精通正则表达式

部门内部培训的时候写的资料，系统化讲解了正则表达式，有点难理解，不明白的可以留言。

用途

正则表达式是一种匹配文本中字符序列的字符模式。

主要用途

• 查找字符序列；
• 对字符序列进行符合性测试。
• 简单的归结一句话：判断一个字符序列是否与一个模式相匹配

使用场景

• 文本编辑工具：vim、word等
• Linux命令工具：sed、grep、目录匹配等
• 开发语言：java、scala、python、mysql等

使用难点

• 空格会导致含义改变
• 没有统一的语法标准
• 各种实现之间有差别
• 不同环境下的字符含义不同
• 一个问题对应多个解决方法 

语法

• 直接量字符，特定的字母序列或者数字
• 限定符，设定匹配的次数
• 元字符，就是用于传达非自身含义的字符。
• 修饰符，用来修饰如何完成搜索。
• 字符类，字符类用于匹配字符集合中的任何一个字符
• 位置元字符，匹配位置的元字符
• 圆括号，可以创建一个或者多个字符边界

直接量字符

• 匹配单个字符，只需要使用由相应的字符或者数字组成模式就可以。例如匹配大写字母A，用A模式就可以。
• 匹配多个字符序列，多个字符序列组成的模式。例如匹配rr字符串的模式，用rr就可以。
• 如果模式中不设定一个限定符来指定次数，默认模式中的字符或者字符序列恰好出现一次。

限定符

• 匹配可选字符，？模式表示出现零次或者一次，例如，匹配sen和shen，可以用模式sh?en
• *限定符，匹配零次或者多次。例如，abc，abc12，abc123三个字符串可以用模式abc[0-9]*
• +限定符，匹配一次或者多次
• {n}，匹配多次abc[0-9]{3}
• {n,m}，最少匹配n次，最多匹配m次。例如{0，m}，{n,}代表至少n次，最多无限次

元字符

• 元字符，匹配任何字母字符，也可以匹配数字。优势是使用广泛、劣势替换是使用比较危险。
• \w元字符，匹配英文字母字符、数字和下划线。不匹配象形文字，标点符号。
• \W元字符，匹配\w不匹配的字符。
• \d元字符，匹配0~9的数字
• \D元字符，匹配\d不匹配的字符。
• \s元字符，匹配任何单个空白字符。可以匹配一个空格符、一个制表符和一个换行符。
• \S元字符，任何非空白字符，换行符能不能匹配根据具体设置
• \t元字符，匹配制表符
• \n元字符，匹配换号符
• \元字符，可以用来转移元字符。例如\.代表直接量字符.

字符类

• 两个字符选择，wen和ren字符可以用[wr]en模式匹配，这种情况也可以用圆括号表示。
• 和限定符连用，字符串可以与限定符连用，注意AA23和BB19，[AB][0-9]*模式会匹配
• \b、-、^、$在字符串中都要特殊含义，\b代表退格符、-代表分隔符、^代表取反，$代码本身
• 字符类中使用范围，使用范围是模式更简单，例如[a-z]、[A-Z]、[0-9]、[a-zA-Z]、[A-z]
• 反转字符范围，用^元字符对范围取反，例如[^a-z]代表匹配非[a-z]的字符,^不在首位代表字符本身。
• -字符代表连接符，-放到[之后代表本身
• 组合取反，[A-Z&&[^B-D]]，匹配A-Z直接但是不在B-D之间

位置元字符

• ^元字符，匹配一行或者字符串开始位置
• $元字符，匹配一行或者字符串的结束位置
• 匹配空白行，^$
• \<元字符，匹配词的开始边界，它的前面包括一个非字母字符或者一行的开始
• \>元字符，匹配词的结尾边界。
• \b元字符，匹配词的边界
• \B元字符，匹配非词的边界

圆括号

圆括号和限定符，例如，需要匹配多个字符出现多次，可以用圆括号包括字符和限定符结合，（A\d）{3}可以匹配A1A2A3
交替选择，可以支持二选一和多选一，和|结合，|代表逻辑或的意思，例如（a|b）、（wen|wsl）

灵敏度和特殊性

• 尽可能确保匹配想要匹配的文本和尽可能的匹配不想要匹配的文本
• 灵敏性是指模式匹配的能力。特殊性是指模式选择的字符序列是所要选择的字符序列的能力
• 灵敏度越高，则表明找到的真正匹配项数量接近要找的全部匹配项。而特殊性（针对性）越高，则表明找到的匹配项中正确的匹配项越多。
• 正确的个数、找到的个数、要找的个数
• 灵敏度=正确的/要找的，特殊性=正确的/找到的
• 例如要找100个，实际找到150个，而其中有100个正确的，则灵敏性为100%，特殊性为66.7%
• 极端的灵敏性和糟糕的特殊性，假设从文本中匹配ABC，使用模式.*，灵敏度很容易达到100%, 但是特殊性太差，会匹配所有的字符。
• 灵敏度和特殊性的平衡，100%的灵敏性和100%的特殊性是理想状态。
• 一般来说使用的元字符越多，特殊性越高，同时也有可能降低灵敏性。
• 要了解处理的数据，只有真正了解数据才能提高灵敏性和特殊性。
• 缩写词、非英文字符、拼写错误等都需要考虑

注意的问题

• 代码中说明正则表达式的用意，同时要加注释
• 表达式中不要使用多余的空格
• 元字符在表达式中需要转义，使用\转义
• 能使用字符串函数不要使用正则表达式，因为正则表达式容易出错、性能低

具体使用

word

Vim

• Vim中使用/正则表达式进行搜索，使用:s/正则表达式/替换字符串/选项进行替换
• 与标准语法区别

java

• Java中使用java.util.regex包实现正则表达式
• Pattern 对象是一个正则表达式的编译表示。
• Matcher 对象是对输入字符串进行解释和匹配操作的引擎。。
• PatternSyntaxException 是一个异常类，它表示一个正则表达式模式中的语法错误。
• Java中基本支持正则表达式的标准语法

scala

• Scala支持原生正则表达式，使用Regex类表示
• Scala 的正则表达式继承了 Java 的语法规则

Mysql

• Mysql中使用REGEXP操作符使用正则表达式
• Mysql支持的语法