正则表达式

Regular Expression(正则表达式)

1、简介

正则表达式：由普通字符和特殊字符组成的字符串，这个字符串构成了一个搜索模式（pattern），被用来在文本中进行搜索、匹配、替换或分割操作。

​语法格式： /pattern/flags pattern 表示模式 flags 表示修饰符

主要用途

• 文本搜索与匹配：快速判断一段文本中是否包含符合特定模式的子串。
• 文本替换：将文本中所有匹配特定模式的部分替换为新的内容。
• 文本提取与分割：从一大段文本中精确地提取出我们关心的部分，或者根据特定的分隔符将文本切分成数组。

应用场景

• 数据验证：确保用户输入的数据符合预期的格式。
• 文本搜索与过滤：大量文本中快速定位信息。
• 文本替换与清洗：批量修改文本内容，使其规范化。
• 文本提取与解析：从非结构化的文本中提取结构化的数据。
• 字符串分割：使用复杂的规则，而不仅仅是单个字符，来分割字符串。

2、正则表达式字符和特性

字符匹配

• 普通字符：包括没有显式指定为元字符的所有可打印和不可打印字符。

  ASCII可打印字符：空格，数字，字母，标点符号和符号

  ​ 非打印字符：换行\\n，回车\\r，制表\\t等控制字符

• 元字符：元字符具有特殊的含义。

基本元字符

• .：匹配任意字符（除了换行符）。
• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• \\：转义字符，用于匹配特殊字符本身。

量词元字符（限定符）

限定符出现在范围表达式之后，因此它应用于整个范围表达式

• *：匹配前面的模式零次或多次。
• +：匹配前面的模式一次或多次。
• ?：匹配前面的模式零次或一次。
• {n}：匹配前面的模式恰好 n 次。
• {n,}：匹配前面的模式至少 n 次。
• {n,m}：匹配前面的模式至少 n 次且不超过 m 次。

*，+ 限定符都是贪婪的，它们会尽可能多地匹配文字。在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配

边界匹配元字符（定位符）

• \\b：匹配单词边界。
• \\B：匹配非单词边界。

不能将限定符与定位符一起使用

分组和选择元字符

• ( )：用于分组和捕获子表达式。
• (?: )：用于分组但不捕获子表达式。
• |：“或”关系

正向和负向预查

• ?=：exp1(?=exp2)：查找 exp2 前面的 exp1（正向前查）
• ?<=：(?<=exp2)exp1：查找 exp2 后面的 exp1（正向后查）
• ?!：exp1(?!exp2)：查找后面不是 exp2 的 exp1（负向前查）
• ?<!：(?<!exp2)exp1：查找前面不是 exp2 的 exp1（负向后查）

字符类元字符

• [ ]：匹配括号内的任意一个字符。例如，[abc] 匹配字符 “a”、“b” 或 “c”。
• [^ ]：匹配除了括号内的字符以外的任意一个字符。例如，[^abc] 匹配除了字符 “a”、“b” 或 “c” 以外的任意字符。
• -：在字符类中表示范围

特殊字符类元字符

• \\d：匹配任意数字，等价于 [0-9]
• \\D：匹配任意非数字，等价于 [^0-9]
• \\w：匹配任意单词字符(字母、数字、下划线)，等价于 [a-zA-Z0-9_]
• \\W：匹配任意非单词字符，等价于 [^a-zA-Z0-9_]
• \\s：匹配任意空白字符(空格、制表符、换行符等)
• \\S：匹配任意非空白字符

其他元字符

• \\n：匹配换行符
• \\t：匹配制表符
• \\r：匹配回车符
• \\f：匹配换页符
• \\v：匹配垂直制表符

3、修饰符

正则表达式修饰符（也称为模式修饰符或标记）是用于改变正则表达式匹配行为的特殊指令

i (ignore case) – 忽略大小写

• 使匹配不区分大小写。示例：/abc/i 可以匹配 “abc”, “Abc”, “ABC” 等

g (global) – 全局匹配

• 查找所有匹配项，而不是在第一个匹配后停止。示例：在字符串 “ababab” 中，/ab/g 会匹配所有三个 “ab”

m (multiline) – 多行模式

• 改变 ^ 和 $ 的行为，使其匹配每行的开头和结尾，而不仅是整个字符串的开头和结尾。示例：在多行字符串中，/^abc/m 会匹配每行开头的 “abc”

s (single line/dotall) – 单行模式

• 使点号 . 匹配包括换行符在内的所有字符
• 在JavaScript中称为"dotall"模式，使用 /s 修饰符。示例：/a.b/s 可以匹配 “a\\nb”

u (unicode) – Unicode模式

• 启用完整的Unicode支持
• 正确处理UTF-16代理对和Unicode字符属性。示例：/\\p{Script=Greek}/u 可以匹配希腊字母

y (sticky) – 粘性匹配

• 从目标字符串的当前位置开始匹配（使用lastIndex属性）
• 类似于^锚点，但针对的是匹配的起始位置。示例：在JavaScript中，/a/y 会从lastIndex开始匹配 “a”

x (extended) – 扩展模式

• 忽略模式中的空白和注释，使正则表达式更易读。示例：在PHP中，/a b c/x 等同于 /abc/

4、运算优先级

优先级从高到低的顺序

• 转义符号： \\ 是用于转义其他特殊字符的转义符号。它具有最高的优先级。

• 括号： 圆括号 () 用于创建子表达式，具有高于其他运算符的优先级。

• 量词： 量词指定前面的元素可以重复的次数。

• 字符类： 字符类使用方括号 [] 表示，用于匹配括号内的任意字符。

• 断言： 断言是用于检查字符串中特定位置的条件的元素。

  示例：^ 表示行的开头，$ 表示行的结尾。

• 连接： 连接在没有其他运算符的情况下表示字符之间的简单连接。

  示例：abc 匹配 “abc”。

• 管道： 管道符号 | 表示"或"关系，用于在多个模式之间选择一个。

  示例：cat|dog 匹配 “cat” 或 “dog”。