正则表达式

文章转载至这里

\b 是特殊代码，元字符 metacharacter,代表单词的开头或结尾，即为单词的分界处，英文单词由空格、标点符号或者换行来分隔，但是\b不匹配单词的分割字符的任何一个，只匹配一个位置。

\bhi\b.*\bLucy\b 同一行中有hi和Lucy单词的一行，但是hi和Lucy不能在不同行。

0\d\d-\d\d\d\d\d\d\d\d匹配以0开头，然后两个数字，连字号-，后面有8个数字。

0\d\d-\d\d\d\d\d\d\d\d 等价于 0\d{2}-\d{8} ,{n}表示前一个元字符重复n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等

\ba\w\b 匹配以字母a开头的单词－－单词字母a，然后是任意数量的字母或数字（\w），最后是单词的结束（\b）。

＋ 匹配重复1次或更多次，* 匹配重复任意次（0次，1次和多次）

\b\w{6}\b 匹配6个字符的单词

字符转义： . * \ 匹配. * \

^\w+ 匹配一行的第一个单词

“(?0\d{2}[) -]?\d{8}” 匹配：(010)88886666，或022-22334455，或02912345678 010)12345678或(022-87654321等

反义：

后向引用

用于重复搜索前面某个分组匹配的文本。

\b(\w+)\b\s+\1\b 用来匹配重复的单词，如go go和kity kity (\b(\w+)\b) 匹配一个单词，一个或几个空白符(\s+), \1 代表分组1匹配点文本。

子表达式的组名：(?\w+) (?'Word'\w+) 这样\w就是指定为Word。 反向引用这个分组捕获的内容，使用\k. \b(?\w+)\b\s+\k\b

分组语法如下：

零宽断言：

\b ^ $ 用于指定一个位置，被称为零宽断言。

(？＝exp)，断言自身出现的位置的后面能匹配表达式exp。 \b\w+(?=ing\b),匹配ing为结尾的单词的前面部分。I’m singing while you’re dancing。匹配到的事sing和danc。

(?<=exp)断言自身出现的位置的前面能匹配表达式exp。(?<=\bre)\w+\b ,匹配以re开头对单词的后半部分。reading匹配到的ading。

((?<=\d)\d{3})+\b ,用它对1234567890查找时，结果为234567890. (?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)

负向零宽断言： 确保某个字符没有出现，但并不想去匹配它。 想匹配单词，它出现q，但是q后面跟的不是u： \b\wq[^u]\w\b匹配包含包含字母q且q后面不是u的单词。但是Iraq和Benq，匹配不到。 \b\wq(?!u)\w\b 匹配包含q，且q后面不是u的单词，且可以匹配Iraq和Benq。

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

可以用(?<!exp),零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

(?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内里的内容。

贪婪与懒惰

匹配尽可能多的字符。a.b,匹配aabab时，会匹配aabab，称为贪婪匹配。 相反，匹配尽可能少的字符。 .?意味任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）

懒惰限定符：

平衡组/递归匹配

匹配像( 100 * ( 50 + 15 ) )嵌套层次性解构，

这里需要用到以下的语法构造：

• (?’group’) 把捕获的内容命名为group,并压入堆栈(Stack)
• (?’-group’) 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败

• (?(group)yes

  no) 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分

• (?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败

碰到左括号压入，碰到有括号，弹出，最后看堆栈是否为空－不为空则匹配失败。

< #最外层的左括号 ［^<>］* #最外层的左括号后面的不是括号内容 （ （ （？‘Open’<） #碰到左括号，黑板写一个Open ［^<>］* #匹配左括号后面的不是括号的内容 ）＋ （ （？‘－Open’>） #碰到右括号，擦掉一个Open [^<>]* ＃匹配右括号后面不是括号的内容 )+ )* (?(Open)(?!))

＃ 再遇到最外层的右括号前面，判断黑板上是否还有open，如果还有则匹配失败。

平衡组的一个最常见的应用就是匹配HTML，下面的例子可以匹配嵌套<div>标签： <div[^>]>[^<>](((?’Open’<div[^>]>)[^<>])+((?’-Open’</div>)[^<>])+)(?(Open)(?!))</div>.