参考
1.什么是正则表达式？
正则表达式（Regular Expression，简称 Regex 或 RegExp）是一种用来匹配字符串中字符组合的模式。
简单来说就是一种匹配内容的模板。
2.正则表达式的作用
-
查找：在文本中找到特定模式的内容
-
替换：将符合某种模式的文本替换为其他内容
-
验证：检查输入的数据是否符合预期格式
-
提取：从复杂文本中提取需要的信息
3.正则表达式的模式
-
字面值字符：例如字母、数字、空格等，可以直接匹配它们自身。
-
特殊字符：例如点号
.、星号*、加号+、问号?等，它们具有特殊的含义和功能。 -
字符类：用方括号
[ ]包围的字符集合，用于匹配方括号内的任意一个字符。 -
元字符：例如
\d、\w、\s等，用于匹配特定类型的字符，如数字、字母、空白字符等。 -
量词：例如
{n}、{n,}、{n,m}等，用于指定匹配的次数或范围。 -
边界符号：例如
^、$、\b、\B等，用于匹配字符串的开头、结尾或单词边界位置。
4.正则表达式元字符和特性
字符匹配
-
普通字符：普通字符按照字面意义进行匹配，例如匹配字母 "a" 将匹配到文本中的 "a" 字符。
-
元字符：元字符具有特殊的含义，例如
\d匹配任意数字字符，\w匹配任意字母数字字符，.匹配任意字符（除了换行符）等。
基本元字符
. (点号)
-
匹配除换行符(
\n)外的任意单个字符示例：
a.b匹配 "aab", "a1b", "a b" 等
^ (脱字符)
-
匹配字符串的开始位置
-
示例：
^abc匹配以 "abc" 开头的字符串
$ (美元符)
-
匹配字符串的结束位置
-
示例：
xyz$匹配以 "xyz" 结尾的字符串
\ (反斜杠)
-
转义字符，使后面的字符失去特殊含义
-
示例：
\.匹配实际的点号而不是任意字符
量词
-
*：匹配前面的模式零次或多次。 -
+：匹配前面的模式一次或多次。 -
?：匹配前面的模式零次或一次。 -
{n}：匹配前面的模式恰好 n 次。 -
{n,}：匹配前面的模式至少 n 次。 -
{n,m}：匹配前面的模式至少 n 次且不超过 m 次。
字符类
-
[ ]：匹配括号内的任意一个字符。例如，[abc]匹配字符 "a"、"b" 或 "c"。 -
[^ ]：匹配除了括号内的字符以外的任意一个字符。例如，[^abc]匹配除了字符 "a"、"b" 或 "c" 以外的任意字符。 -
[A-Z]：表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母。
边界匹配
-
^：匹配字符串的开头。 -
$：匹配字符串的结尾。 -
\b：匹配单词边界。 -
\B：匹配非单词边界。
分组和选择元字符
() (圆括号)
-
定义子表达式或捕获组
-
示例：
(ab)+匹配 "ab", "abab" 等
| (竖线)
-
表示"或"关系
-
示例：
cat|dog匹配 "cat" 或 "dog"
特殊字符
\d
-
匹配任意数字，等价于
[0-9]
\D
-
匹配任意非数字，等价于
[^0-9]
\w
-
匹配任意单词字符(字母、数字、下划线)，等价于
[a-zA-Z0-9_]
\W
-
匹配任意非单词字符，等价于
[^a-zA-Z0-9_]
\s
-
匹配任意空白字符(空格、制表符、换行符等)
\S
-
匹配任意非空白字符
非打印符
| 字符 | 描述 |
|---|---|
| \cx | 匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 |
| \f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
| \n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
| \r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。 |
| \S | 匹配任何非空白字符。等价于 \f\n\r\t\v。 |
| \t | 匹配一个制表符。等价于 \x09 和 \cI。 |
| \v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
5.常用修饰符
1. i (ignore case) - 忽略大小写
-
使匹配不区分大小写
-
示例：
/abc/i可以匹配 "abc", "Abc", "ABC" 等 -
支持语言：几乎所有正则表达式实现（JavaScript、PHP、Python等）
2. g (global) - 全局匹配
-
查找所有匹配项，而不是在第一个匹配后停止
-
示例：在字符串 "ababab" 中，
/ab/g会匹配所有三个 "ab" -
