笔记5 正则表达式

 

2.匹配单个字符

A. 匹配会返回多个结果，包括位置 和长度 。

 

B.. 是特殊字符 ，代表 可以匹配任何一个单个字符，通过\ 可以实现转义。.其实一般不包括 。

 

C. 正则表达式 给出的仅仅是模式(pattern) ，得到的返回是一个与该模式匹配的字符串

 

3. 匹配一组字符

[]  是用来定义一个字符集合的元字符。

能获得预期的匹配结果并不困难，困难的是不会匹配到你不想要的东西。

在[]内可以使用 - 作为区间字符。在同一个字符集合里可以给出多个字符区间。例如 A-Z 0-9 a-z A-F. 在[]之外，-并不是元字符。

 

取非匹配 ^ 来否定集合内所有的文字。

 

 

 

4. 特殊字符的元字符

A. 转义字符 \

 

B. 空白字符匹配 \n \r \f \t [\b]回退字符

 

C. 代表字符类 的元字符

\d [0-9]

\D [^0-9]

\w 任何一个字母数字或下划线

\W 任何一个非字母数字非下划线字符

\s 任何一个空白字符 不包括[\b]

\S 任何一个非空白字符

 

正则表达式很少有对错之分，前提是它们能解决问题。更精确 的匹配需要构造更复杂 的表达式。

 

 

 

5. 重复匹配(数量匹配）

A. 匹配一个或多个字符（字符集）使用元字符 + 做后缀

表示匹配一个或多个字符，至少一个，不匹配0个。在[]里面一般不用转义。甚至.在[]也将被解释为普通字符。

 

B. 匹配0个或多个字符（字符集）使用元字符 * 做后缀

表示0次或多次重复出现。

 

C. 匹配0个或1个字符（字符集）使用元字符 ? 做后缀

表示0次或1次出现，最多不超过一次。

 

有些人喜欢把一个字符也定义成一个集合，这么做的好处是可以增加可读性和避免产生误解，使人可以一眼看出哪个字符与哪个元字符相关关联

 

D. 匹配的重复次数。使用元字符 {}做后缀，把数值写在他们之间。

可以设置最大值，可以设置最小值，可以设置精确的数字和区间

{3} 定义重复3次

{2,4} {0, 3} , ?等价于{0, 1}

{3, } 匹配最小的重复次数，而不设定最大值。但小心别遗漏了{}里面的逗号。

 

E. 防止过度匹配（贪婪型和懒惰型）

*和+都是贪婪型元字符，匹配模式时总是多多益善 而不是适可而止 ，而不是碰到第一个匹配为止。

在这些元字符的后再加上元字符?，即成为懒惰型版本。

{}后面也可以加?

 

6. 位置(边界)匹配

边界： 在什么地方进行字符串匹配操作。使用边界限定符

 

A. \b用来匹配一个单词的开始或者结尾。 \b匹配这样一个位置，位于字母和非字母之间 。

\b只匹配位置，不匹配任何字符，也就是匹配到的串的长度不会包括\b.

 

\B 字母之间 或非字母与非字母 之间 。

 

B. 字符串边界

^和$

 

7. 使用子表达式

子表达式是一个更大的表达式的一部分，划分出来的目的是为了把子表达式作为一个独立的元素 来使用。

子表达式用() 括起来。用途：1. 重复(数量)匹配 2. 回溯引用

例如( ){2,}    (19|20)\d{2} 对OR操作符做出准确的定义

 

子表达式允许嵌套 。

嵌套时，关键在于分解开，按照先内后外的原则，而不是从第一个字符开始（从核心开始）。

逻辑思维能力是使用正则表达式的关键。

 

牢牢记住 ： 把必须匹配的情况 考虑周全并写出一个匹配结果符合预期的正则表达式很容易，但把不需要匹配的情况 也考虑周全并确保它们都将被排除在匹配结果以外往往要困难的多。

 

8. 回溯引用(Backreference)

A. 作用： 让模式的后续 匹配部分了解前面 子表达式的匹配结果。或者说在模式内部引用 前面的子表达式。

 

B. 使用 \1 来引用子表达式，一般从1开始计数，\0一般是整个表达式，但各个语言的实现会有较大差异。

 

C. 回溯引用在替换操作中的作用

替换时需要两个正则表达式：一个用来给出搜索模式 ，另一个用来给出匹配文本的替换模式 。

回溯引用可跨模式 使用，一般放在$1 这样的变量中。

 

把文本分解成多个子表达式的做法在替换是可以做出更精确的控制。