正则表达式速查笔记

和之前我的 Makefile 速查笔记 一样,正则表达式也是相对少用,但是一旦用起来也挺复杂的知识。所以本文记录一下正则表达式的常用要点,备查。

本文地址:https://segmentfault.com/a/1190000013311698

参考资料

正则表达式基本

匹配单个字符

匹配单个数字的写法,可以是 “[0-9]” 也可以是 “\d”。

匹配单个非数字字符,则使用大写 “\D”。

匹配 26 个字母的任意一个,使用 “[a-zA-Z]

匹配任意一个字符,使用点号 “.

匹配具体字符,则直接写上去即可。比如 “abcd” 就是匹配它本身。如果遇到特殊字符,则需要进行转义,转义字符为 “\”。

匹配一个字符,使用中括号的做法称为 “字符集”。中括号用于指定一个 “”,匹配这个集中的一个字符,如十六进制数 “[0-9a-fA-F]”。字符集内的点表示的是点号本身,但其他的特殊字符还是需要进行转移,比如反斜杠字符。

使用量词

贪心匹配

如果要表示某个规则的重复,则需要使用量词。使用花括号表示重复次数。比如 8 个数字可以这样表示:“\d{8}

花括号中的量词可以变化,比如表示 7 到 8 个数字,则表示为 “\d{7,8}”。表示上限的右值可以不写,比如 “{0,}” 是合法的,表示大于等于 0 个字符;但试图单独表示上限的 “{,10}” 则不合法,至少应该写为 “{0,10}”。

加号 “+” 表示它左边的元素数量为 “一个或多个”,等于 “{1,}” 的效果。所以加号也是特殊字符。

星号 “*” 表示它左边的元素数量为 “零个或至少一个”,即 “{0,}”。

问号 “?” 表示 “零个或一个”,等同于 “{0,1}”。

懒惰匹配

上面的诸如 +*,匹配的时候都会使用 “贪心” 的模式,也就是匹配尽量多的个数。比如字符串 “55555”,使用 “5+” 去匹配时,会匹配到它能够找到的最长字符串,即 “55555”。

如果在量词后面加上问号,则使匹配模式变为 “懒惰” 的,也就是匹配最少的。比如使用 “5+?” 去匹配,则只会找到能够匹配的最小字符 “5”.

以下都是可用的懒惰匹配表达式:+?, *?, {n,}?, {m,n}?

捕获分组(类似于宏定义)

可以把表达式中的一部分 “捕获” 起来,作为宏放在后边引用。使用括号进行定义(捕获),然后再定义的后面使用 “\1” 进行引用;如果是第二个捕获,则使用 “\2”,以此类推。

分组一般都会被保存起来,但是当表达式非常长的时候,可能需要明确指明不保存该分组。比如使用这个格式 “(?:THE|The|the)”,就使用了 “?:” 标号来表示不要进行命名标记。

“或” 逻辑

使用 “|” 来链接两个字段,提供 “或” 的逻辑。注意与括号搭配使用

“非” 逻辑

如果在集合 “[...]” 中使用字符 “^”,则表示 “非”,如 “[^0-9]” 等同于 “\D”。

简单的模式匹配

以下是各种常用的单字符匹配列表:

指代类型 模式 备注
数字 \d
字母、数字、下划线 \w 等效于 “[_a-zA-Z0-9]
非数字 \D
非字母 \W
制表符 Tab \t
Null 字符 \0
Backspace [\b]
空格 \s 等效于 “[ \t\n\r]
Return \r
换行 \n
单词之间的空白 \b 这里只是匹配单词的开始 / 结束,不消耗任何字符
任意一个字符 . 行结束符无法使用这个符号匹配

边界

本小节设计一个概念:断言,又称为 “零宽度断言(zero-width asseration)”。这个概念不匹配字符,而是匹配字符串中的位置。

行的起始和结束

  • 使用 “^” 表示一行的开始
  • 使用 “$” 表示一行的终止

单词边界和非单词边界

比如要匹配单词 “the”,则写 “\bthe\b”。如果要匹配哥哥中间带 “e” 的单词,则可以写 “\Be\B

可以使用 “\<” 匹配单词开头,“\>” 匹配单词结尾。但是这两个并不建议使用,因为新的匹配器可能不支持。

Unicode 字符和其他字符

正则表达式支持输入 unicode 的值,如 “\u00e9”。注意 unicode 必须有四位十六进制位,大小写均可。Javascript 还支持 “\xe9” 的写法,然而 “\x00e9” 则是错误的。

阅读 1.6k

推荐阅读

曾经的嵌入式 / 后台开发一枚,现在开始走向架构。本专栏没有高深技术,只讲基础组件、工具,请放心食用

76 人关注
83 篇文章
专栏主页