正則入坑-1--正則基礎
1、語法
普通字符
普通字符包括沒有顯式指定為元字符的所有可打印和不可打印字符。這包括所有大寫和小寫字母、所有數字、所有標點符號和一些其他符號。
非打印字符
非打印字符也可以是正則表達式的組成部分。下表列出了表示非打印字符的轉義序列：
字符描述
\cx匹配由x指明的控制字符。例如， \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 'c' 字符。
\f匹配一個換頁符。等價於 \x0c 和 \cL。
\n匹配一個換行符。等價於 \x0a 和 \cJ。
\r匹配一個回車符。等價於 \x0d 和 \cM。
\s匹配任何空白字符，包括空格、制表符、換頁符等等。等價於 [ \f\n\r\t\v]。
\S匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。
\t匹配一個制表符。等價於 \x09 和 \cI。
\v匹配一個垂直制表符。等價於 \x0b 和 \cK。
特殊字符
所謂特殊字符，就是一些有特殊含義的字符，比如在sxzhou*.txt中，* 號代表前面的字符可以不出現，也可以出現一次或者多次（0次、或1次、或多次）。如果要查找字符串中的 * 符號，則需要對 * 進行轉義，即在其前加一個 \:sxzhou\*.txt 匹配 sxzhou*.txt。
許多元字符要求在試圖匹配它們時特別對待。若要匹配這些特殊字符，必須首先使字符"轉義"，即，將反斜杠字符\ 放在它們前面。下表列出了正則表達式中的特殊字符：
特別字符描述
$匹配輸入字符串的結尾位置。如果設置了 RegExp 對象的 Multiline 屬性，則 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，請使用 \$。
( )標記一個子表達式的開始和結束位置。子表達式可以獲取供以後使用。要匹配這些字符，請使用 \( 和 \)。
*匹配前面的子表達式零次或多次。要匹配 * 字符，請使用 \*。
+匹配前面的子表達式一次或多次。要匹配 + 字符，請使用 \+。
.匹配除換行符 \n 之外的任何單字符。要匹配 . ，請使用 \. 。
[標記一個中括號表達式的開始。要匹配 [，請使用 \[。
?匹配前面的子表達式零次或一次，或指明一個非貪婪限定符。要匹配 ? 字符，請使用 \?。
\將下一個字符標記為或特殊字符、或原義字符、或向後引用、或八進制轉義符。例如， 'n' 匹配字符 'n'。'\n' 匹配換行符。序列 '\\' 匹配 "\"，而 '\(' 則匹配 "("。
^匹配輸入字符串的開始位置，除非在方括號表達式中使用，此時它表示不接受該字符集合。要匹配 ^ 字符本身，請使用 \^。
{標記限定符表達式的開始。要匹配 {，請使用 \{。
|指明兩項之間的一個選擇。要匹配 |，請使用 \|。
限定符
限定符用來指定正則表達式的一個給定組件必須要出現多少次才能滿足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6種。
字符描述
*匹配前面的子表達式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價於{0,}。
+匹配前面的子表達式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價於 {1,}。
?匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等價於 {0,1}。
{n}n 是一個非負整數。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個 o。
{n,}n 是一個非負整數。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價於 'o+'。'o{0,}' 則等價於 'o*'。
{n,m}m 和 n 均為非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價於 'o?'。請註意在逗號和兩個數之間不能有空格。
匹配1到99
[1-9][0-9]?/
或
[1-9][0-9]{0,1}/
表達任意數字（比0大的數字）
[1-9][0-9]*/
*、+限定符都是貪婪的，因為它們會盡可能多的匹配文字，只有在它們的後面加上一個?就可以實現非貪婪或最小匹配。
！！！下面存在疑問
*、+限定符都是貪婪的，因為它們會盡可能多的匹配文字，只有在它們的後面加上一個?就可以實現非貪婪或最小匹配。
例如，您可能搜索 HTML 文檔，以查找括在 H1 標記內的章節標題。該文本在您的文檔中如下：
<H1>Chapter 1 - 介紹正則表達式</H1>
貪婪：下面的表達式匹配從開始小於符號 (<) 到關閉 H1 標記的大於符號 (>) 之間的所有內容。
/<.*>/
