正则表达式笔记

 

• 正则表达式就是记录文本规则的代码

• 精确地查找hi这个单词，使用\bhi\b

• \b是正则表达式规定的一个特殊代码，代表着单词的开头或结尾，也就是单词的分界处。通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置

• 假如你要找的是hi后面不远处跟着一个Lucy，你应该用\bhi\b.*\bLucy\b

• .是另一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此，.*连在一起就意味着任意数量的不包含换行的字符。现在\bhi\b.*\bLucy\b的意思就很明显了：先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词

• 电话号码：0\d\d-\d\d\d\d\d\d\d\d，\d是个元字符，匹配一位数字(0，或1，或2，或……)。我们也可以这样写这个表达式：0\d{2}-\d{8}。 这里\d后面的{2}({8})的意思是前面\d必须连续重复匹配2次(8次)。

 

• \s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。\w匹配字母或数字或下划线或汉字

 

• \ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。

\d+匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹 配重复1次或更多次。

 

\b\w{6}\b 匹配刚好6个字符的单词

 

• 元字符^（和数字6在同一个键位上的符号）和$都匹配一个位置，这和\b有点类似。^匹配你要用来查找的字符串的开头，$匹配结尾

 

• QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$，{5,12}则是重复的次数不能少于5次，不能多于12次，否则都不匹配。

 

• deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows，使用\查找元字符本身

 

• *重复零次或更多次，+重复一次或更多次，?重复零次或一次，{n}重复n次，{n,}重复n次或更多次，{n,m}重复n到m次

 

• \(?0\d{2}[) -]?\d{8}  “(”和“)”也是元字符，后面的分组节里会提到，所以在这里需要使用转义。这个表达式可以匹配几种格式的电话号码，像[phone]，或022-22334455，或02912345678等。我们对它进行一些分析吧：首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})

 

• 0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)

 

• \(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔

 

• 描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) ----2[0-4]\d表示2--的地址，5[0-5]表示25-的地址，[01]?\d\d?表示1位或2位或者1--的地址

 

• \W匹配任意不是字母，数字，下划线，汉字的字符，\S匹配任意不是空白符的字符，\D匹配任意非数字的字符，\B匹配不是单词开头或结束的位置，[^x]匹配除了x以外的任意字符，[^aeiou]匹配除了aeiou这几个字母以外的任意字符

 

• 小括号的另一种用途是通过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)

• 平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配嵌套的<div>标签：<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>