支持语言：JavaScript、PHP等
3. m (multiline) - 多行模式
-
改变
^和$的行为，使其匹配每行的开头和结尾，而不仅是整个字符串的开头和结尾 -
示例：在多行字符串中，
/^abc/m会匹配每行开头的 "abc" -
支持语言：JavaScript、PHP、Python、Perl等
4. s (single line/dotall) - 单行模式
-
使点号
.匹配包括换行符在内的所有字符 -
在JavaScript中称为"dotall"模式，使用
/s修饰符 -
示例：
/a.b/s可以匹配 "a\nb" -
支持语言：PHP、Perl、Python(作为
re.DOTALL)、JavaScript(ES2018+)
5. u (unicode) - Unicode模式
-
启用完整的Unicode支持
-
正确处理UTF-16代理对和Unicode字符属性
-
示例：
/\p{Script=Greek}/u可以匹配希腊字母 -
支持语言：JavaScript、PHP等
6. y (sticky) - 粘性匹配
-
从目标字符串的当前位置开始匹配（使用
lastIndex属性） -
类似于
^锚点，但针对的是匹配的起始位置 -
示例：在JavaScript中，
/a/y会从lastIndex开始匹配 "a" -
支持语言：JavaScript
7. x (extended) - 扩展模式
-
忽略模式中的空白和注释，使正则表达式更易读
-
示例：在PHP中，
/a b c/x等同于/abc/ -
支持语言：PHP、Perl、Python(作为
re.VERBOSE)
6.贪婪与非贪婪量词
默认情况下，量词(*, +, ?, {})是贪婪的，会尽可能多地匹配字符。在量词后加?可使其变为非贪婪(懒惰)模式：
-
*?：零次或多次，但尽可能少 -
+?：一次或多次，但尽可能少 -
??：零次或一次，但尽可能少 -
{n,m}?：n到m次，但尽可能少
示例：<.*?> 匹配HTML标签时不会跨标签匹配
7.断言
断言（Assertion）是正则表达式中用于指定匹配位置的元字符，它们不匹配任何实际字符，而是匹配字符之间的位置。
简单来说，断言就是"条件"，它要求目标字符串必须满足某些条件，但不会消耗字符。
断言的特点
-
零宽度：不占用匹配字符的位置
-
条件检查：只检查是否满足特定条件
-
不影响匹配结果：仅作为匹配的约束条件
断言类型
(?=...) (正向肯定预查)
-
匹配后面跟着特定模式的位置
-
示例：
Windows(?=95|98)匹配后面跟着95或98的"Windows"
(?!...) (正向否定预查)
-
匹配后面不跟着特定模式的位置
-
示例：
Windows(?!95|98)匹配后面不跟着95或98的"Windows"
(?<=...) (反向肯定预查)
-
匹配前面是特定模式的位置
-
示例：
(?<=95|98)Windows匹配前面是95或98的"Windows"
(?<!...) (反向否定预查)
-
匹配前面不是特定模式的位置
-
示例：
(?<!95|98)Windows匹配前面不是95或98的"Windows"
8.运算符优先级
以下是一些常见正则表达式运算符按照优先级从高到低的顺序：
-
转义符号：
\是用于转义其他特殊字符的转义符号。它具有最高的优先级。示例：
\d、\.等，其中\d匹配数字，\.匹配点号。 -
括号： 圆括号
()用于创建子表达式，具有高于其他运算符的优先级。示例：
(abc)+匹配 "abc" 一次或多次。 -
量词： 量词指定前面的元素可以重复的次数。
示例：
a*匹配零个或多个 "a"。 -
字符类： 字符类使用方括号
[]表示，用于匹配括号内的任意字符。示例：
[aeiou]匹配任何一个元音字母。 -
断言： 断言是用于检查字符串中特定位置的条件的元素。
示例：
^表示行的开头，$表示行的结尾。 -
连接： 连接在没有其他运算符的情况下表示字符之间的简单连接。
示例：
abc匹配 "abc"。 -
管道： 管道符号
|表示"或"关系，用于在多个模式之间选择一个。示例：
cat|dog匹配 "cat" 或 "dog"。
9.分组和引用
| 概念 | 语法 | 用途 |
|---|---|---|
| 捕获分组 | (pattern) |
捕获匹配内容并分配编号 |
| 非捕获分组 | (?:pattern) |
分组但不捕获 |
| 命名分组 | (?P<name>pattern) (Python) |
为分组指定名称 |
| 反向引用 | \1, \2 等 |
引用前面匹配的分组 |
| 命名反向引用 | (?P=name) (Python) |
按名称引用分组 |
| 替换引用 | $1, $2 或 \1, \2 |
在替换字符串中引用分组 |