非貪婪：如果您只需要匹配開始和結束 H1 標簽，下面的非貪婪表達式只匹配 <H1>。
/<.*?>/
如果只想匹配開始的 H1 標簽，表達式則是：
/<\w+?>/
通過在 *、+ 或 ? 限定符之後放置 ?，該表達式從"貪心"表達式轉換為"非貪心"表達式或者最小匹配。
定位符
定位符使您能夠將正則表達式固定到行首或行尾。它們還使您能夠創建這樣的正則表達式，這些正則表達式出現在一個單詞內、在一個單詞的開頭或者一個單詞的結尾。
定位符用來描述字符串或單詞的邊界，^ 和 $ 分別指字符串的開始與結束，\b 描述單詞的前或後邊界，\B 表示非單詞邊界。
正則表達式的定位符有：
字符描述
^匹配輸入字符串開始的位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 還會與 \n 或 \r 之後的位置匹配。
$匹配輸入字符串結尾的位置。如果設置了 RegExp 對象的 Multiline 屬性，$ 還會與 \n 或 \r 之前的位置匹配。
\b匹配一個字邊界，即字與空格間的位置。
\B非字邊界匹配。
註意：不能將限定符與定位符一起使用。由於在緊靠換行或者字邊界的前面或後面不能有一個以上位置，因此不允許諸如 ^* 之類的表達式。
^在[]中表示取反，需要區分開。
在vi編輯模式下，^表示切換到行首，$表示切換到行尾。
在查看文件配置時常常用到egrep -v "^#|^$"。 filename，這裏的^#表示以#開頭的行，^$表示行首行尾之間沒有內容，也就是空行。
匹配字邊界稍有不同，但向正則表達式添加了很重要的能力。字邊界是單詞和空格之間的位置。\b 字符的位置是非常重要的。如果它位於要匹配的字符串的開始，它在單詞的開始處查找匹配項。如果它位於字符串的結尾，它在單詞的結尾處查找匹配項。
# vi test.txt
<H1>Chapter 1 - 介紹正則表達式</H1>
Chapter 2
aaChapter 3
Cha
# egrep "\bCha" test.txt
<H1>Chapter 1 - 介紹正則表達式</H1>
Chapter 2
Cha
# egrep "\bCha\b" test.txt
Cha
選擇
用圓括號將所有選擇項括起來，相鄰的選擇項之間用|分隔。但用圓括號會有一個副作用，使相關的匹配會被緩存，此時可用?:放在第一個選項前來消除這種副作用。
其中 ?: 是非捕獲元之一，還有兩個非捕獲元是 ?= 和 ?!，這兩個還有更多的含義，前者為正向預查，在任何開始匹配圓括號內的正則表達式模式的位置來匹配搜索字符串，後者為負向預查，在任何開始不匹配該正則表達式模式的位置來匹配搜索字符串。
反向引用
對一個正則表達式模式或部分模式兩邊添加圓括號將導致相關匹配存儲到一個臨時緩沖區中，所捕獲的每個子匹配都按照在正則表達式模式中從左到右出現的順序存儲。緩沖區編號從 1 開始，最多可存儲 99 個捕獲的子表達式。每個緩沖區都可以使用 \n 訪問，其中 n 為一個標識特定緩沖區的一位或兩位十進制數。
可以使用非捕獲元字符 ?:、?= 或 ?! 來重寫捕獲，忽略對相關匹配的保存。
反向引用的最簡單的、最有用的應用之一，是提供查找文本中兩個相同的相鄰單詞的匹配項的能力。
2、元字符
下表包含了元字符的完整列表以及它們在正則表達式上下文中的行為：
字符描述
\
將下一個字符標記為一個特殊字符、或一個原義字符、或一個 向後引用、或一個八進制轉義符。例如，'n' 匹配字符 "n"。'\n' 匹配一個換行符。序列 '\\' 匹配 "\" 而 "\(" 則匹配 "("。
^
匹配輸入字符串的開始位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 也匹配 '\n' 或 '\r' 之後的位置。
$
匹配輸入字符串的結束位置。如果設置了RegExp 對象的 Multiline 屬性，$ 也匹配 '\n' 或 '\r' 之前的位置。
*
匹配前面的子表達式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價於{0,}。
+
匹配前面的子表達式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價於 {1,}。
?
匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等價於 {0,1}。
{n}
n 是一個非負整數。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個 o。
{n,}
n 是一個非負整數。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價於 'o+'。'o{0,}' 則等價於 'o*'。
{n,m}
m 和 n 均為非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價於 'o?'。請註意在逗號和兩個數之間不能有空格。
?
