正则表达式

（首发于 2018 年 8 月 7 日）

正则表达式是由普通字符以及特殊字符（称为“元字符”）组成的文字模式，可以作为模板，用来描述在搜索文本时要匹配的一个或多个字符串。

1. 常见元字符

元字符主要作用有：用来匹配字符、用来匹配位置、用来匹配数量和用来匹配模式。常见的元字符如下表所示。

2. 字符转义

如果需要匹配元字符本身，我们需要用到字符转义来实现，使用 “” 来取消元字符的特殊含义。

例如，需求是匹配?https://yhw-miracle.win/?这个网址时，正则表达式可以写成?https://yhw-miracle.win/。

3. 重复

正则表达式中用于匹配重复的字符串，可以使用限定符描述，简化正则表达式的书写。

4. 字符集合

如果需求是匹配没有预定义元字符的字符集合，例如需求是匹配 a,b,c,d,e 中任意一个字符，可以使用自定义字符集合。正则表达式支持自定义字符集合，用 [] 来实现自定义字符集合，中括号内写要匹配的自定义字符集合。对于上述需求，可以使用 [abcde] 来匹配待定字符串。

中括号内不仅可以写自定义的字符集合，还可以指定自定义字符范围，例如 [0-9] 与 “d” 是等价的，[a-z0-9A-Z_] 与 “w” 是等价的（英文情况下）。

5. 分支条件

正则表达式支持多种匹配规则，满足任意一种规则都是匹配成功，这叫作分支条件，用 “|” 把不同匹配规则分隔开即可。

例如匹配 7－11 位 QQ 号，可以利用分支条件。
正则表达式为：[1-9]d{6} | [1-9]d{7} | [1-9]d{9} | [1-9]d{9} | [1-9]d{10}

6. 分组

对于有规律的字符串，我们可以将其分组，分组每一组，从而写出可以匹配的正则表达式。

需求：匹配 IP 地址。
分析：IP 地址可以分为四组，以 . 分隔开，每一组数字不能大于 255。
正则表达式：((25[0-5] | 2[0-4]d | [0-1]d{2} | [1-9]?d).){3}(25[0-5] | 2[0-4]d | [0-1]d{2} | [1-9]?d).)

正则表达式中使用小括号指定的表达式为一个分组，默认情况下，每一个分组自动有一个组号，从左到右，以分组的左括号为标志，第一个出现的分组组号为 1，第二个出现是分组组号为 2，以此类推。正则表达式可以利用分组号引用前面组的表达式，这叫做后向引用，简化正则表达式的书写。

对于分组，我们也可以自定义分组名，利用自定义分组名引用相应的分组。语法为：(?d+) 或 (?”group”d+)，这样就把 “d+” 的组名定义为 “group” 了。如果要引用这个分组的内容，可以使用 k?来实现。常见的分组形式如下表所示。

7. 反义

如果需求是匹配除了某一类字符集合之外的字符，这时候可以使用反义来实现。

8. 贪婪与懒惰

正则表达式中包含能接受重复的限定符时，通常情况是匹配尽可能多的字符，这是贪婪模式。有时，需求不希望匹配尽可能多的字符，这时可以使用懒惰模式，就是尽可能少的匹配字符，使用 “?” 启用懒惰模式。

9. 处理选项