正则表达式基础

正则表达式

正则表达式不限语言，是一个体积小能量大的神器，不仅仅可以用于编程，还可以在文本编辑器作为工具使用。学好它很有必要。那么开始吧。
以jquery手册网站上的正则表达式速查表作为参考。
正则表达式基本上分为以下几个主要的部分。

1. 元字符组合方式及量词

• 小括号()
  ()表示分组，一个括号为一组。如图：
  
  从左往右数，一个左括号为一组。
  分组编号是从1开始，而不是0。第0组始终为匹配到的所有字符。如图测试结果：
  
  小括号还用于组合基本的匹配pattern。如图（第0组为abd），要匹配连续的abc或者abd：
  
  指定多个连续字符用小括号。下面会说到中括号。

• 中括号[]
  ① [abc]*: 用于匹配中括号中的任意字符，如aaaabbccbbac。中括号中的字符是打散的，不能用于按顺序匹配，要按顺序匹配请使用()。[abc(dg)]匹配efg也是可以匹配到的，
  ② [a-zA-Z] : 中括号中加-表示字符区间，可以是任意字符区间，数字区间等。比如\u4e00-\u9fa5表示中文汉字区间，匹配所有的汉字。其他字符区间可以查unicode字符编码区间。
  ③ [^0-9]：表示非数字。中括号内加^表示字符以外的集合。

• 量词
  
  *： 0个到多个，即 n≥0
  ?：0个或者1个，即n = 0或者n = 1;
  +：1个到多个，即n≥1
  {1,2}：1个到2个，即1≤n≤2。其变体{0,2}表示n≤2，{1,}表示n≥1，{2}表示n=2。
  因此{0,}相当于*，{0,1}相当于?，{1,}相当于+。没有{,2}的写法
  以上量词都可以直接用于字符后面，或者小括号中括号后面
  测试如下：
  
  ? 还有另一个用法：设定是否贪婪匹配。举个例子，用[a]*匹配aaaaabc，那么匹配了几个a？正则默认是开启贪婪匹配，因此默认会匹配到aaaaa。如果是[a]*?则是关闭贪婪，因此匹配到的a的数量为0个。简单地说，就是，在能匹配到的前提下，尽可能少地重复前面的字符。
  那么，ab*?c+?匹配aaaabbbbccc，匹配了几个b，几个c？结果是：abbbbc，b至少要4个才能保证匹配，而只需要一个c即可保证匹配。测试如图：
  
  由图中的/a*?b+?c*?/.exec(“aaabbbccc”);还可以看出，对于前面能匹配到的字符a，即使不贪婪匹配，也是不会跳过的。（既然能在0位置完成匹配，那就不必向后移动，也即不会出现bbb的结果）

2. 元字符

常用的元字符如下： 最最常用的就是这4个，其中小写表示是，大写表示否。

	是	不是
空白字符	\s	\S
数字	\d	\D
字母数字下划线	\w	\W
单词边界	\b	\B

• \s、\S
  \s表示匹配所有空白字符（看不见的那些：空格，tab，回车换行等），\S表示所有非空白字符，也就是能看见的那些。因此[\s\S]就匹配所有的字符，[\s\S]*匹配整篇文章。
• \d、\D
  匹配所有半角数字，即0-9这些，全角的不行。同样地，[\d\D]也匹配所有的字符。
• \w、\W
  字母数字下划线，这个词经常听说吧，\w就是匹配这个。等同于a-zA-Z0-9_。[\w\W]匹配所有字符。
• \b、\B
  \b用于匹配单词边界。比如对于hello, world，llo\b可以匹配到hello中的llo，因为o后面是边界，而or\b却不能匹配到world中的or，因为or后面不是单词边界，用or\B可以匹配到。
  
• 其他元字符

名称	字符
tab	\t
换页符	\f
垂直制表符	\v
回车	\r
换行	\n

\t匹配tab键，这个我想就不用解释了。\f\v基本不用，反正我是没有使用过，等用到的时候再研究也不迟。\r\n匹配回车换行，这里需要注意一下，有的文本编辑器行末是用\r\n分隔的，而有的是用\n分隔的。eclipse是\n。\n不行就试试\r\n，总有一个可以的。

