正则笔记
比较有用的示例¶
- 如何获取一行中最后一个匹配
xxx(?!xxx) 其实就是环视的应用,就是xxx后面不能再有xxx的匹配了
学习正则先了解这几个概念¶
- 任意字符
. 任意字符但不包括换行
[\s\S]匹配任意字符.跟.的区别就是多了换行
\s空格,tab,换行
\S(大写S)是\s的反义,除了\s的三个以外的其他字符
- 匹配>=0
*
- 匹配>=1
+
- 匹配 0 or 1
?
/https?/ 匹配 https (一个s) 或 http (0个s)
>非贪婪模式 ,应该叫最小匹配更容易理解
>
>有问号就是最小范围内匹配,反之就最大范围内匹配
>
>`<div>a</div><div>b</div>`
>
>/<div>(.*?)</div>/
>
>加?号就是2个匹配,不加?匹配整个字符串
-
转义
\ -
[]单字符取一个,[abc]会匹配 a或b或c
[0-9],[z-zA-Z]
^字符开始
^如果在[]里,代表非,表示匹配不在括号里的字符
-
$字符串结束 -
循环次数
{n1,n2}不太明白?
[0-9]{1,3}表示在0-9的范围里面循环1个、2个或者3个，可能结果有5、20、415等。
如果循环指定次数，如3次，则{3,3}可以简写成{3}。
如果刚好需要匹配字符{1}，则正则需要给{进行转义，得到\{1}的正则。
如果{}中间不是数字，则{}本身不需要转义。
-
?的用法,参考4 -
多选一
(http|ftp) -
() -
(?:) -
分隔符
/ -
模式修饰符
如i,不区分大小定
/[a-z]/i -
子模式是什么?
其他
\1 $1
正则表达式如何学习¶
- 匹配单个字符
- 匹配一组字符
- 元字符
- 重复匹配
- 位置匹配
- 子表达式
- 回溯引用
- 前后查找
- 嵌入条件
『学习正则表达式』笔记¶
全局设置¶
//gi等
一词多义¶
/^/ [^]
/https?/ \d?
[\b] \b
捕获分组¶
() 内的内容表示分组
707|827|7019
(\d)\d\1
解释: 第一个括号内的\d匹配了7,并将这个匹配捕获(保存),\1对前面第一个捕获(保存)进行引用,实际上是动态的引用了括号内(\d)内容,有点类似 bash字符串中的变量引用.
捕获分组这样的翻译不易懂,应该有更好的方式
匹配字符¶
数字字符,\d
非数字字符\D, 有点像vi里的命令,大小写有时候表示反义,如 gg G
单词\w 这里指的是字母和数字,对中文无效
非单词 \W 非字母和数字,符号空格都包括,中文也包括了
空白 \s 会匹配 空格,制表符,换行,回车.(注意空白不是空格)
非空白\S
这里只有 \s\S可以组合使用,匹配所有的字符,其他的组合像\d\D定义就是错误的,一个字符不可能是数字又不是数字
[^\t\n\r] 和 [^\s] 是等价的
^ 在[]里表示非
量词¶
贪心,懒惰和占有
lazy模式的在不同的引擎下表现有可能不一样
比如 5*? 有的是就一个也不匹配,有的是至少匹配一个.
匹配的数量,有点像vi里的 dd3中的3
0|1 ?
>=0 *
>=1 +
指定数量 {n}
指定最小数量最大数量 {n1,n2}
问号有两种使用模式
- 对于普通字符,表示前一个字符可有可无
- 对于匹配模式表示最小匹配(非贪婪模式)
边界¶
行的起始结束 ^ $
单词边界\b ,注意:在[]里的[\b]是退格符
非单词边界\B
非单词边界其实就是当前的字符不能是字符数字之外的符号,主要用于匹配一个词的中间起始部分(可不够准确)
\z \Z 需要了解一下,不是所有的语言中都可用
使用元字符字面量
\Q$*+?\E 之间元字符可以不用使用转义,类似于ruby中的 %Q(hello,"world"),里面的双引号不用转义.
选择¶
(the|The|THE)
选项 (?i)the 这个应用的范围如何理解??
引用¶
子模式, (the|The|THE) 就有3个子模式,三个模式没有依赖关系,而(t|T)h(e|E),就有依赖关系了.
捕获分组和向后引用,是批前面匹配的规则,后面通过简称来引用这个规则,而不用重复写,跟代码写个函数封装一个道理.
this is a book this
/(this is) (a book) \1/
\1 指的是第一个匹配的分组this is, 编辑器替换的时候也可使用这个\1,一般编辑器是使用$1 $2
命名分组 (在不同的语言中使用也不一样)
给分组起个名子,而不是上面的按数字来命名,适配比较长的正则,或需要更清楚的定义,跟程序中起有意义的变量名差不多.
/ (?
引用的时候使用 $+{one} $+{two}
非捕获分组
提高效率,除非对效率非常敏感比如爬虫之类,否则不建议使用,影响可阅读性(正则有可阅读性吗?)
(?:the|The|THE)
在一个分组括号前加?:
原子分组
不了解应用场景
并集与差集¶
并集
[0-3][6-9]
差集
[a-z&&[^m-r]] a到z,但m到r除外
POSIX字符组¶
[[:alnum]] 字母数字
[[:ascii]] [[:^ascii]]
[[:space]] 空格或制表符
Unicode¶
\u2014 长破折号
环视¶
环视就是附加条件,看看匹配的字符周围必须要有什么,没什么之类的条件,环视的条件并不成为匹配的内容的一部分,只是条件
/hello (?=world)/ 正前瞻,这名子起的,就是后面要有什么
/hello (?!world)/ 反前瞻,就是后面不要有什么
/(?<=hello) world/ 正后顾,就是前要要有什么, ?<= 提示你是往左面的方向,其实设计者想得有些多了
/(?<!hello) world/ 反后顾, 就是前面不要有什么