理解正则表达式

正则表达式（英語：Regular Expression，常简写为 regex、regexp 或 RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。Wikipedia

基本概念

Boolean “or”

|用于多组匹配。例如gray|grey匹配单词 gray 或单词 grey。

Grouping

()用于定义运算符号范围与优先级，例如gr(a|e)y等同与上文gray|grey。

Quantification

• ?匹配前面出现的元素零次或一次。例如colou?r可以匹配单词 color 或 colour。
• *匹配前面出现的元素零次或多次。例如ab*c可以匹配 ac，abc，abbc，abbbc 等。
• +匹配前面出现的元素一次或多次。例如ab+c可以匹配 abc，abbc，abbbc 而不会匹配 ac。
• {n}匹配前面出现的元素 n 次。
• {min,}匹配前面出现的元素至少 min 次。
• {,max}匹配前面出现的元素至多 max 次。
• {min,max}匹配前面出现的元素次数在 min 和 max 范围内。

Wildcard

.匹配任何字符（换行符除外）。 例如a.b可以匹配 aab，abb，acb，adb 等。

语法

Delimiters

/用于各模式间的分隔。

Metacharacter

• ^ 匹配字符串中的起始位置。
• $匹配字符串的结束位置或字符串结束换行符之前的位置。
• [ ] 匹配括号内的单个字符。例如[abc]匹配字符 a 或 b 或 c。[a-c]匹配字符 a 到字符 z 内的所有单词。
• [^ ]匹配括号内以外的单个字符。
• \d 匹配数字字符。
• \D 匹配非数字字符。
• \w 匹配单词字符，等价于[A-Za-z0-9_]（注意 Unicode 正则表达式会匹配中文字符）。
• \W 匹配非单词字符，等价于^[A-Za-z0-9_]。
• \s 匹配空白字符（空格，换行，TAB 等）。
• \S 匹配非空白字符。
• \b 匹配一个单词边界。例如er\b可以匹配 never 中的 er，但不能匹配 verb 中的 er。
• \B 匹配非单词边界。例如er\b能匹配 verb 中的 er，但不能匹配 never 中的 er。
• \f 匹配一个换页符。
• \n 匹配换行符。
• \t 匹配制表符。
• \v 匹配垂直制表符。

贪婪与非贪婪匹配

贪婪标识符：+，?，*，{n}，{n,}，{n,m}。

非贪婪标识符：+?，??，*?，{n}?，{n,}?，{n,m}?。

提取 HTML 标签。

<div><span>span1<span/><span>span2<span/></div>
<div><span>span3<span/><span>span4<span/></div>

贪婪匹配<div>.*<\/div>会匹配所有元素。

非贪婪匹配<div>.*?<\/div>会匹配<div><span>span1<span/><span>span2<span/></div>和<div><span>span3<span/><span>span4<span/></div>。