除此之外还有4个： ^、$、.、|

• ^: 中括号里的^表示非，而正则表达式开头的^则表示匹配行开头或者文章开头（多行模式下）
• $: 同样地，$表示匹配行结尾或文章结尾
• .：点号匹配除换行以外的任意字符（多行模式下）。
• |：竖线表示或。可以在字符间直接使用，也可以用于小括号或者中括号中，但在中括号中使用没有意义。测试如图：
  

3. 断言

断言其实很容易理解：

	左边	右边
是	(?<=pattern)	(?=pattern)
否	(?<!pattern)	(?!pattern)

带！的表示非，否则为是。带<的表示左边，否则是右边。

• (?<=abc)d: 匹配一个d，它的左边是abc。能匹配abcd中的d，不能匹配bbcd中的d
• (?<!abc)d: 匹配一个d，它的左边不是abc。能匹配bbcd中的d，不能匹配abcd中的d
• d(?=abc): 匹配一个d，它的右边是abc。能匹配dabc中的d，不能匹配dbcd中的d
• d(?!abc): 匹配一个d，它的右边不是abc。能匹配db中的d，不能匹配dabc中的d

需要注意d(?=abc)右端断言需要写在d的右边，如果写成是(?=abc)d则对d是无效的。a(?=abc)ab此时右端断言是加在了前面的a上，而不是后面的ab上。
注意点： 断言不占用字符。
例如：用[\d]+?(?=456)匹配1234567456，第一次匹配到123，第二次是从123后面的456开始匹配，因此结果是4567，而不是跳过456从7开始匹配。测试如图：

除此之外还有一个匹配模式(?:pattern)
这个其实跟普通的()没什么不一样，唯一的区别只是(?:pattern)类型的组不参与分组编号，仅此而已。通常用来忽略不重要的组。如图：

(?:\d+)未参与分组编号，第1组是后面的456
其他
对于在正则表达式中有意义的字符需要使用\进行转义，包括：

• () [] {}
• * + ? .
• ^ $ | \
  很有规律的三组字符。

4. 组引用

组引用有两种用法，①用于替换，②用于重复

1. 把匹配到的字符串替换为指定组的内容。如图：
   
2. 重复
   如图所示：
   
   \1引用了前面(\S)匹配到的内容并重复一次。

除此以外还有一种命名组的用法，命名组是为了防止括号过多导致查找分组困难的问题。在()内加上?<groupName>，正则表达式内引用使用\k<groupName>，替换时引用使用$<groupName>即可。使用命名组时1，2，3等数字分组依然是生效的。如图：

5. 正则模式g, i, m,s

1. g 全局模式，开启全局模式后，正则表达式可以从上次结束的地方继续向后查找，而不是每次都从头开始查找。若replace函数使用了全局模式，则相当于replaceAll。（replace默认只替换第一个）
2. i 忽略大小写。开启i模式后，a也可以匹配到A
3. m 多行模式。默认情况下正则就是多行模式，如果要使用单行模式，加上s标识即可。多行与单行的区别是.号的匹配的内容不同。多行模式下.*只匹配第一行，单行模式下.*匹配整个字符串所有的行。
4. s 单行模式。
   测试如下：
   

6. 正则工具使用示例

1. 删除entity中的注释
   
   replaceAll即可删除。注意此处关闭了贪婪匹配，如果不关闭贪婪匹配就会是下面这种情况：
   
   [\s\S]*以最大范围匹配了字符，这显然是不对的。所以可以经常使用[\s\S]*?来最小化匹配范围内的任意内容。
2. 提取entity中的field名字
   先用1中的方式删除注释，再用如图方式提取field名:
   
   
3. 删除trycatch语句，提取trycatch中的内容

正则解释

7. 正则与性能

进行1000万次获取年月日中的年操作。正则与截取字符串对比：

正则需要约810ms，而slice只需要大约12ms。
所以，对于循环中的操作，能用普通字符串函数还是用函数，正则最好在循环外使用。如果不要求性能，那怎么用都可以。
学会了以上的知识，不说100%的情况，至少90%的正则表达式问题都是可以解决的。