正则表达式

  1. 元字符
    1. \b 只是匹配开头或结尾的一个位置，而不是代表空格，点，换行符等；
      1. 示例：如果要匹配 hi 后面不远处是否有跟着一个单词 Lucy，则可以考虑这么写：\bhi\b.*\bLucy\b
    2. 点“.”可以用来匹配除了换行符以外的任何字符；星号“”代表的是数量，表示星号前面的内容可以连续重复任意次，所以二者合起来的“.*" 表示任意数量的不包含换行的字符；“+” 表示重量1次或更多次，星号可以匹配0次，但加号不行，“\d+” 表示匹配一个或者多个数字；如果要表示"." 本身，则需要使用 .
    3. \d 匹配一位数字，0，或1，或2，或3
      1. 示例1：0\d\d\d-\d\d\d\d\d\d\d，表示匹配 0 开头的，接下来3位数字，接着使用横杠连接着，后面接着7位数字的字符串，显然，可以用来表示座机号码，例如 0755-3819783
      2. 示例2：示例1的简化版，0\d{3}-\d{7}
    4. \w 匹配字母或数字或下划线或汉字
    5. \s 匹配任意的空白符，包括空格，制表符tab，换行符，中文全角空格等；
    6. ^ 匹配字符串的开始；$ 匹配字符串的结束；
      1. 示例1
        1. 问题：网站要验证输入的 QQ 号是5-12位的
        2. 答案：^\d{5,12}$
      2. 其他：
        1. 有些正则表达式的处理工具还有一个处理多行的情况，如果选中了这个选项，则 ^ 和 $ 的含义变成了匹配行的开始处和结束处；
  2. 字符转义
    1. 因为一些元字符代表了某种特别的含义，但当你想查找它们本身的话，就需要一个特殊的字符斜杠 "" 来取消它们代表的特殊含义；
  3. 重复
    1. ? 表示重复一次或零次；
    2. {n,} 重复 n 次或者更多次
    3. {n,m} 重复 n 到 m 次；
  4. 字符类
    1. 方括号可以用来表示整体的字符集
      1. 示例1：[aeiou] 表示匹配方括号中5个元音字母的任意一个
      2. 示例2：[.?!] 表示匹配方括号中点号、问号、感叹号等3个符号的任意一个
      3. 示例3：[0-9] 表示匹配 0 到 9 的任意一个数字，与 \d 是相同的意思；同理，[0-9a-zA-Z] 则等同于 \w （如果只考虑英文，不考虑汉字或下划线的话）
      4. 示例4：(?0/d{2}[) -]?\d{8}，转义一个左括号，出现1次或不出现，接着2个数字，接着右括号、空格、中横杠 3 个中的 1 个或者不出现，接着 8 个数字；
  5. 分枝条件
    1. 使用竖线来代表分枝条件，注意顺序很重要，即会先判断左边的分枝是否满足，如果满足，则不再检查右边的分枝；如果不满足，则再检查右边的分枝是否满足；
  6. 分组
    1. 通过使用括号来对多个字符归成一组，然后可以对整组字符做操作，例如设定重复次数；
    2. 括号内的分组，也可以视同一个子表达式；
    3. 正则表达式中不能使用数学计算；
  7. 反义
    1. \W，匹配任意不是字母、数字、汉字、下划线的字符；
    2. \S，匹配任意不是空白的字符；
    3. \D，匹配任意不是数字的字符；
    4. \B，匹配任意不是开头或结尾的字符；
    5. [^x]，匹配不是 x 的字符；
    6. [^aeiou]，匹配不是 aeiou 这5个字符的任意字符；
    7. 示例
      1. \S+，匹配不包含空白字符的字符串；
      2. <a[^>]+>，匹配不包含右尖括号的，以 <a 开头，以 > 结尾的字符串；
  8. 后向引用
    1. 每个分组会有一个组号，从左往右，组号从1开始编号，第一组的组号为1，第二组的组号为2，以此类推；分组 0 则对应整个正则表达式；
    2. 组号分析的工作原理，是要扫描两遍的：
      1. 第1遍：扫描找出所有未命名的组，给它们依次编号；
      2. 第2遍：扫描找出所有已命名的组，给它们依次编号（接着第1遍的编号往下）
    3. 因此，所有已命名组的组号都是大于未命名的组的；
    4. 给分组命名的两种办法：
      1. 办法1：(?<组名>表达式)
      2. 办法2：(?'组名’表达式)
    5. 通过引用分组号或者分组名，可以重复引用分组捕获的内容
      1. 示例：\b(\w+)\b\s+\1\b，此处的\1表示重复前面的分组(\w+)捕获的内容；
      2. 重复引用的好处是可以让表达式写得更加简洁和易于维护；
    6. 当分组有自定义的名称时，引用的办法是：\k<组名>
  9. 常用分组语法：
    1. 捕获
      1. (exp)，匹配 exp，并捕获文本到自动命名的组里；
      2. (?exp)，匹配 exp，并捕获文本到命名为 name 组里；
      3. (?:exp)，匹配 exp，但不捕获文本到自动命名的组里，也不给此分组分配组号；
    2. 零宽断言（#好高深的名称，什么鬼？）
      1. (?=exp)，匹配 exp 前面的位置；
      2. (?<=exp)，匹配 exp 后面的位置；
      3. (?!exp)，匹配后面跟的不是 exp 的位置；
      4. (?<exp)，匹配前面跟的不是 exp 的位置；
    3. 注释
      1. (?#注释内容)，表示一个注释，仅阅读，不产生任何作用或副作用；
