正则表达式

正则表达式的概念

• 使用单个字符串来描述,匹配一系列符合某个句法规则的字符串.

元字符

特殊字符

反义

字符转义

• 如果要匹配.?之类的符号使用转移

重复模式

• 重复后什么也不加--贪婪模式
• 重复后加?--懒惰模式

分支条件

• 用|把不同的规则分隔开
• 从左到右地测试每个条件,如果满足某个分支的话就不去管其它的条件

字符类

• [0-9]==d
• [a-z0-9A-Z]==w
• [&?.]
• []
• .==[^n]

括号的作用

• 限制多选项的范围
• 将若干个字符组合为一个单元,受*?+量词作用
• 记忆包含的文本

非捕获型括号

• (?:)不会记忆该括号中的内容,不会产生$

反向引用

• 用括号括起来的内容可以被记忆,可以使用序列12来匹配前面括号匹配中的文本,数字取决于是第几个括号
• 分组命名(?<name>exp)

环视功能

• 环视功能不匹配任何字符,只匹配文本中的特定位置,这一点与单词分界符「b」、锚点「^」和「$」相似。但是，环视比它们更加通用。

• 环视不会占用字符

• 环视类型

  • 顺序环视(?=...),从左至右匹配位置.该位置右边是...
  • 逆序环视(?<=...),从右向左匹配位置.该位置左边是...

• 实例:(?=Jeffrey)Jeff可以匹配by Thomas Jeffery,不可以匹配Jefferson,因为(?=Jeffery)无法找到位置.

• (?<=Jeff)(?=s)匹配Jeff(位置)s 顺序环视和逆序环视前后顺序是无关紧要的

  类型	正则表达式	匹配成功的条件
  肯定顺序环视	(?=...)	子表达式可以匹配右侧文本
  肯定逆序环视	(?<=...)	子表达式可以匹配左侧文本
  否定顺序环视	(?!...)	子表达式不可以匹配右侧文本
  否定逆序环视	(?<!...)	子表达式不可以匹配左侧文本

元字符优先级

平衡组//递归匹配

• (?‘group‘)把捕获的内容命名为group并且压入堆栈.
• (?‘-group‘)从堆栈上弹出最后压入堆栈的名为group的捕获内容,如果堆栈本来为空,则匹配失败.
• (?(group)yes|no)如果堆栈上存在以group为名的捕获内容,继续匹配yes的内容,反之匹配no的内容.
• (?!)零宽负向先行断言,由于没有后缀表达式,试图匹配总是失败.

经验之谈

• .*会一直匹配到一行的结束,如果不需要匹配反斜线,可以将每个点号替换为"[^n]"
• 处理各种极端情况会降低成本/收益的比例,合适的做法就是不依赖于正则表达式,可以用括号将每个字段括起来,把数字变成程序中的$1,$2,$3,然后进行检验.
• 多选结构应将可能匹配次数多的子表达式放到前面,以减少回溯.
• 加号和星号不要作用于一个元素,会产生大量回溯.

效率

• 消除不必要的括号和字符组
• 不确定的字符用量词优化,确定的字符不要用两次优化.ddd<d{3};111>1{3}.
• 使用非捕获型括号时,字符串结束/行锚点优化会被关闭.(000|999)$>(?:000|999).
• 使用非捕获型括号不但能够提高速度,而且会减少回溯使用的状态的数量.
• 使用锚点^或$,最好将锚点提取出来
• 从量词中提取必须的元素,xx*代替x+,或者用----{0,2}代替-{4,6}.
• 减少匹配长度

实例

• IP--------------------------------b(1?d?d|2[0-4]d|25[0-5]).(1?d?d|2[0-4]d|25[0-5]).(1?d?d|2[0-4]d|25[0-5]).(1?d?d|2[0-4]d|25[0-5])b
• .*单个字符匹配任意次,贪婪匹配.
• .*?满足情况的最小匹配,懒惰匹配.
• 匹配HTML的tag---------------------------------<("[^"]*"|‘[^‘]*‘|[^‘">])*>即<"文本">或<‘文本‘>或<文本>