正则表达式——文本处理的“东风导弹”-优快云博客

本文详细介绍了正则表达式的基拙概念和高级用法，覆盖元字符、重复、范围、逻辑运算、分组、简写字符集等内容，并通过实例演示了如何在Python、Java等语言中应用正则表达式进行文本处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如何做

整合之前学习成果。包括 evernote、youdaonode 里面的东西。
探索 Linux 里面的正则表达式
python 里面的正则表达式
Java 里面的正则表达式
通用型的正则表达式

好的学习资源

知乎
 github
在线检查

基础的部分

元字符，就是组成计算所有文本的基本元素，例如，字符、标点符号、文字，总之，就是我们能在键盘上敲出来的东西
重复，描述了让元字符重复多少次的语法
描述开头和结束的语法
描述范围的语法
或逻辑
分组
简写字符集

. 代表所有的字符

\w(word) 代表所有的字母和数字，相当于 [a-zA-Z0-9_]

在下面的图中，我们看到键盘上的字母、数字和_都匹配上了。

效果图

\W 和 \w 正好相反，只要\w匹配不到得，\W都能匹配上

如下所示，空格和所有键盘上非字母的字符都匹配上了，不过还有一个漏网之鱼 _ ，这个哥们是在 \w 里面的
效果图

\d（digital）匹配数字，类似 [0-9]

效果图

\D（non-digital）不是数字的那些字符，[^0-9]

如下图，只有数字没有匹配到
效果图

\f匹配一个换页符

目前还没有找到这个字符如何

\n 匹配一个符号，这个符号代表了一个新行的开始

如下图所示，有 7 行，\n 匹配到 6 个新行的开始

在这里插入图片描述 > \r 匹配一个回车字符

目前没有用到。

\t 制表符

在这里插入图片描述

\v 匹配一个垂直制表符

用的不多

\p 匹配 CR/LF（等同于 \r\n），用来匹配 DOS 行终止符

用的不多

\b Matches, without consuming any characters, immediately between a character matched by \w and a character not matched by \w (in either order). It cannot be used to separate non words from words.

\b只能和字符（\w）组合使用，表示字符的后面是 \W，如下图所示，第一个 t 没有匹配上，后面都匹配上了，\b 不会匹配任何字符，只是作为一个参照。
在这里插入图片描述

\B, 匹配那些 \b 匹配不到的 \w

如下图所示，后面有空格的 a 没有匹配上。\b不匹配任何的字符，只是做为一个参照，在下面的图中只匹配到了 a
在这里插入图片描述
8. 转义，一般的情况，我们可以是 \来将特殊的字符转成普通字符

如下图所示，(和)是分组含义，在正则表达的保留字符，在保留字符的前面加上\就可以匹配了。
在这里插入图片描述

\s匹配所有空格字符，等同于： [\t\n\f\r\p{Z}]

\s 代表所有不可见字符。

\S,就是 [^\s]

进阶的部分

零宽断言

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

有的时候，我们之前匹配到的两种字符串之间的字符串，例如，

select * from table_name where field_name = 'aaa' ;

想从上面这个字符串里面匹配到 table_name。

.*(?=\swhere)

在这里插入图片描述

(?<=from\s).*(?=\swhere)

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200729163911997.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JsdWVkcmFhbV9wcA==,size_16,color_FFFFFF,t_70

捕获和非捕获
反向引用

select regexp_replace('2020-01-01' , '(20)\\1' , '\\1')

贪婪和非贪婪
反义

select regexp_replace('18712344321' , '(?<=\\d{3})\\d{4}(?=\\d{4})' , '****')


select regexp_replace('2020-01-01' , '(20)\\1' , '')

select regexp_replace('2020-01-01 00:00:00' , '[-: ]' , '')

select regexp_replace('2020-01-01 00:00:00' , '[-: ]' , '')

select regexp_replace('2020-01-01 00:00:00' , '(?<=\\d{4}-\\d{2}-\\d{2}).*' ,'')

select regexp_replace('00:00' , '\\d{2}:00' , '' ) 

select regexp_replace('hello world' , '(hello|world)' , '')

select regexp_extract('hello world' , '(hello|world)')