181 lines
9.1 KiB
Markdown
181 lines
9.1 KiB
Markdown
---
|
||
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 |
|
||
| `?<!` | 负后发断言 - 排除 |
|
||
|
||
**前向肯定断言** (`?=`)
|
||
|
||
- 前向肯定断言允许你指定一个子模式必须出现在某个匹配之后，但不会成为匹配结果的一部分。例如，`a(?=b)` 会匹配前面有 `a` 且后面紧跟 `b` 的位置，但不会返回 `b`。
|
||
|
||
**前向否定断言** (`?!`)
|
||
|
||
- 前向否定断言用来指定一个子模式必须不出现在某个匹配之后。例如，`a(?!b)` 会匹配所有后面不跟 `b` 的 `a`。
|
||
|
||
**后向断言**
|
||
|
||
- 在支持的语言中（如 JavaScript），后向断言允许你指定一个子模式必须出现在某个匹配之前。如 `(?<=b)a` 表示 `a` 前面必须有 `b`。
|
||
|
||
### 标志/模式修饰符
|
||
|
||
标志或模式修饰符用于改变正则表达式的匹配行为。
|
||
|
||
| 标志 | 描述 |
|
||
| ---- | ----------------------------------------------------- |
|
||
| `i` | 忽略大小写。 |
|
||
| `g` | 全局搜索。 |
|
||
| `m` | 多行修饰符：锚点元字符 `^` `$` 工作范围在每行的起始。 |
|
||
|
||
**大小写不敏感** (`i`)
|
||
|
||
- 使用此标志后，匹配时将不区分大小写。例如，正则表达式 `/abc/i` 将匹配 `Abc`、`aBc`、`abc` 等。
|
||
|
||
**多行模式** (`m`)
|
||
|
||
- 在多行模式下，`^` 和 `$` 不仅匹配输入字符串的开始和结束位置，也匹配行的开始和结束。
|
||
|
||
**点号包含换行** (`s`)
|
||
|
||
- 通常，`.` 不匹配换行符。使用此标志后，`.` 也将匹配换行符。
|
||
|
||
## 参考实例
|
||
|
||
- [regex101（正则表达式测试工具）](https://regex101.com/)
|
||
- [REGEXP（正则表达式测试工具）](https://regexr.com/)
|
||
- [Regulex（正则表达式可视化工具）](https://jex.im/regulex)
|
||
- [any-rule（正则表达式大全）](https://github.com/any86/any-rule)
|
||
- [learn-regex](https://github.com/ziishaned/learn-regex)
|