--- title: 正则表达式 description: 正则表达式基础入门 keywords: - 正则表达式 tags: - FormalSciences/ComputerScience - GettingStarted/Other author: 仲平 date: 2024-05-13 --- ## 概述 正则表达式（Regular Expression，Regex）是用于匹配字符串中字符组合的模式。它由一系列字符和特殊符号组成，可以高效地执行查找、替换、检查数据格式等多种文本处理任务。正则表达式的概念最初由数学家斯蒂芬·克莱尼在 20 世纪 50 年代提出，最早用于理论计算机科学和形式语言理论中。 几乎所有现代编程语言都支持正则表达式，包括 Python、JavaScript、Java、C#等。此外，许多文本编辑器和开发环境（如 VSCode、Sublime Text）以及命令行工具（如 grep）也广泛应用正则表达式进行文本搜索和编辑。 ## 基本概念 - **字面字符**：指在表达式中表示它们自身字面意义的字符，例如 `a`、`1`、`B`。 - **特殊字符**：在正则表达式中用来表示控制或通配符作用的字符，如 `*`（匹配前一个字符 0 次或多次）。 ### 元字符 元字符是构成正则表达式逻辑的基础，具有特殊的匹配含义： | 元字符 | 描述 | | ------- | ------------------------------------------------------------ | | `.` | 句号匹配任意单个字符除了换行符。 | | `[ ]` | 字符种类。匹配方括号内的任意字符。 | | `[^ ]` | 否定的字符种类。匹配除了方括号里的任意字符 | | `*` | 匹配 >=0 个重复的在 * 号之前的字符。 | | `+` | 匹配 >=1 个重复的 + 号前的字符。 | | `?` | 标记 ? 之前的字符为可选。 | | `{n,m}` | 匹配 num 个大括号之前的字符或字符集 (n <= num <= m)。 | | `(xyz)` | 字符集，匹配与 xyz 完全相等的字符串。 | | `|` | 或运算符，匹配符号前或后的字符。 | | `\` | 转义字符，用于匹配一些保留的字符 `[ ] ( ) { } . * + ? ^ $ \ |`。 | | `^` | 从开始行开始匹配。 | | `$` | 从末端开始匹配。 | ### 字符类 字符类允许匹配指定集合中的字符，常见的标准字符类和自定义字符类如下： | 简写 | 描述 | | ---- | -------------------------------------------------- | | `.` | 除换行符外的所有字符 | | `\w` | 匹配所有字母数字，等同于 `[a-zA-Z0-9_]` | | `\W` | 匹配所有非字母数字，即符号，等同于： `[^\w]` | | `\d` | 匹配数字： `[0-9]` | | `\D` | 匹配非数字： `[^\d]` | | `\s` | 匹配所有空格字符，等同于： `[\t\n\f\r\p{Z}]` | | `\S` | 匹配所有非空格字符： `[^\s]` | | `\f` | 匹配一个换页符 | | `\n` | 匹配一个换行符 | | `\r` | 匹配一个回车符 | | `\t` | 匹配一个制表符 | | `\v` | 匹配一个垂直制表符 | | `\p` | 匹配 CR/LF（等同于 `\r\n`），用来匹配 DOS 行终止符 | **自定义字符类** | 示例 | 描述 | | --------- | ----------------------------------------------- | | `[a-z]` | 匹配任何小写字母 | | `[A-Z]` | 匹配任何大写字母 | | `[0-9]` | 匹配任何数字 | | `[aeiou]` | 匹配所有小写元音字母 | | `[^0-9]` | 匹配任何不是数字的字符（方括号内的 `^` 表示非） | ### 位置匹配 位置匹配用于确定字符匹配的具体位置，如行首或行尾等： | 锚点字符 | 描述 | | -------- | ------------------------------------------------------------ | | `^` | 不仅表示行的开始，也可在多行模式中匹配每一行的开始 | | `$` | 表示行的结束或字符串的结束，同样在多行模式中可匹配每一行的结束 | ## 量词和分组 量词和分组是正则表达式中非常强大的功能，它们让我们可以定义复杂的模式，进行精确的文本匹配和操作。这部分内容也可以用表格形式进行更清晰的展示。 ### 量词 量词用于指定一个元素出现的次数，是正则表达式中控制匹配频度的关键工具。 | 量词 | 描述 | | ------- | ------------------------------------ | | `*` | 匹配前一个元素 0 次或多次。 | | `+` | 匹配前一个元素 1 次或多次。 | | `?` | 匹配前一个元素 0 次或 1 次。 | | `{n}` | 匹配前一个元素恰好 n 次。 | | `{n,}` | 匹配前一个元素至少 n 次。 | | `{n,m}` | 匹配前一个元素至少 n 次，但不超过 m 次。 | #### 贪婪与非贪婪量词 量词默认为贪婪模式，尽可能多地匹配字符。通过添加 `?` 后缀，量词变为非贪婪模式，尽可能少地匹配字符。 | 类型 | 示例 | 描述 | | ---------- | ------- | ------------------------------------------------------- | | 贪婪匹配 | `a.*b` | 在 `axxxbxxxb` 中匹配从第一个 `a` 到最后一个 `b` 的整段文本。 | | 非贪婪匹配 | `a.*?b` | 在 `axxxbxxxb` 中匹配最短的，以 `a` 开始，以 `b` 结束的文本。 | ### 分组和引用 分组允许将正则表达式中的部分模式括起来，作为一个整体进行操作，这对于提取信息、构建复杂模式或进行条件匹配非常有用。 #### 捕获分组与非捕获分组 | 类型 | 示例 | 描述 | | ---------- | --------- | ----------------------------------------------- | | 捕获分组 | `(abc)` | 匹配 `abc`，并捕获匹配的文本，以供后续引用。 | | 非捕获分组 | `(?:abc)` | 匹配 `abc`，但不捕获匹配的文本，仅用于匹配操作。 | #### 后向引用 后向引用让我们能够引用正则表达式中先前定义的捕获组，这对于匹配重复的文本或验证两部分内容相同非常有用。 | 示例 | 描述 | | -------------- | --------------------------------------------------------- | | `(\b\w+)\s+\1` | 匹配一个由单词、空格和相同单词构成的模式，如 `word word`。 | ## 高级匹配 ### 断言 断言是正则表达式中的一个高级特性，允许进行条件匹配，即只有在满足特定条件的情况下才进行匹配。 | 符号 | 描述 | | ---- | --------------- | | `?=` | 正先行断言 - 存在 | | `?!` | 负先行断言 - 排除 | | `?<=` | 正后发断言 - 存在 | | `?