标签：pat   表达   结束   通配符   指定   表示范围   除了   name   lan   

正则

元字符

元字符：.^$+?{}[]|()\

.   通配符（除\n的任何字符）
\d  数字
\s  空白字符
\w  字母或数字或下划线或汉字
\b  特殊字符边界（匹配单词边界，不匹配任何字符。要防止转义字符串前面加r）
^   开始
$   结束

字符转义

\用来转义匹配元字符 匹配\ 需要用\

字符类

字符范围

[] 从字符集里匹配一个 可以使用a-z a,z表示范围 [.?!] 匹配标点符号(.或?或!)

例子：

[\u4E00-\u9FA5] 匹配汉字

重复匹配

*   0~无穷（可以按照0*True，结果为0）尽可能多的匹配
+   1~无穷（可以按照0+True，结果为True）
?   出现0~1次(取最少)非贪婪匹配

{n,m}   n-m次
{n,}    多于n次
{0，}==*        {0,1}==？   {1，}==+

例子：
手机号码的正则：

^1[3|5|8]\d{9}$

贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始以b结束的字符串。如果用它来搜索 aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号？ 这样.*？就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧a*b匹配最短的，以a开始，以b结束的字符串。如果把它应用于abab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

为什么第一个匹配是aab（第一到第三个字符）而不是b（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰/贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权——The match that beginsearliest wins。

默认贪婪匹配（从后往前匹配）

非贪婪（从前往后）在贪婪后面加?

|分支条件(或匹配)

\d{5}-\d{4}|\d{5}这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个例子是因为它能说明一个问题：使用分枝条件时，要注意各个条件的顺序。如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配位的邮编（以及9位邮编的前5位）。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

()分组

(\d{1,3}.){3}\d{1,3}是一个简单的地址匹配表达式。要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数字，(\d{1,3}.){3}匹配三位数字加上一个英文句号这个整体也就是这个分组）重复3次，最后再加上一个一到三位的数字(\d{1,3})

使用小括号指定一个子表达式后，匹配这个子表达式的文本（也就是此分组捕获的内容）可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

不幸的是，它也将匹配256.300888999这种不可能存在的|P地址。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的|P地址：(2[0-4]\d|25[0-5]|[01]?\d\d?\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

var s=‘JavaScript and Java‘
var p=/\bJava(\w+)\b/
p.exec(s)[0]　　　　//结果为："JavaScript"
p.exec(s)[1]　　　　//结果为："Script"

反义

有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义。

常用反义代码：

例子：

\S+ 匹配不包含空白字符的字符串
<a[^>]+>    匹配尖括号包起来的a开头的字符串

非获取匹配：

\w(?=pattern)　　正向肯定匹配
(?<=pattern)\w　　逆向肯定匹配
\w(?!pattern)　　正向否定匹配
(?!pattern)\w　　反向否定匹配

后向引用

\b(\w+)\b\s+\1\b　　\1表示第一个分组的内容　　用来匹配重复相邻的单词：go go

你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>\w+)或者把尖括号换成‘也行：(?‘Word‘\w+)，这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k<Word>，所以上一个例子也可以写成这样：(?<Word>\w+)\b\s+\k<Word>\b。

实用小括号是还有很多用法，列举下常用的：

零宽断言

接下来的四个用于查找在某些内容（但并不包括这些内容）之前或之后的东西，也就是说它们像b，^，$那样用于指定一个位置，这个位置应该满足一定的条件即断言），因此它们也被称为零宽断言。最好还是拿例子来说明吧：

断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。

(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分（除了ing以外的部分），如查找I‘m singing while you‘re dancing时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身岀现的位置的前面能匹配表达式exp。

比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分除了re以外的部分），例如在查找 reading a book时，它匹配ading假如你想要给一个很长的数字中每三位间加一个逗号（当然是从右边加起了），你可以这样查找需要在前面和里面添加逗号的部分：((?<=\d)\d{3})+\b，用它对1234567890进行查找时结果是234567890。

下面这个例子同时使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字再次强调，不包括这些空白符）

反向零宽断言

\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的单词。但是如果多做测试（或者你思维足够敏锐，直接就观察出来了），你会发现，如果q出现在单词的结尾的话，像iraq,Benq，这个表达式就会出错。这是因为[^u]总要匹配一个字符，所以如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符（可能是空格，或者是句号或其它的什么），后面的\w*\b将会匹配下一个单词，于是\b\w*q[^u]\w*\b就能匹配整个Iraqfighting。负向零宽断言能解决这样的问题，因为它只匹配一个位置，并不消费任何字符。现在，我们可以这样来解决这个问题：\b\w*q(?!u)\w*\b。

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

同理，我们可以用(?<!exp)，零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp:(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

请详细分析表达式(?<=<(\W+)>).*(?=<\/\1>)，这个表达式最能表现零宽断言真正用途。

一个更复杂的例子:(?<=<(\W+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内里的内容。(?<=<(w+)>)指定了这样的前缀:被尖括号括起来的单词(比如可能是)，然后是.*(任意的字符串)最后是一个后缀(?=</\1>)。注意后缀里的/，它用到了前面提过的字符转义；\则是一个反向引用，引用的正是捕获的第一组，前面的(W+)匹配的内容，这样如果前缀实际上是的话，后缀就是了。整个表达式匹配的是和之间的内容（再次提醒，不包括前缀和后缀本身）