号（|）表示分支结构：grey|gray相当于gr(a|e)y相当于gr[ea]y
• 在字符组内部视为普通字符：gr[a|e]y
• 多选分支结构「没有」像字符数组那样的排除功能。

忽略大小写

通常不由正则表达式语法提供，而是由程序指定。

单词分隔符

• 开始（\<）和结束（\>）
• 匹配的是「位置」而不是「字符」。
• 不同实现对单词分隔的定义不同，一般是把连续的字符和数字作为一个单词。 也不是所有的实现都带有分隔单词的功能。

重复与计数

• 区间量词（interval quantifier）{min,max}
• 量词（quantifiers）可选项?相当于：{0,1}
• 量词*相当于：{0,}
• 量词+相当于：{1,}

反向引用

先匹配一个模式，再检查后面有没有出现同样的内容。

支持反向引用的工具可以记住括号匹配的内容，并按左括号（(）出现的顺序标记为： \1、\2、\3、\4……

例：

([a-z]) ([0-9]) \1 \2