當該字符緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 後面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對於字符串 "oooo"，'o+?' 將匹配單個 "o"，而 'o+' 將匹配所有 'o'。
.
匹配除換行符（\n、\r）之外的任何單個字符。要匹配包括 '\n' 在內的任何字符，請使用像"(.|\n)"的模式。
(pattern)
匹配 pattern 並獲取這一匹配。所獲取的匹配可以從產生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中則使用 $0…$9 屬性。要匹配圓括號字符，請使用 '\(' 或 '\)'。
(?:pattern)
匹配 pattern 但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用 "或" 字符 (|) 來組合一個模式的各個部分是很有用。例如， 'industr(?:y|ies) 就是一個比 'industry|industries' 更簡略的表達式。
(?=pattern)
正向肯定預查（look ahead positive assert），在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字符之後開始。
(?!pattern)
正向否定預查(negative assert)，在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字符之後開始。
(?<=pattern)反向(look behind)肯定預查，與正向肯定預查類似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。
(?<!pattern)反向否定預查，與正向否定預查類似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。
x|y
匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"。
[xyz]
字符集合。匹配所包含的任意一個字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]
負值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。
[a-z]
字符範圍。匹配指定範圍內的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 範圍內的任意小寫字母字符。
[^a-z]
負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 範圍內的任意字符。
\b
匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B
匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx
匹配由 x 指明的控制字符。例如， \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 'c' 字符。
\d
匹配一個數字字符。等價於 [0-9]。
\D
匹配一個非數字字符。等價於 [^0-9]。
\f
匹配一個換頁符。等價於 \x0c 和 \cL。
\n
匹配一個換行符。等價於 \x0a 和 \cJ。
\r
匹配一個回車符。等價於 \x0d 和 \cM。
\s
匹配任何空白字符，包括空格、制表符、換頁符等等。等價於 [ \f\n\r\t\v]。
\S
匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。
\t
匹配一個制表符。等價於 \x09 和 \cI。
\v
匹配一個垂直制表符。等價於 \x0b 和 \cK。
\w
匹配字母、數字、下劃線。等價於'[A-Za-z0-9_]'。
\W
匹配非字母、數字、下劃線。等價於 '[^A-Za-z0-9_]'。
\xn
匹配 n，其中 n 為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，'\x41' 匹配 "A"。'\x041' 則等價於 '\x04' & "1"。正則表達式中可以使用 ASCII 編碼。
\num
匹配 num，其中 num 是一個正整數。對所獲取的匹配的引用。例如，'(.)\1' 匹配兩個連續的相同字符。
\n
標識一個八進制轉義值或一個向後引用。如果 \n 之前至少 n 個獲取的子表達式，則 n 為向後引用。否則，如果 n 為八進制數字 (0-7)，則 n 為一個八進制轉義值。
\nm
標識一個八進制轉義值或一個向後引用。如果 \nm 之前至少有 nm 個獲得子表達式，則 nm 為向後引用。如果 \nm 之前至少有 n 個獲取，則 n 為一個後跟文字 m 的向後引用。如果前面的條件都不滿足，若 n 和 m 均為八進制數字 (0-7)，則 \nm 將匹配八進制轉義值 nm。
\nml
如果 n 為八進制數字 (0-3)，且 m 和 l 均為八進制數字 (0-7)，則匹配八進制轉義值 nml。
\un
