Regex學習記錄

一，字元匹配
1。 \b  代表著單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標點符號或者換行來分隔的，但是\b並不匹配這些單詞分隔字元中的任何一個，它只匹配一個位置。
2。 .   是另一個元字元，匹配除了分行符號以外的任一字元。
3。 \n 分行符號
4。 \d 匹配一個數字 【0,1,2,3.....】
5。  \w  匹配字母或數字或底線或漢字等
6。  \s  匹配任意的空白符，包括空格，定位字元(Tab)，分行符號，中文全形空格等
7。  ^ 匹配字串的開始
8。  $ 匹配字串的結束
9。  \ 取消字元的特殊意義,當然如何尋找\ 也要用\,那麼就是\\
10。  []  匹配其中的任何一個字元，可以是範圍，也可以是指定的特定的字元
          如果是範圍使用“-”符號，否則直接指定即可
11。  |   相當於編碼中的or 前後只要有一個滿足條件，即可匹配成功。
12。  ()  將括弧中的所有Regex作為一個整體

二，重複匹配數量
1。  *   同樣是元字元，不過它代表的不是字元，也不是位置，而是數量——它指定*前邊的內容可以連續重複使用任意次。
2。  {一個整數} 表示大括弧前面的重複出現的次數
     {一個小整數，一個大整數} 重複匹配的次數，最少不能少於，最大不能大於

        例子：0\d{2}-\d{8}  以0開頭，後面跟兩位元字，以"-"符號串連，後面跟8個數字
3。  +   這裡的+是和*類似的元字元，不同的是*匹配重複匹配任意次(可能是0次)，而+則重複匹配1次或更多次
4。 ?   重複零次或一次，也就是可有可無

三反義，及其他
.    常用的反義
表3.常用的反義代碼 代碼/文法 說明
\W 匹配任意不是字母，數字，底線，漢字的字元
\S 匹配任意不是空白符的字元
\D 匹配任意非數位字元
\B 匹配不是單詞開頭或結束的位置
[^x] 匹配除了x以外的任一字元
[^aeiou] 匹配除了aeiou這幾個字母以外的任一字元
18    (?=exp)  也叫零寬度正預測先行斷言
      (?<=exp) 也叫零寬度正回顧後發斷言

 

 

貪婪與懶惰

當Regex中包含能接受重複的限定符時，通常的行為是（在使整個運算式能得到匹配的前提下）匹配儘可能多的字元。以這個運算式為例：a.*b，它將會匹配最長的以a開始，以b結束的字串。如果用它來搜尋aabab的話，它會匹配整個字串aabab。這被稱為貪婪匹配。

有時，我們更需要懶惰匹配，也就是匹配儘可能少的字元。前面給出的限定符都可以被轉化為懶惰匹配模式，只要在它後面加上一個問號?。這樣.*?就意味著匹配任意數量的重複，但是在能使整個匹配成功的前提下使用最少的重複。現在看看懶惰版的例子吧：

a.*?b匹配最短的，以a開始，以b結束的字串。如果把它應用於aabab的話，它會匹配aab（第一到第三個字元）和ab（第四到第五個字元）。

為什麼第一個匹配是aab（第一到第三個字元）而不是ab（第二到第三個字元）？簡單地說，因為Regex有另一條規則，比懶惰／貪婪規則的優先順序更高：最先開始的匹配擁有最高的優先權——The match that begins earliest wins。

表5.懶惰限定符

代碼/文法	說明
*?	重複任意次，但儘可能少重複
+?	重複1次或更多次，但儘可能少重複
??	重複0次或1次，但儘可能少重複
{n,m}?	重複n到m次，但儘可能少重複
{n,}?	重複n次以上，但儘可能少重複