  10. 零宽断言
    1. (?=exp)，零宽度正预测先行断言，它断言自身出现位置的后面，能匹配表达式 exp
      1. 示例：\b\w+(?=ing\b)，匹配以 ing 结尾的单词的前面部分
        1. I’m singing while you’re dancing
        2. 匹配 sing 和 danc
    2. (?<=exp)，零宽度正回顾后发断言，它断言自身出位位置的前面，能匹配表达式 exp
      1. 示例：(?<=\bre)\w+\b，匹配以 re 开头的单词的后面部分；
        1. reading a book
        2. 匹配 ading
    3. 其他
      1. 断言用来声明一个应该为真的事实，正则表达式中只有断言的结果为真时，才会继续进行匹配；如果断言不为真，则匹配终止；
      2. (?<=\s)\d+(?=\s)，匹配以空白字符间隔的数字；
  11. 负向零宽断言（这个翻译真垃圾，或许应该叫：匹配不包含表达式指定的内容）
    1. (?!exp)，断言此位置的后面不能匹配表达式 exp
      1. 示例：\d{3}(?!\d)，匹配3个数字，且后面不能再跟着数字；
      2. 示例：\b((?!abc)\w)+\b，不包含连续字符串 abc 的单词；
      3. 与[^exp] 的区别：[^exp] 会消费一个字符进行判断，而 (?!exp) 不会
    2. (?<!exp)，断言此位置的前面不能匹配表达式 exp
      1. 示例：(?<![a-z])\d{7}，匹配不以小写字母开头的7位数字；
      2. 示例：(?<=<(\w+)>).*(?=<//1>)，匹配不包含属性的简单 html 里面的内容；
    3. 不管是零宽断言，还是负向零宽断言，它都表示所断言的是其位置前后的情况，其本身不包含前后的内容；
  12. 注释
    1. 语法：(?#注释内容)
      1. 示例：2[0-4]/d(?#200-249)|250-5|[01]?\d\d?(?#0-199)
    2. 建议启用选项"忽略模式里面的空白符，好处是：可以在注释中，随意添加空白符，例如空格、换行、TAB等，这些空白符都会被忽略不执行；
      1. 示例
        1. (?<= # 断言要匹配的文本的前缀）
        2. <(\w+)> # 查看尖括号括起来的字母或数字，即 html/xml 标签；
        3. ) # 前缀结束
        4. .* # 匹配任意文本
        5. (?= # 断言要匹配的文本的后缀）
        6. <//1> # 查找尖括号括起来的内容，其中前面一个字符是"/"，后面是先前分组捕获的内容
        7. ) # 后缀结束
  13. 贪婪与懒惰
    1. 正常情况默认是贪婪匹配，即能够满足条件下匹配尽可能多的字符；
    2. 懒惰匹配则是能满足条件下匹配尽可能少的字符；
    3. 示例
      1. a.*b，匹配以 a 开头，以 b 结尾的字符串，例如匹配 aabab，会得到整个字符串
      2. a.*?b，匹配以 a 开头， 以 b 结尾的字符串，但使用最少的重复，例如匹配 aabab，会得到 aab 和 ab 两个字符串
    4. 懒惰限定符
      1. *?，重复任意次，但尽可能少重复
      2. +?，重复1次或任意次，但尽可能少重复；
      3. ??，重复0次或1次，但尽可能少重复
      4. {n,m}?，重复 n-m 次，但尽可能少重复；
      5. {n,}?，重复 n 次以上，但尽可能少重复；
  14. 平衡组/递归匹配
    1. 思路：
      1. 从最左边开始，每找到一个左括号，将捕获的内容命名为 group，压入栈，直到将所有左括号找完；
      2. 每找到一个右括号，从栈中弹出一个组 group
      3. 如果堆栈上存在 group 的捕获内容，则执行匹配 yes 的表达式；如果不存在 group，则执行匹配 no 的表达式；
    2. 平衡组常用的一个应用是匹配 html 标签，例如嵌套的
      标签
    3. 不同的语言/库可能不一定支持此功能，或者支持此功能但使用的语法可不同
  15. python 中 re 模块的一些处理函数
    1. re.match
      1. 作用：匹配字符，如果成功则返回 Match，如果失败则返回 None
      2. 示例：
        1. text = ‘John is a handsome boy, he is clever, cool, and so on.’
        2. m = re.match(r"(\w+)\s", text)
      3. 释义
        1. 函数原型：re.match(pattern, string, flags)
        2. 第一个函数是要匹配的内容，第二个是字符串，第三个控制参数，例如区分大小写、多行匹配等
    2. re.search
    3. re.sub
    4. re.split
    5. re.findall
    6. re.compile
工具
#DSL
正则表达式
https://ccw1078.github.io/2017/04/04/正则表达式/
作者
ccw
发布于
2017年4月4日
许可协议