關於正則的一點總結

摘要： 正則表示式（Regular Expression）是用於描述一組字串特徵的模式，用來匹配特定的字串。通過特殊字元＋普通字元來進行模式描述，從而達到文字匹配目的工具。類似於生活中常見的尋人啟示，通過描述一個人的特徵來進行“搜尋匹配” 如今正則已經被我們廣泛應用，目前被整合到了各種文字編輯...

正則表示式（Regular Expression）是用於描述一組字串特徵的模式，用來匹配特定的字串。通過特殊字元＋普通字元來進行模式描述，從而達到文字匹配目的工具。類似於生活中常見的尋人啟示，通過描述一個人的特徵來進行“搜尋匹配”

如今正則已經被我們廣泛應用，目前被整合到了各種文字編輯器/文字處理工具當中

應用場景

• 驗證: 表單提交時，進行使用者名稱密碼驗證。
• 查詢: 從大量資訊中快速提取指定內容。在一批url中，查詢指定url
• 替換: 將指定格式的文字，進行正則匹配查詢，找到之後進行特定替換，（vim文字替換等）
  在很多技術領域（比如，自然語言處理，資料儲存等），正則表示式可以很方便的提取出我們想要的資訊，所以這部分必不可少

構成基本要素

• 字元類
• 數量限定符
• 位置限定符
• 特殊符號

1. 字元類：

字元	說明	舉例
.	匹配任意的 一個 字元	abc . 可以匹配abcd、abc0等
[]	匹配 [] 內的任意一個字元	[012]a可以匹配0a、1a、2a
-	在括號內表示字元範圍	如[0-9]可以匹配任何一個數字
^	放在[]內前面表示匹配除括號中字元外的任意一個字元	[^ab]c可以匹配1c、dc，但是不能匹配ac、bc
[[:xxx:]]	grep工具預定義的一些命名字元類	[[:digit:]]可以匹配一個數字，[[:alpha:]]匹配一個字元，[[:lower:]]匹配任何一個小寫字母等

應用：

注意：使用 . 預設為貪心匹配，和後面的正則匹配方式相關，後面再述。

2. 數量限定符：

字元	說明	舉例
?	匹配緊跟它前面的單元(前面的一個數字或字元) 0或1次	如匹配小數，用 0\.?[0-9] 匹配0.1 、0.2、0.3等；由於 . 在正則裡面是特殊符號所以需要用 \ 進行轉義操作(後面再說)
+	匹配緊跟它前面的單元 1或多次	[a-zA-Z0-9_.-]+@[a-zA-Z0-9_.-]+\.com 匹配一個郵箱地址
*	匹配緊跟它前面的單元0或多次	[0-9][0-9] *匹配至少一位數字，等價於[0-9]+
{N}	精確匹配緊跟它前面的單元N次	[0-9]{3}匹配000到999之間的數字
{N,}	匹配緊跟它前面的單元至少N次	[0-9]{3,}匹配三位及其以上的數字
{,M}	匹配緊跟它前面的單元最多M次	[0-9]{,1}等價於 [0-9]?
{N,M}	匹配緊跟它前面的單元N~M次	近似匹配IP地址： [0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}

應用：

3. 位置限定符：

字元	說明	舉例
^	匹配行首位置，從行首開始匹配	^world 只匹配一行開頭的world
$	匹配行末位置，從行末尾開始匹配	;$ 匹配一行末尾的;號， ^$ 匹配空行
<	匹配 單詞開始 位置	< th匹配 this,不匹配teach、ethernet
\>	匹配 單詞末尾 位置	p\>匹配sleep、leap等，不匹配parent、sleepy
\b	匹配單詞的開始位置、末尾位置	如 \borld 匹配world、aorld， \borld\b 只匹配orld
\B	匹配非單詞的開頭、末尾位置	如 \Bat\B匹配battery，不匹配attend、hat等以字串"at"開頭、結尾的單詞

注意：其中 \b 用來限定是目標串中是否有以指定字串開頭的單詞，我們稱之為詞界。 \B 稱之為非詞界

應用：

4. 特殊符號：

字元	說明	舉例
\	轉義字元，普通字元轉義為特殊字元，特殊字元轉義為普通字元	<寫成<匹配單詞開頭，.前面加上\寫成 \. 取 . 的字面值
()	將正則表示式的一部分括起來組成一個單元，可以對整個單元使用數量限定符	([0-9]{1,3}\.){3}[0-9]{3}匹配IP地址
|	連線兩個子表示式，表示或的關係	n(o|either)匹配no或neither

應用：

正則表示式版本

其他常用通用字符集及其替換

符號	等價於	匹配
\d	[0-9]	數字字元
\D	[^0-9]	非數字字元
\w	[a-zA-Z0-9_]	數字字母下劃線
\W	[^\w]	非數字字母下劃線
\s	[_\r\t\n\f]	表格，換行等空白區域
\S	[^\s]	非空白區域

可是結果好像並不如我們所願？其實這裡還與正則表示式版本有關。正則分為以下幾個版本：

• 基本的正則表示式（Basic Regular Expression 又叫 Basic RegEx 簡稱 BREs）
• 擴充套件的正則表示式（Extended Regular Expression 又叫 Extended RegEx 簡稱 EREs）
• Perl 的正則表示式（Perl Regular Expression 又叫 Perl RegEx 簡稱 PREs）

在grep中指定相應的引數即可，而這幾個版本中預設的就是基本正則，帶上-E選項就是擴充套件正則，而帶上-P引數就是用perl版正則。解決前面的問題，我們這裡讓grep帶上-P選項便可解決了

版本間區別

• 正則表示式的Extended規範和Basic規範基本相同。只是在Basic規範下，有些字元 ?+{}|() 應解釋為普通字元,要表示上述特殊含義則需要加  轉義。
• 反之，在Extended規範下， ?+{}|() 應該被理解成特殊含義，要取其字面值，也要對其進行  轉義。
• 所以， grep 工具帶上 -E 選項，表示使用擴充套件正則來進行匹配，若沒有，則表示使用基準正則進行匹配。亦或者直接使用 egrep 命令操作
• 帶-P選項使用的 ofollow,noindex" target="_blank">perl正則匹配 是perl語言的整合一種最重要特性，它十分強大，很多語言設計正則式支援的時候基本上都參考Perl的正則表示式。

正則匹配模式

• 貪婪模式

  貪婪模式

  

• 非貪婪模式

  非貪婪模式

  

總結：可以看到，非貪婪模式的識別符號，就是貪婪模式的識別符號後面加上一個 ?