2014-10-31-regexp.md

layout	date	title	tags
post	2014-10-23 21:37:48 +0800	regexp_reference	regexp

基础符号

字符串字面值（string literal），来匹配目标字符串的。所谓字符串字面值，就是字面上看到的值.

使用符号

？ 表示    可选
+  一个或多个    
*  0或多
|  选择，or
\  转义

匹配数字: \d ,要匹配非数字字符，可使用包含以下大写字母 D 的简写式：\D。

\D 匹配非数字，同时包括空格（含回车换行）和标点。

\D 与\w 的区别是

\D 会匹配空格、标点符号（引号、连字符、反斜杠、方括号）等字符，而\w 却不会.

\w 匹配 数字，字母和下划线

\W 匹配 空格，标点 和 非字母，非数字

\D 和 \W 的共同点是：都可以匹配空格和标点

\s 空白符，空白不是空格，匹配 换行 和 空格,它会匹配：

1. 空格
2. 制表符（\t）
3. 换行符（\n）
4. 回车符（\r）

与

[ \t\n\r]

表示相同。

. 点号 可以 排除行结束符之外的所有字符

[\w\W] 与 .* 的区别  

[\w\W] 用了互补的集合，来表示“任意字符”，这里和.（点）的概念差不多，但.（点）在默认的情况下是不支持换行符的，用[\w\W]就可以匹配任意的字符，也包括换行符；

匹配单词的边界 \b

简写式\b匹配单词边界，不消耗任何字符； 可以用在从多个单词中查找指定单词，特点是单词周围是空格，所以如果 配置文章中的单词用这个 \bxyz\b, 可以免去 axyz 这种巧合，单独的匹配 单词 xyz。

.+ 可以用于计算行数，简单至极！ 原因是点号通常不会匹配折行符，例如换行符（U+000A）或回车符（U+000D）

sed 是Unix 流编辑器，它支持用正则表达式转换文本。

断言

断言标记边界，但是并不耗用字符.

字符并不会返回到结果中。断言也被称做零宽度断言（zero-widthassertion）。零宽度断言不匹配字符，而是匹配字符串中的位置。

其中的一些，比如^ 和$，也叫做锚位符（anchor） ^ 会匹配行或者字符串的起始位置。

.^$*+?|(){}[]\-

这15 个元字符在正则表达式中有特殊含义，用来编写匹配模式。

如果你在RegExr 上方的文本框中尝试匹配这些字符，则不会看到任何结果.

因为RegExr 会认为这是个正则表达式而不是字符串字面值。现在试一下 \Q$\E

它将匹配$，因为\Q 和\E 之间的任意字符都会被解释为普通字符。

捕获分组和向后引用

当一个模式的全部或者部分内容由一对括号分组时，它就对内容进行 捕获并临时存储于内存中。

量词

贪心、懒惰、占有

量词自身是贪心的。贪心的量词会首先匹配整个字符串。尝试匹配时，它会选定尽 可能多的内容，也就是整个输入。

量词首次尝试匹配整个字符串，如果失败则回退一个字符后再次尝试。这个过程叫做回溯（backtracking）。

它会每次回退一个字符，直到找到匹配的内容或者没有字符可尝试为止。

懒惰（有时也说勉强）的量词则使用另一种策略。

它从目标的起始位置开始尝试寻找匹配，每次检查字符串的一个字符，寻找它要匹配的内容,最后，它会尝试匹配整个字符串。

比如 在 666666 在匹配 6{2,6}， 既可以2个6 就能匹配，也可以6个6才匹配，懒惰就去用两个6去匹配，贪心就去母串中匹配直到6个6.

要使一个量词成为懒惰的，必须在普通量词后添加一个问号（?）。它每次只“吃”一点。

环视是一种非捕获分组，它根据某个模式之前或之后的内容匹配其他模式。环视也 称为零宽度断言。

正前瞻

a(?=b) 匹配:

cabd

只有匹配模式的第一部是被标亮的，环视模式不会标亮。用于前面匹配的要求（帮助把关），但是不会作为匹配。

反前瞻

反前瞻是对正前瞻的取反操作。这意味着要匹配某个模式时，需要在它后面找不到 含有给定前瞻模式的内容。

a(?!b) 匹配:

aab

sdavdabd

必须满足匹配部分要匹配，但不要匹配括号里的内容。

正后顾(正后顾不适用于 javascript)

(?<=a)b

abc

aabd

反后顾(反后顾不适用于 javascript)

(?<!a)b