正则入门分享（仅供参考）

一、前沿

    正则表达式的"祖先"可以一直上溯至对人类神经系统如何工作的早期研究。Warren McCulloch 和 Walter Pitts 这两位神经生理学家研究出一种数学方式来描述这些神经网络。

    1956 年, 一位叫 Stephen Kleene 的数学家在 McCulloch 和 Pitts 早期工作的基础上，发表了一篇标题为"神经网事件的表示法"的论文，引入了正则表达式的概念。正则表达式就是用来描述他称为"正则集的代数"的表达式，因此采用"正则表达式"这个术语。

     随后，发现可以将这一工作应用于使用 Ken Thompson 的计算搜索算法的一些早期研究，Ken Thompson 是 Unix 的主要发明人。正则表达式的第一个实用应用程序就是 Unix 中的 qed 编辑器。

      而我们开发为什么要使用它，就是：方便！（比我们用一堆的循环加判断便捷好看的多）。

      其实正则的涉及领域很广：像:C#,Java,JavaScript, Python, Ruby。其实内容的大同小异，当然不同的语言的正则看起来还是有些出入的。这里我就讲我们app这边遇到的能使用的一些正则语法使用。

     对于一般开发来讲，使用的地方比较少，处于一种“可有可无”的状态，需要的时候直接网上搜来用，不太多的了解，从而正则显得有些神秘。

     今天我们试着揭开这神秘的面纱。

二、术语

1.正则：正则表达式（regular expression）

2.匹配：一个正则表达式匹配一个字符串，指这个表达式能在这个字符串中找到匹配的文本。

3.元字符：一个字符是否是元字符取决于应用情况。正则的流派不一样他的定义也不一样。

4.流派（flavor）：每样工具支持的元字符和其他的特性各有不同，表面上是看到的定义的元字符不一样，但是这里的流派远远不止这些。

5.子表达式：通常是括号内的表达式，或者是由|分割的多选分支。

6.字符：一个特殊定义的单词，这个值是由他解释所转化的编码来决定的。

三、正则里面的与或非

与：“与”是最简单的关系，它表示若干个元素必须同时相继出现，比如匹配单词cat，其实就是要求字符c、字符a和字符t必须同时连续出现。

或：“或”是正则表达式灵活性的重要体现，我们可以规定某个位置的文本的“多种可能”，比如要匹配cat或是cut，在正则表达式看来，就是“字符c，然后是a或u，然后是t”。正则表达式写做c[au]t，中间指定位置是单字符可以这样一一罗列，多字符可以使用(…|…)分割，例如：c(u|har|onduc|our)t

非：不容许出现某个或某几个字符，仍然用上面的例子，如果要匹配的单词是c开头、t结尾，中间有一个字符，但不能是u（也就是说，整个单词不能是cut），直接用c[^u]t就可以了，若中间的字符不能是a或u（也就是说，整个单词不能是cat或cut），则表达式改为c[^au]t。（c[^au]t:表示c和t之间不能（包含任何a和u的字母组合））

四、元字符

^:匹配输入字符串的开始位置（脱字符）

$:匹配输入字符串的结尾位置（美元符号）

():标记一个子表达式的范围

. :匹配除换行符 \n 之外的任何单字符，(通常被称为点号dot或者小点point)， 要匹配包括 '\n' 在内的任何字符，请使用像”(.|\n)"的模式。

|:意思是“或”（一般用来将不同的子表达式组合成一个总的表达式）

？:代表可选项，把它加在一个字符后面，表示这个地方可以出现这个字符，也可不出现。

+:代表之前紧邻的元素出现一次或者多次

*:代表之前紧邻的元素出现任意多次或者不出现

  {}:自定义前面内容重复出现的次数区间，例如：{n},其中n是一个非负数的整数，匹配确定的 n 次。{n,},至少匹配n 次。{n,m},m 和 n 均为非负整数，其中n <= m，最少匹配 n 次且最多匹配 m 次，请注意在逗号和两个数之间不能有空格。

注释：1.正则思维：例如： ^cat:我们一般会理解为：以cat为开头的文本，正则里面的思维是以c为开头的第一个字符，紧接着是a，再紧接着是t的文本

2.正则里面：^是脱字符号，它和美元符号匹配的是一个位置，而不是具体的文本。

3.例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。

4.问号，加号，星号。这三个元字符统称为“量词”，因为他们限定了所作用元素的匹配次数

五、结构体

[]:容许使用者在某处列出期望匹配显示的字符,通常又被称为字符组

1.“特殊元字符”：在字符组内部“-”连字符是元字符，可表示一个范围。例如：[1-5]  和[12345]

2.无序：[0-9a-zA-Z] 和 [A-Z0-9a-z]

结构体内可以随意的搭配：[a-z0-9_!.?]，匹配一个数字或小写字母，或者下划线，感叹号，逗号，问号

排除型字符组：[^.]：内容会列出所有没有列出的字符，例如：[^1-6],匹配除了1到6之外的所有字符。（这个条件必须是^在结构体的第一个[之后才是这个含义）(匹配一个没有列出的字符不表示可以没有字符)

注释：1。例子：比如我们期望搜索一个单词grey，但是又不知道是否是gray，那么我们就可以写“gr[ea]y”,通过|这个元字符，我们也可以写成grey|gray，进一步简化可以写为gr(e|a)y,用括号来划定多选结构的范围，多选结构可以包含很多字符，到那时不能超过括号的界限。

