正则表达式

  本文大多内容来自深度好文： 这儿。

一 概念

  正则表达式(Regular Expression)是用于描述一组字符串特征的模式，用来匹配特定的字符串，能够大幅提高处理效率。通过特殊字符+普通字符来进行模式描述，从而达到文本匹配目的工具。主要使用 grep 和 notepad++ 来验证。

二 基本要素

  (1)字符类；(2)数量限定符；(3)位置限定符；(4)特殊符号。

三 正则表达式()、[]、{}的区别

  正则表达式的 ()、[]、{} 有着不同的意思。
  () 是为了提取匹配字符串的，表达式中有几个()就有几个相应的匹配字符串，(\s*)表示连续空格的字符串；圆括号()是组，主要应用在限制多选结构的范围/分组/捕获文本/环视/特殊模式处理。
  [] 是定义匹配的字符范围。比如[a-zA-Z0-9]表示相应位置的字符要匹配英文字符和数字。[\s*表示空格或者*号]；
  {}一般是用来匹配的长度。比如\s{3}表示匹配三个空格，\s[1,3]表示匹配1到3个空格；
  (0-9)匹配’0-9’本身。[0-9]*匹配数字(注意后面有*，可以为空)[0-9]+匹配数字(注意后面有+，不可以为空)，{0-9}写法是错误的，
[0-9]{0,9}表示长度为0到9的数字字符串。
示例：
1(abc|bcd|cde),表示这一段是abc、bcd、cde三者之一，顺序也必须一致；
2、(abc)？ 表示这一组要么一起出现，要么不出现，出现那则按顺序出现；
3、(？：abc)表示找到一样abc的一组，但是不记录，不保存到变量中，否则可以通过x取第几个括号所匹配道德项；
，比如：
(aaa)(bbb)(ccc)(?:ddd)(eee)可以用1获取(aaa)匹配到的内容，而3则获取到了(ccc)匹配到的内容，而$4则获取的是由(eee)

匹配到的内容，因为前一对括号没有保存变量

4.a(?=bbb)顺序环视 表示a后面必须紧跟3个连续的b

5、(?i:xxxx)不区分大小写 (?s:.*)跨行匹配，可以匹配回车符
方括号是单个匹配 字符集/排除字符集/命名字符集
示例：

1、[0-3]，表示找到一个位置上的字符只能是0到3折四个数字，与(abc|bcd|cde)的作用比较类似，但圆括号可以匹配多个连续的字符

而一对方括号只能匹配单个字符

2、[^0-3] 表示找到这个位置上字符只能是除了0到3之外的所有字符

3、[:digit:] 0-9 [:alnum] A-Za-z0-9
()和[]有本质的区别

()内的内容表示的是一个表达式，()本身不匹配任何东西，也不惜那是匹配任何东西，只是把括号内的内容作为

同一个表达式来处理，例如(ab){1,3},就表示ab一起连续出现最少1次，最多三次。如果没有括号的话，ab{1,3},

就表示a 后面紧跟的b出现的最少一次，最多三次。另外，括号在匹配模式中也跟重要。这个就不延伸了。

[]表示匹配字符在[]中，兵出现一次，并且reshuffle字符写在[]会被当成普通字符来匹配，例如[(a)],会匹配(、a、)、这三个字符。

所以()[] 无论是作用还是表示的含义。都有天壤之别，没有什么联系。

四 字符类

1 [[:xxx:]]，预定义的一些命名字符类

  1、[[:alnum:]]：英文大小写字母和数字；
  2、[[:alpha:]]：英文大小写字母；[:lower:]：小写；[:upper:]：大写；
  3、[[:digit:]]：数字；
  4、[[:blank:]]：空格，tab；[:space:]：任何会产生空白的字符：空格，tab，CR；
  5、[[:graph:]]：除了空格和tab意外的任何字符，等同于^[:blank:]；
  6、[[:print:]]：任何可以打印的字符；

2 字符

字符	含义	举例
.	匹配除换行符\n之外的任意一个字符	abc.可以匹配abcd或abc6等
[]	匹配括号中的任意一个字符	[abc]可以匹配ad，bd，cd
-	在[]内表示字符范围	[0-9a-fA-F]可以匹配一位16进制数字
[^]	匹配除[]中的字符中的任意一个字符	[^xy]1，可以匹配a1，b1，但是无法匹配x1，y1
*	代表0个或者多个重复字符	例如o*，代表0到n个o都可以匹配
|转义字符	\.表示.这个字符
.*	表示任意多个任何字符，可以相当于shell中的通配符*
[	标记一个中括号表达式的开始。
{	标记限定表达式的开始。
例如：
注意：1、grep采用的贪心匹配，它会匹配当前行中的所有匹配内容；2、echo $?表示是否匹配成功(如果成功返回值为0，不成功返回值为1)。

