深入理解正则表达式

前言：正则表达式，对于很多人来说，一眼看去就是头皮发麻，没有什么规律可言，其实正则的所用到的字符并不是很多，主要难在于组合匹配，这个也没什么捷径可走，多练就好，前提是知道基本语法，下面介绍基本语法。

1、什么是正则表达式

正则表达式：也称为规则表达式，英文名称Regular Expression，我们在程序中经常会缩写为regex或者regexp，专门用于进行文本检索、匹配、替换等操作的一种技术。
注意：正则表达式是一种独立的技术，并不是某编程语言独有的

关于正则表达式的来历：
long long long years ago，美国新泽西州的两个人类神经系统工作者，不用干正事也能正常领工资的情况下，有段时间闲的发慌，于是他们开始研究一个课题~怎么使用数学方式来描述人类的神经网络。

这一研究，还真是搞事！另一个数学家Stephen Kleene根据他们的研究基础，通过数学算法处理，发布了《神经网事件表示法》，利用的就是正则集合的数学符号描述这个模型，正则表达式的概念进入了人们的视线。

又来了一个搞事的人~某个家伙上学学完正常的课程之后（这事在中国貌似发生不了），开始捣鼓计算机操作系统，并且搞出了现在在软件行业非常出名的系统：Unix，它就是Unix之父Ken Thompson，这个家伙也看到了那个数学家发布的论文，于是将正则表达式经过优化处理之后，引入到了Unix操作系统中专门用于文本的高效检索。

一发不可收拾，正则表达式，开始陆陆续续在各个编程语言中出现，并以它优雅的表现形式和高效的工作态度，而著名于各个语言和行业方向。

正则表达式，是一种特殊的符号，这样的符号是需要解释才能使用的，也就是需要正则表达式引擎来进行解释，目前正则表达式的引擎主要分三种：DFA，NFA、POSIX NFA，有兴趣了正则表达式引擎的，可以自己查看资料。

---

2、正则字符

2.1、元字符介绍

元字符	描述
^	边界匹配符，会匹配行或者字符串的起始位置
$	边界匹配符，会匹配行或者字符串的结束位置
.	匹配任意一个字符
\s	匹配一个不可见字符（空格、制表符\t、换行符\n、回车符\r…）
\S	匹配一个任意可见的字符
\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]
\w	匹配一个数字、字母、下划线中的任意一个字符，等价于[0-9a-zA-Z_]
\W	匹配一个非数字、字母、下划线中的任意一个字符，等价于[^0-9a-zA-Z_]
\b	匹配一个单词的边界
\B	匹配不是单词的开头或者结束的位置

2.2、量词

首先理解两个概念：
贪婪：贪婪模式在整个表达式匹配成功的前提下，尽可能多的匹配，如果失败则回退一个字符，然后再次尝试回退的过程就叫做回溯，它会每次回退一个字符，直到找到匹配的内容或者没有字符可以回退。
懒惰（非贪婪）：从目标的起始位置开始匹配，如果匹配成功，就返回，不再向后匹配。

量词	描述
*	匹配0次或多次，默认贪婪，尽可能匹配多的
+	匹配1次或多次，默认贪婪，尽可能匹配多的
？	匹配0或1次
{m}	重复m次
{m,n}	重复m至n次，默认贪婪
{m,}	至少重复m次
{，n}	之多重复n次

2.3、 懒惰限定符

　　“*?” 重复任意次，但尽可能少重复

　　“+?” 重复1次或更多次，但尽可能少重复，与上面一样，只是至少要重复1次

　　“??” 重复0次或1次，但尽可能少重复

　　“{n,m}?” 重复n到m次，但尽可能少重复

　　“{n,}?” 重复n次以上，但尽可能少重复

3、正则进阶

捕获分组：
“(exp)” 匹配exp,并捕获文本到自动命名的组里

“(?exp)” 匹配exp,并捕获文本到名称为name的组里

“(?:exp)” 匹配exp,不捕获匹配的文本，也不给此分组分配组号

以下为零宽断言

“(?=exp)” 匹配exp前面的位置

如 “How are you doing” 正则”(?.+(?=ing))” 这里取ing前所有的字符，并定义了一个捕获分组名字为 “txt” 而”txt”这个组里的值为”How are you do”;

“(?<=exp)” 匹配exp后面的位置

如 “How are you doing” 正则”(?(?<=How).+)” 这里取”How”之后所有的字符，并定义了一个捕获分组名字为 “txt” 而”txt”这个组里的值为” are you doing”;

“(?!exp)” 匹配后面跟的不是exp的位置

如 “123abc” 正则 “\d{3}(?!\d)”匹配3位数字后非数字的结果

“(?<!exp)” 匹配前面不是exp的位置

如 “abc123 ” 正则 “(?<![0-9])123” 匹配”123”前面是非数字的结果也可写成”(?!<\d)123”