2。问题：结构体（字符组）和多选结构的区别？

           一个字符组只能匹配目标文本中的单个字符，而每个多选结构自身都可能是完整的正则表达式，都可以匹配任意长度的文本。

3.示例一些程序员的正则：（变量名：[a-zA-Z_][a-zA-Z0-9]*,我们常用的声明一个变量）（字符串：”[^”]”）

六、转义字符

1.我们在使用的时候有的时候会遇到网络的点号来匹配网络，针对于元字符，使用反斜杠来转义，不过这样在字符组内部是无效的。例如：\.，\?, \|, \\, \[,\*等

2.如果反斜杠后面跟的不是元字符，反斜杠的意义就根据程序的版本而定，例如某些版本中的\<,\>,\1的处理意义。

七、预查匹配

(pattern) ： 匹配 pattern 并获取这一匹配，所获取的匹配可以从产生的 Matches 集合得到。

(?:pattern) ：匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。

(?=pattern) ：正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

(?!pattern)正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。

(?<=pattern)反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。

(?

注释：上面的内容举例说明：

测试的文本：

Swift2 Swift3

1、正向预查

(?:pattern) 匹配结果。Swift(?:2|3)等效于Swift2|Swift3，结果Swift2 Swift3

(?=pattern) 肯定。Swift(?=2)，匹配后面跟着2前面的Swift，即第一个Swift，结果Swift

(?!pattern) 否定。Swift(?!2)，匹配后面不跟着2前面的Swift，即第二个Swift，结果Swift

2、反向预查

(?<=pattern) 反向肯定预查，与正向肯定预查类似，只是方向相反。
例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，
但不能匹配“3.1Windows”中的“Windows”。

(?<!pattern) 反向否定预查，与正向否定预查类似，只是方向相反。
例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，
但不能匹配“2000Windows”中的“Windows”。

八、特殊含义字符

\b  匹配一个单词边界，也就是指单词和空格间的位置。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。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。

\cx  匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。

\d  匹配一个数字字符。等价于 [0-9]。

\D  匹配一个非数字字符。等价于 [^0-9]。

\f  匹配一个换页符。等价于 \x0c 和 \cL。

\n  匹配一个换行符。等价于 \x0a 和 \cJ。

\r  匹配一个回车符。等价于 \x0d 和 \cM。

\s  匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。

\S  匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。

\t  匹配一个制表符。等价于 \x09 和 \cI。

\v  匹配一个垂直制表符。等价于 \x0b 和 \cK。

\w  匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。

\W  匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。

\xn  匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。

\num  匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。

\n  标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。

\nm  标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。

\nml  如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。

\un  匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

九、特殊

1.在某些支持反向引用的工具中，括号能够记忆其中的子表达式匹配的文本,当然我们在一个表达式中可能见到多个括号，那么我们就可以使用\1,\2,\3来分别表示第一个，第二个，第三个括号内的匹配的文本，

例如： ([a-z]+)+\1表示：一个或多个字符的内容（一个或多个空格）后面的内容相同匹配成功。例如：ww     www 等

    ([a-z])([0-9])\1\2其中\1就表示第一个括号匹配到的对象，\2就表示第二个括号匹配到的对象。例如：w3w3   p5p5 等

十、一些常用的正则案例

1.只能输入汉字：”^[\u4e00-\u9fa5]{0,}$"

2.匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?>|<.*? />

3.验证身份证号（15位）：”\d{14}[[0-9],0-9xX]"，（18位）："\d{17}(\d|X|x)"；

4.只能输入由26个英文字母组成的字符串：”^[A-Za-z]+$”      (限制大写，小写)

5.只能输入非零的正整数：”^\+?[1-9][0-9]*$"

6.只能输入非零的负整数：”^\-[1-9][0-9]*$"

7.匹配浮点数 : ^(-?\d+)(\.\d+)?$

8.匹配整数: ^-?\d+$

9.匹配正浮点数: ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$

10.匹配非正浮点数（负浮点数 + 0): ^((-\d+(\.\d+)?)|(0+(\.0+)?))$

11.匹配负浮点数: ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$

12. 12小时制匹配：(1[012]|[1-9]):[0-5][0-9].(am|pm)

13.24小时制，不足前面补0，例如：09:59 ：(1[0-9]|2[0-3]|0[0-9]):[0-5][0-9]

时代在变，有些东西不要死记，需要根据实际的情景来自定义来辨别真伪。

题外话

egrep工具：（例如：egrep -i ‘^(From|Subject|Date):’ mailbox）

-i  :用来不强制区分大小写

/<:单词的起始位置 (相当于正则的^）(某些版本的egrep可能不支持)

/>:单词的结束位置（相当于正则的$）(某些版本的egrep可能不支持)

最后同事发来一个贺电

结束的时候同事来了一个正则让解析一下。拿出来分享一下：(?!\d+$)(?![a-zA-Z]+$)(?![a-z0-9]+$)(?![A-Z0-9]+$)[a-zA-Z0-9]{6,18}$

解析：(?![a-zA-Z]+$)  断言  此位置  后,字符串结尾之前,所有的字符不能全部由字母组成.

           上面的意思就是：由字母（不分大小写）加数字最少6位最大18位。所有字母不能有纯数字，不能由纯字母，不能由单纯的大写或者小写字母加数字组成。

意思就是，必须大小写加数字都有。的6到18位。

圆满结束！后续待补充。