正则表达式

什么是正则表达式

正则表达式是一组由字母和符号组成的特殊文本，是一种用于匹配和操作文本的强大工具，它可以在文本中查找、替换、提取你想要的文字，也可以用来验证特定的字符组成模式。一个正则表达式一般从左到右匹配主体字符串，常使用缩写的术语“regex”或“regexp”。

工具和基本语法

正则表达式一般以\<regex>\<flag>的形式存在，不同软件可能存在差异。<regex>就是我们需要输入的匹配规则，而<flag>则用于标记匹配模式。

<flag>总共有：

• g: 全局匹配
• i: 忽略大小写
• m: 多行匹配
• s: 单行匹配
• y: 贪婪模式，匹配尽可能多的字符

⚠️⚠️⚠️<flag>标记在不同版本的正则表达式中的差距可能很大，具体请参考正则表达式版本

测试工具

正则表达式测试工具：

RegExr: Learn, Build, & Test RegEx

基本规则

我们利用<regex>来进行文本匹配

• at: 匹配文本中的at字符
• at.: 匹配文本中at加除换行符外的任意一个字符，.表示匹配除换行符外的任意一个字符
• []: 表示字符集合，[et]表示匹配e或t，at[et]，表示匹配at后跟一个e或一个t的字符，相当于匹配ate或att。
  • 方框内的字符还可以用短横线连接表示一个字符范围，如[a-zA-Z]表示匹配所有大小写字母
  • 方框内还可以使用^号来表示取反，如[^a-z]表示匹配除了小写字母外的所有字符

❗❗❗ 方框内的^号才表示取反，方框外的不表示取反

预定字符类

• \d: 表示数字，和[0-9]的作用一致。
• \D: 表示非数字
• \w: 表示字母，数字或下划线
• \W: 表示非字母，数字或下划线
• \s: 表示空白字符，如空格，Tab
• \S: 表示非空白字符，非空格，Tab

位置和边界匹配

• ^: 匹配每一行的开头，如^a表示匹配以a开头的每一行

• $: 匹配每一行的结尾，如^b表示匹配以b结尾的每一行

• \b: 表示单词的边界，如\bin表示匹配以in开头的字符，而in\b则表示匹配以in结尾的字符

• \B: 表示非单词边界的匹配

量词

+: 表示字符重复一次或多次，如at+表示at中t重复一次或多次，会匹配at, att, attt等
*: 表示字符重复0次或多次
?: 表示字符重复0次或一次
{}: 指定的重复次数，如{3}表示重复3次，{3,5}表示重复3到5次，{3,}表示至少重复3次，如果只想匹配重复3次的字符串，可以用{3,}?来表示非贪婪模式

分组和引用

• 使用()来就创建分组，如(at){3,}?表示匹配at整体重复3次的字符串
• 使用()创建的分组可以用$+数字来进行捕获，比如$1表示捕获第一个分组的内容
• 在匹配字符前加?:表示非捕获分组，这一部分不能被捕获，如(?:\d{1,2})表示匹配一到两个数字但不捕获它

如果我们想匹配单词的开头和结尾都是相同字母的字符串，可以用\b([a-z])[a-z]*\1\b来进行匹配，其中\1表示引用前面的第一个分组内容([a-z])

前瞻后顾

示例内容：

$100
$200
$abd
$deg

• 正向前瞻：仅匹配数字前的$，\$(?=\d+)
• 负向前瞻：仅匹配非数字前的$，\$(?!\d+)
• 正向后顾：仅匹配$后面的数字，(?<=\$)\d+
• 负向后顾：仅匹配非$后面的数字，(?<!\$)\d+

正则表达式版本

• POSIX基本 BRE
• POSIX拓展 ERE
• Perl兼容正则表达式 PCRE
• Python, Javascript等

不同版本的正则表达式兼容情况不一样，并非所有特性都支持，如果出现匹配不到的情况，也许并非写的正则表达式不正确，而是版本不支持，详细支持情况请参考官方文档

• re — Regular expression operations — Python 3.12.4 documentation
• BRE vs ERE (sed, a stream editor) (gnu.org)
• 正则表达式的不同风格：BRE、ERE、PCRE - 吴奇灵的博客 (wqlblog.cn)

参考

• 正则表达式 – 语法 | 菜鸟教程 (runoob.com)
• 正则表达式学习笔记（超级详细！！！）| 有用的小知识-CSDN博客
• 30分钟正则表达式教程