正则表达式

正则表达式是计算机科学的一个概念，正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。正则表达式通常用来检索、替换那些匹配某个模式的文本。

元字符

所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符。

常用的元字符

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
\B	非单词边界匹配
^	匹配字符串的开始
$	匹配字符串的结束
（）	标记一个子表达式的开始和结束

字符转义

如果你想查找元字符的话，需要使用 \ 来取消这些字符的特殊含义。比如要查找 . 的话需要使用 \. ，要查找 \ 需要使用 \\ 。

限定符

指定数量的代码。

常用的限定符

代码/语法	说明
*	重复0次或更多次
+	重复1次或更多次
？	重复0次或1次
{n}	重复 n 次
{n,}	重复 n 次或更多次
{n,m}	重复 n 到 m 次

范围表达式

用于指定一个字符范围。

比如：
[aeiou] ：任何一个元音字母。
[0-9] : 0-9，即一位数字。
[.?!] ： 标点符号 . 或者 ？ 或者 ！。
[a-z0-9A-Z_] ： 匹配任意一位数字或字母或者下划线。

分组

可以用小括号来指定 子表达式 （也叫做 分组），然后可以对子表达式进行一些操作。
比如：
(\d{1,3}\.){3}\d{1,3} 是一个简单的 IP 地址匹配表达式，\d{1,3} 匹配1到3位的数字，(\d{1,3}\.){3} 匹配1个数字加一个 .,然后（将表达式）重复3次，最后再加一个1到3位的数字 \d{1,3}。

分支条件

指的是有几种规则，如果满足其中任意一种规则都应该当成匹配。具体方式是使用 | 将条件分开。
比如：
0\d{2}-\d{8}|0\d{3}-\d{7} ： 匹配以 - 分割的电话号码：一种是3位区号，8位本地号码（010-12345678）；一种是4位区号，7位本地号码（0101-1234567）。

零宽断言

用来查找在某些内容（但并不包括这些内容）之前之后的东西，也就是说它们像 \b,^,$ 那样用于指定一个位置，这个位置需要满足一定的条件（即断言）。

零宽度正预测先行断言

(?=exp)
没找到原翻译出处，光是这么几个字真是不好记。可以简单理解为（断言）匹配一个位置，然后匹配出这个位置前的内容。
比如： 用 \b\w+?(?=\sjust) 查找 The things you say just might be true 会匹配出 say，可以理解为就是先用 \sjust 匹配到位置，然后匹配到 just 前的一个单词。

零宽度正回顾后发断言

(?<=exp)
跟上面说的相反，断言自身的位置，然后匹配之后的内容。
比如： 用 (?<=\sjust\s)\b\w+?\b 查找 The things you say just might be true 会匹配出 might，可以理解为就是先用 \sjust\s 匹配到位置，然后匹配到 just 后的一个单词。

负向零宽断言

跟零宽断言正好相反，用来确保某些内容没有出现。

零宽度负预测先行断言

(?!exp)
断言此位置后面不能匹配表达式exp。
比如： 用 \bto\b\s(?!take\s) 查找 I am here to take you to a good life 就只能匹配出第二个 to，就是 to 的后面不能跟 take\s。

零宽度负回顾后发断言

(?<!exp>)
断言此位置的前面不能匹配表达式。
比如：
用 (?<!here\s)\bto\b 查找 I am here to take you to a good life 就只能匹配出第二个 to，就是不要 here\s 后面跟着的 to。

贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能的字符。
比如：
用 a.*b 查找 aabab 的话，会匹配出 aabab，这就叫贪婪匹配。

懒惰

有时候我们想匹配尽可能少的字符，只要在它后面加上一个问号 ？。这样就意味在匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。
比如：
用 a.*?b 匹配最短的，以 a 开始，以 b 结束的字符串。如果用于 aabab 的话，它会匹配 aab。

懒惰限定符

代码	说明
.？	重复任意次，但尽可能少重复
+？	重复1次或更多次，但尽可能少重复
？？	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复