3 非打印字符

字符	含义	举例
\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视为一个原意的‘c’字符。
\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\cl
\v	匹配一个垂直制表符，等价于\x0b和\cK

4 数量限定符

字符	含义	举例
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定式。	[0-9]?\.[0-9]匹配0.0、1.7、.6等。
+	匹配前面的子表达式一次或多次。	[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9.-]+匹配email地址
*	紧跟在他前面的单元应匹配零次或多次	[0-9][0-9]*匹配至少一位数字，等价与[0-9]+，[a-zA-Z_]+[a-zA-Z_0-9]*匹配C语音的标识符
{N}	紧跟在它前面的单元应精确匹配N次	[0-9][0-9]{2}匹配100到999的整数
{N,}	紧跟在它前面的单元应匹配至少N次	[0-9][0-9]{2,}匹配大于等于三位数的整数
{,M}	紧跟在它前面的单元应匹配最多M次	[0-9]{,1}指最多匹配0-9之间的一个整数，相当于[0-9]?
{N,M}	紧跟在它前面的单元应匹配至少N次，最多M次	[0-9]{1, 3}\.[0-9]{1, 3}\.[0-9]{1, 3}\.[0-9]{1, 3}匹配IP地址

5 位置限定符

字符	含义	举例
^	表示行首的位置	^content匹配一行开头的content
$	表示行尾，如果设置了	;$匹配一行结尾的;，;$匹配空行
<	匹配单词开头的位置
>	匹配单词结尾的位置
\b	匹配一个字边界，即字与空格间的位置。
\B	非字边界匹配

6 特殊符号

字符	含义	举例
()	将正则表达式的一部分括起来组成一个单元，可以对整个单元使用数量限定符	([0-9]{1,3}\.){3}[0-9]{1, 3}匹配IP地址
|	连接两个子表达式，表示或的关系	`n(o

7 其他普通字符及其替换

符号	替换正则	匹配
\d	[0-9]	数字字符
\D	[^0-9]	非数字字符
\w	a-zA-Z0-9	数字字母下划线
\W	[^\w]	非数字字母下划线
\s	[\r\n\t\f]	表格，换行等空白区域
\S	[^\s]	非空白区域
假如我们去掉-E选项，会有什么现象呢？
此时，不难发现，去掉-E选项之后没有进行正常的正则匹配，这种现象需要我们引入如下的两个概念！

五 使用示例

  匹配文本："fontname": b"OKFYIZ+\xcb\xce\xcc\xe5", ；
  对应正则表达式："fontname": b"(?<=").*?(?=")", 。

六 基本正则表达式&扩展正则表达式

  区别：正则表达式的扩展正则(Extended规范)和基本正则(Basic规范)下，有些字符? + {} | ()应该解释为普通字符，要表示上述特殊含义则需要加“\”转义字符。反之，在扩展规范下，? + {} | ()应被理解为特殊含义，要取其字面值，也要对其进行“\”转义。
  因此，grep工具带上-E选项，表示使用扩展正则来进行匹配，若没有该选项，则表示使用基准正则来进行匹配。
  对于上述的问题，我们举例如下：

  当目标字符串当中本身就包含了? + {} | ()字符，要想进行正则匹配，应该这样做：



  综上，正则表达式有以下三个分类：1、基本正则表达式：Basic即BPEs；2、扩展正则表达式：tended即EREs；3、Perl的正则表达式：PREs。
  因此，当grep指令不跟任何参数时，表示要使用BREs；“-E”表示使用EREs；“-P”参数，表示使用PREs。

七 贪婪模式与非贪婪模式

  1、贪婪模式：正则表达式匹配时，会尽量多的匹配符合条件的内容。

  注意：grep默认采用贪婪匹配，可能会对我们的测试结果造成干扰，大家可以上网使用“正则在线转换工具”进行测试。
  2、非贪婪模式：正则表达式匹配时，会尽量少的匹配符合条件的内容，也就是说，一旦发现匹配符合要求，立马就匹配成功，而不会继续匹配下去(除非有g，开启下一组匹配)。

八 零宽断言

  1、所谓断言，是用来声明一个应该为真的事实。在正则表达式中，只有当断言为真时才会继续进行匹配。
  2、零宽断言：像用于查找某些内容之前或者之后的东西，其中一些特殊字符如“\b、^、$”等用于指定一个位置，这个位置应满足一定的条件。
  3、分类：
  (1)零宽度正预测先行断言(?=exp)
  它断言自身出现的位置之后能匹配的表达式exp。如：\b\w+(?=ing\b),表示匹配以ing结尾的单词的前面的部分(除ing以外的部分)。当我们要查找“I’m singing while you’re dancing.”时，它会匹配sing和danc。

  (2)零宽度正回顾后发断言(?>=exp)
  它断言自身出现的位置的前面能匹配的表达式exp。如：(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除er以外的部分)，例如：在查找“reading a book”时，它匹配ading。