正则表达式怎么学必定不会

前言

正则表达式是个好东西，可惜我不懂，眼瞎。于是，下决心系统的学习正则表达式，力求看懂正则表达式、会用正则表达式解决日常工作中的问题，提高工作效率。

正则表达式必知必会

入门

匹配任意字符

c.t -> cat/cut等

匹配一组字符中的一个

[A-Za-z0-9] -> 字母和数字

取非操作

[^0-9] -> 非数字

匹配特殊字符

\d -> 数字
\D -> 非数字
\w -> 字母、数字和_
\s -> 空白字符（退格[\b]除外）

切换大小写

\UJava\E -> JAVA 表示全部大写
\ujava\E -> Java 表示下一个字符大写
\LJAVA\E -> java 表示全部小写
\lJAVA\E -> jAVA 表示写一个字符小写

切换大小写很实用，当我们在使用编辑器时，可以使用(查找的单词)查找单词，然后\U$1\E替换为全大写、\u$1\E替换为首字母大写等等

重复匹配

\d+ -> 1到多个数字
\d* -> 0到多个数字
\d? -> 0到1个数字
\d{3,5} -> 3到5个数字

贪婪匹配和懒惰匹配

*和+都是贪婪匹配元字符，举个例子，有这么一段html代码

<h1>你好</h1>
<h1>你们好</h1>

正则表达式为<h1>.*</h1>，那么它会匹配整个字符串，跟我们的预期有出入，因为贪婪匹配会尽可能的匹配最大的字符串。
改成懒惰匹配可以很好解决这个问题，贪婪匹配元字符加上?就是懒惰匹配了，本例的正则表达式可以表示为<h1>.*?</h1>=

位置匹配

\bhelloworld\b -> helloworld，helloworldjava是无法被匹配的
\B-\B -> -的左右都是非边界字符
^Helloworld -> 以Helloworld开始，注意和取非区别，取非运算符写在[]里面
Helloworld$ -> 以Helloworld结束

分行匹配模式

如果我们需要匹配换行后的开始和结束字符串，我们可以使用分行匹配模式去改变^和$的行为，使用分行匹配模式之后。^和$就分别代表换行后的开始边界，换行前的结束边界。举个例子，如果我们需要匹配所有注释，那么可以使用这样的正则表达式(?m)^\s*//.*$

子表达式

为什么出现子表达式？假设我们想匹配多个Helloworld单词，使用正则表达式Helloworld*会匹配诸如Helloworlddd之类的字符串，正确的做法是用小括号将单词包裹起来(Helloworld)*

进阶

回溯引用-前后一致匹配

举个例子，HTML使用h1-h6表示标签，我们现在想匹配所有的标签，可以使用<[hH][1-6]>.*?</[hH][1-6]，但是如果html表达式里面存在错误的格式，如<h1>标题</h2>，那么这种方式便行不通。需要用到回溯引用的知识点。
本例使用回溯引用的表达式为<[hH]([1-6])>.*?</[hH]\1>，其中，\1表示跟第一个子表达式的匹配一样，如果第一个子表达式匹配2，那么\1就匹配2

再举一个常用的例子：我现在使用webstorm编辑器，页面上有http://www.baidu.com的字符串，我想把它替换成<a href="http://www.baidu.com">http://www.baidu.com</a>，可以使用正则表达式(http:.*)匹配url，然后使用<a href="$1">$1</a>替换（webstorm使用$表示匹配的字符串，类似于占位符的作用）。
所以说，正则表达式用好了可以造福人类！

前后查找

向前查找

何谓向前查找，正常情况下，我们需要匹配某个字符，但又不需要在匹配结果中显示它。举个李子：匹配网址的协议，但不需要把:匹配出来，可以使用\w+(?=:)而不是\w+:，因为后者会把:匹配出来

向后查找

向前查找的对立，比如，要匹配价格的数字，不需要显示$符号，可以使用(?<=\$).*$。

双剑合璧

假设我们需要获取<div>Helloworld</div>里面的内容，可以这样做(?<=<div>).*?(?=</div>)

前后查找的取非

取非的意义是：不匹配向前向后的字符，比如匹配字符串中的数字10$100 can buy 10 apples，可以这样做\b(?<!\$)\d+\b

放弃

嵌入条件（了解）

嵌入条件比较复杂，了解就好

回溯引用条件

语法：?(子表达式的位置)true_regex|false_regex
我们可能遇到这种情况，假设匹配到左括号，那么我们希望也能够把右括号匹配进去。但是如果没有左括号，我们不希望右括号被匹配到。假设我们希望匹配这两种电话号码

123-456-789
(123)456-789

可以使用(\()?\d{3}(?(1)\)|-)\d{3}-d{3}

前后查找条件

语法：?(前后查找表达式)true_regex
假设我们希望匹配第一行和第三行

11111
22222-
33333-44444

可以使用\d{5}(?(?=-)-\d{5})

Java正则

java正则有一个组的概念，用()括起来，然后可以实现动态替换，比如下面2010-01-01 替换成了01 01

String s = "2010-01-01";
logger.info(s.replaceAll("2010-(\\d\\d)-(\\d\\d)", "$1 $2"))

总结

本篇博客符号较多，可能会产生一些错误，希望各位亲们多多指出！

后记

自从看了《正则表达式必知必会》这本书，发现编辑器的搜索替换功能配合正则表达式简直太强大，可以毫不夸张的说，正则表达式是所有开发人员必备的技能。

参考资料

正则表达式必知必会(修订版) [Ben Forta著]