学习正则表达式

正则表达式不少地方都会用到，比如检查某个字符串是否符合指定的格式、提取出目标文本中所需的字符串内容以及批量替换目标字符串，所以还是有必要专门学习下的。

最简单表达式就是字符串内容本身，比如 aabbcc 可以匹配 aabbcc，问题是这样来一个字符串就得重新写一个表达式，肯定是没法减少工作量的。所以需要用到正则里的关键字，下面就罗列下这些关键字。

1 单个字符的匹配规则

常用的有三条规则

. 能匹配任意字符

[] 可以匹配中括号中的任意一个字符，比如

[0,1] 表示只能匹配0或者1
[0-7] 表示能匹配0-7范围内的整数
[a-e] 表示能匹配a-e范围内的小写字母
[a-e0-7] 表示能匹配a-e范围内的小写字母或者0-7范围内的整数

数字元字符，比如

\d 表示匹配任意的数字，等价于 [0-9]
\w 表示匹配任意一个数字或字母（大小写都行）或下划线
\s 表示匹配空白字符
如果字母改为大写，那就是取反的意思，比如
\W 表示匹配数字、字母及下划线以外的字符

2 匹配次数

用于指定表达式的重复匹配，目前有两种规则

* 表示匹配0次或更多次，+ 表示匹配1次或更多次， ? 表示匹配0次或1次

{m,n} 表示匹配 m-n 次，比如

{2} 表示匹配 2 次
{2,5} 表示匹配 2-5 次
{2,} 表示匹配 2 次及以上

注意，其中*、+、和 {m,} 都具备贪婪匹配的特性，所谓的贪婪匹配，指的是尽可能匹配更多字符，而 ? 还有禁止贪婪匹配的作用 举个例子，对于 abcbcbc，如果用 a.+bc，会匹配到 abcbcbc，如果用 a.+?bc，会匹配到 abcbc

3 匹配一组字符

前面两部分规则只能让我们进行单个字符的重复匹配，但是有一些需求，光靠这些不好实现，比如希望以 (至少一位字母 + 至少一位数字)为基本单位，然后目标字符串必须由这种单位的1次或多次重复组成。

(表达式)，会尝试去匹配符合表达式的字符串，又被称为子表达式

借助这个特性，就能写出符合之前要求的表达式，如下。

([a-zA-Z]+\d+)+

4 匹配特定位置

了解上面两部分规则后，就可以写一些表达式来匹配整个字符串了，但如果对匹配字符串有位置上的要求，比如前后字符串必须符合其它的规则，就得了解如何匹配位置，有两种

^ 表示匹配开头，$ 表示匹配末尾

需要注意的是，如果 ^ 用在 [] 中，含义会变成取非，比如 [^1] 就表示匹配除 1 以外的字符

表达式1(?=表达式2) 表示去匹配表达式 1，但是后面的字符串必须符合表达式 2

(?<=表达式1)表达式2 表示去匹配表达式 2，但是前面的字符串必须符合表达式 1

5 回溯引用

如果希望去引用前面某个表达式的匹配结果，比如说去匹配一组重复的单词，又比如，我在写作时，为了省事直接把链接复制进去，后来发现一长串的看起来不美观，就希望将其替换成符合 markdown 规范的链接格式。

要使用回溯引用，必须使用子表达式 () 把表达式整个包括起来，规则如下

(表达式1)其它表达式\1 表示要匹配成功，目标字符串必须符合表达式1其它表达式表达式1，且两个表达式1匹配的内容必须完全一致

如果用到了多个子表达式，那么 \n 则代表重复第 n 个子表达式的匹配结果

6 匹配正则表达式占用的字符

可以看到，为了实现语义，正则表达式占用了一些字符，如果试图去匹配这些字符本身，比如 . 和[这些，就得用到转义字符 \

比如要匹配. ，得用 \.

比如要匹配[ ，得用 \[