正则表达式之语法

之前使用正则表达式，总对一部分正则语法模棱两可。这周末看了《正则表达式必知必会》，一本100来页的小工具书，非常实用，系统地梳理了正则表达式的语法。本文主要围绕这本书，从易到难介绍正则的使用，用于帮我自己梳理思路。

匹配单个字符

1、直接某个字符匹配该字符

2、使用.匹配任意一个字符

3、使用\匹配元字符，比如\.、 \\

匹配一组字符

1、在[]中放置一个字符集合，匹配其中的一个，比如[ns]，匹配n或者s

2、在[]中放置一个范围，匹配其中的一个，比如[A-Za-z0-9]，匹配数字或者字母

3、在[]中可以使用取非操作，比如[^0-9]，表示非数字字符

使用元字符

1、可以通过增加\来匹配元字符，比如\[，\]，\.，\\

2、匹配空白字符，即匹配各种控制字符，比如换行(\n)，回车(\r)、换页(\f)，制表符(\t)，垂直制表(\v)等。比较常见是使用\r\n匹配windows系统的换行，Linux系统的换行是\n

3、匹配字符类别

元字符	匹配说明
\d	数字，等价于[0-9]
\D	非数字，等价于[^0-9]
\w	数字字母加下划线，等价于[a-zA-Z0-9_]
\W	非数字字母加下划线，等价于[^a-zA-Z0-9_]
\s	空白字符，等价于[\f\n\r\t\v]
\S	非空白字符，等价于[^\f\n\r\t\v]
POSIX字符集	比如[[:xdigit:]]匹配十六进制数字

重复匹配

1、重复规则

规则	匹配说明
+	一个或多个，比如\w+，表示至少一个字母数字下划线类型字符
*	零个或多个
?	零个或一个
{3}	指定个数 （注意，这里的数字只是举例，下面出现的集合例子也用一个数字举例）
{3，5}	指定区间，可以是开区间，比如{3, },表示大于等于3

2、贪婪型和懒惰型

重复匹配中的+，*，{a,}（注意，是开区间），这三个模式都没有一个上限值，所以存在贪婪行为和懒惰行为的区分，默认都是贪婪行为。
二者的区别在于，贪婪行为会尽可能的匹配最长的结果，而懒惰行为则会尽量匹配最小的结果。

为了将以上三种重复匹配切换为懒惰模式，需要做相应转换。

贪婪	懒惰
+	+？
*	*？
{3，}	{3，}？

位置匹配

1、单词边界，可以使用\bcat\b这样的模式，匹配单词cat,匹配到的字符串必须是一个独立的单词，也就是两侧都是空格，而不能是某个单词的一部分。顾名思义，\bcat和’cat\b’分别表示以’cat’开头和结尾的单词。

2、非单词边界，使用\B-\B将会匹配on your color - coded中的-。（这个用法我还存在疑问）

3、字符串开头匹配，在正则开头加上^，字符串结尾匹配，在正则表达式末尾加上￥。^.*$可以表示任意字符。

4、分行匹配，在模式开头启用(?m)将会使得^和$以行为单位进行处理。

子表达式

前面我们学习的匹配字符多次重复的语法，都是针对单个字符的重复，而子表达式是为了处理多个字符的重复，多个字符组成一个子表达式。只需用()包围起来即可成为一个子表达式，包围的内容可以是一个普通字符串，也可以是一个正则表达式。

子表达式除了用于表达字符串的重复，还用于|操作符两侧的条件做出准确的定义，最好对复杂的条件使用子表达式

另外，子表达式支持嵌套使用。

回溯引用：前后一致匹配

可以使用\1，\2，\3这样的格式，代表一个正则表达式中的第一，二，三个子表达式，这就是回溯引用的意思。

比如以下例子

<[hH]([1-6])>.*?</[Hh]\1>

以上例子，会匹配到所有正确的HTML的标题标签，而不会匹配到最后一行错误的<H2>This is not valid line</H3>

回溯引用除了用于文本匹配，也可以用于文本替换，关于文本替换，这里就不列举了，推荐参考原书。

前后查找

前后查找是指对某一些位置的前后进行查找，比如，查找html中<Title>和</Title>中间的标题内容，而且匹配结果不带上<Title>和</Title>标签。

向前匹配，使用(?=)，比如

.*(?=:)

向后匹配，使用(?<=)，比如

(?<=\$)[0-9.]+

向前查找和向后查找可以结合使用，这个用法用法在解析HTML时很使用，比如提取<Title>和</Title>中间的内容。

向前查找和向后查找也可以取非，意义在于，不用特定字符开始或不用特定字符结尾，同样的，这些特定字符不在最终匹配结果中。向前查找取非：(?!)，向后查找取非：(?<!)

嵌入条件

嵌入条件用于两种地方，回溯引用和前后查找。

以下是回溯引用嵌入条件的一个例子

(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}

其中精华在于这一段，(?(1)xx|yy)，如果回溯引用1成立，则执行xx匹配，否则执行yy匹配

以下是前后查找嵌入条件的一个例子，

\d{5}(?(?=-)-\d{4})

如果向前查找(?=-)成立，则需要继续匹配-\d{4}

书的末尾，提到了各个语言的正则表达式解析引擎存在一些大大小小的区别。

最后，推荐一个在线正则匹配的网站，https://regex101.com/

好，到此为止，介绍忘了正则的基本语法，下一节会介绍正则的解析引擎，DFA和NFA，敬请期待。