匹配 n，其中 n 是一個用四個十六進制數字表示的 Unicode 字符。例如， \u00A9 匹配版權符號 (?)。
3、運算符優先級
正則表達式從左到右進行計算，並遵循優先級順序，這與算術表達式非常類似。
相同優先級的從左到右進行運算，不同優先級的運算先高後低。下表從最高到最低說明了各種正則表達式運算符的優先級順序：
運算符描述
\轉義符
(), (?:), (?=), []圓括號和方括號
*, +, ?, {n}, {n,}, {n,m}限定符
^, $, \任何元字符、任何字符定位點和序列（即：位置和順序）
|替換，"或"操作
字符具有高於替換運算符的優先級，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，請使用括號創建子表達式，從而產生"(m|f)ood"。
4、匹配規則
模式，是正則表達式最基本的元素，它們是一組描述字符串特征的字符。模式可以很簡單，由普通的字符串組成，也可以非常復雜，往往用特殊的字符表示一個範圍內的字符、重復出現，或表示上下文。
舉例：
# vi test.txt
sxzhou
sxzhouooo
ooosxzhou
SXZHOU
^sxzhou 匹配以sxzhou開頭的字符串
# grep '^sxzhou' test.txt
sxzhouooo
sxzhou$ 匹配以sxzhou結尾的字符串
# grep 'sxzhou$' test.txt
ooosxzhou
^sxzhou$ 只匹配字符串sxzhou
# grep '^sxzhou$' test.txt
sxzhou
稍微復雜的字符，如標點符號和白字符（空格、制表符等），要用到轉義序列。所有的轉義序列都用反斜杠(\)打頭。制表符的轉義序列是：\t。所以如果我們要檢測一個字符串是否以制表符開頭，可以用這個模式：
^\t
字符簇
有一種更自由的描述我們要的模式的辦法，它就是字符簇。要建立一個表示所有元音字符的字符簇，就把所有的元音字符放在一個方括號裏：
[sxzhou]
這個模式與任何元音字符匹配，但只能表示一個字符。用連字號可以表示一個字符的範圍，如：
[a-z] //匹配所有的小寫字母
[A-Z] //匹配所有的大寫字母
[a-zA-Z] //匹配所有的字母
[0-9] //匹配所有的數字
[0-9\.\-] //匹配所有的數字，句號和減號
[ \f\r\t\n] //匹配所有的白字符
前面曾經提到^表示字符串的開頭，但它還有另外一個含義。當在一組方括號裏使用^是，它表示"非"或"排除"的意思，常常用來剔除某個字符。
[^a-z] //除了小寫字母以外的所有字符
特殊字符"." (點，句號)在正則表達式中用來表示除了"新行"之外的所有字符。所以模式"^.5$"與任何兩個字符的、以數字5結尾和以其他非"新行"字符開頭的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一個"新行"的字符串。
PHP的正則表達式有一些內置的通用字符簇，列表如下：
字符簇描述
[[:alpha:]]任何字母
[[:digit:]]任何數字
[[:alnum:]]任何字母和數字
[[:space:]]任何空白字符
[[:upper:]]任何大寫字母
[[:lower:]]任何小寫字母
[[:punct:]]任何標點符號
[[:xdigit:]]任何16進制的數字，相當於[0-9a-fA-F]
確定重復出現
到現在為止，你已經知道如何去匹配一個字母或數字，但更多的情況下，可能要匹配一個單詞或一組數字。一個單詞有若幹個字母組成，一組數字有若幹個單數組成。跟在字符或字符簇後面的花括號({})用來確定前面的內容的重復出現的次數。
字符簇描述
^[a-zA-Z_]$所有的字母和下劃線
^[[:alpha:]]{3}$所有的3個字母的單詞
^a$字母a
^a{4}$aaaa
^a{2,4}$aa,aaa或aaaa
^a{1,3}$a,aa或aaa
^a{2,}$包含多於兩個a的字符串
^a{2,}如：aardvark和aaab，但apple不行
a{2,}如：baad和aaa，但Nantucket不行
\t{2}兩個制表符
.{2}所有的兩個字符
這些例子描述了花括號的三種不同的用法。一個數字 {x} 的意思是前面的字符或字符簇只出現x次 ；一個數字加逗號 {x,} 的意思是前面的內容出現x或更多的次數 ；兩個數字用逗號分隔的數字 {x,y} 表示 前面的內容至少出現x次，但不超過y次。我們可以把模式擴展到更多的單詞或數字：
^[a-zA-Z0-9_]{1,}$ // 所有包含一個以上的字母、數字或下劃線的字符串
^[1-9][0-9]{0,}$ // 所有的正整數
^\-{0,1}[0-9]{1,}$ // 所有的整數
^[-]?[0-9]+\.?[0-9]+$ // 所有的浮點數
特殊字符 * 與 {0,} 是相等的，它們都代表著 0 個或多個前面的內容 。最後，字符 + 與 {1,} 是相等的，表示 1 個或多個前面的內容 ，所以上面的4個例子可以寫成：
^[a-zA-Z0-9_]+$ // 所有包含一個以上的字母、數字或下劃線的字符串
^[1-9][0-9]*$ // 所有的正整數
^\-?[0-9]+$ // 所有的整數
^\-?[0-9]+\.?[0-9]*$ // 所有的浮點數
參考：
http://www.runoob.com/regexp/regexp-tutorial.html
正則入坑-1--正則基礎