标签：正则表达式
这不是入门级文章，但如果你对正则表达式有了解，或使用过，也许能帮助你快速回忆。阅读此文需要你之前使用过正则表达式或者有些了解，因为我没有写很多的例子。总结正则表达式，只是因为个人在几年的积累之后，想通俗简单的概述正则表达式是什么，能做什么。网上有很多关于正则表达式，但总感觉专业术语太多，读起来太拗口或绕弯子。最后两小节来自正则表达式30分钟入门教程，有部分修缮。
正则表达式字符串由两种基本字符组成：原义文本字符和元字符。所谓元字符就是正则表达式中具有特殊意义的专用字符。
一个元字符可能代表的是一个数字、字母、位置或数量。
代码 | 说明 |
. | 匹配除换行符以外的任意字符 |
\w | 匹配字母或数字或下划线或汉字 |
\s | 匹配任意的空白符 |
\d | 匹配数字 |
\S | 与\s相反 |
\D | 与\d相反 |
\W | 与\w相反 |
代码 | 说明 |
* | 重复零次或更多次 |
+ | 重复一次或更多次 |
? | 重复零次或一次 |
{n} | 重复n次 |
{n,} | 重复n次或更多次 |
{n,m} | 重复n到m次 |
代码 | 说明 |
\b | 匹配单词的开始或结束 |
\B | 不是单词开头或结束的开始 |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结束 |
既然元字符在正则表达式中有特殊意义，如果现在要把它们当成一般原义文本字符，怎么办？在元字符前添加反斜杠\，表示当前元字符已经失去了正则表达式中的特殊意义，变成了一个原义文本字符。
代表字符的元字符范围太广，如果只是想匹配某小范围内的字符，该怎么办？
很简单，使用方括号列出来即可。如[aeiou]或[.?!]，表示只能从出现方括号中出现的字符。
需要注意的是：在这个方括号中，前面的所有元字符都不再是元字符，只有一个是元字符，就是连字符-。
在预定义字符集中，可以使用转义字符。
有时只需要查找不属于某个简单定义的字符集的字符，这就是反义。
代码 | 说明 |
\W | 匹配任意不是字母，数字，下划线，汉字的字符 |
\S | 匹配任意不是空白符的字符 |
\D | 匹配任意非数字的字符 |
\B | 匹配不是单词开头或结束的位置 |
[^x] | 匹配除了x以外的任意字符 |
[^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |
这相当于或语句，具体方法是用垂直线|把不同的规则分隔开。如0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。
所谓分组，其实就是把小括号（）中正则表达式作为一个小的匹配单元。
分组的作用有两个：
小组后跟代表数量的元字符有一个问题需要注意：感觉应该是生成了若干个小组，但其实就是一个分组，因为组号是解析器解析的时候给的，代表小组的字符串在整个正则表达式字符串中只出现了一次，所以只分配了一个唯一的组号。因此，正则表达式执行完后，这个组匹配的内容是最后一次匹配的内容。
比如：
/(\d{1,3}\.){3}\d{1,3}/g.exec("201.202.203.204");
结果：["201.202.203.204", "203."]
后面的正则表达式通过组号引用前面分组匹配的内容，这个就叫后向引用。组号的规则是：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，依此类推。引用的时候记得在组号前加上斜杠。
比如：
/\b(\w+)\b\s+\1\b/.test("hellohello"); // true
/\b(\w+)\b\s+\1\b/.test("hellohell"); // false
分组的语法：
代码/语法 | 说明 |
(exp) | 匹配exp,并捕获文本到自动命名的组里 |
(?<name>exp) | 匹配exp,并捕获文本到名称为name的组里，也可以写成(?‘name‘exp) |
(?:exp) | 匹配exp,不捕获匹配的文本，也不给此分组分配组号 |
零宽断言像\b、^、$一样用于指定一个位置，但这个位置应该满足一定的条件，这个条件就是断言。因为这个断言不会像分组一样有组号，不消耗匹配的字符串，所以称之为零宽断言。
代码/语法 | 说明 |
(?=exp) | 断言这个位置的后面，一定有匹配exp的内容； |
(?<=exp) | 断言这个位置的前面，一定有匹配exp的内容； |
(?!exp) | 断言这个位置的后面，一定没有匹配exp的内容 |
(?<!exp) | 断言这个位置的前面，一定没有匹配exp的内容 |
注释用(?#comment)表示。
一段固定的正则表达式，它所能匹配的可能是整个字符串，也可能只是整个字符串的一部分。假如出现一段正则表达式既能匹配整个字符串，也能只匹配部分该如何处理？
/h.*o/.exec("hello ho"); // ["hello ho"]
/h.*?o/.exec("helloho"); // ["hello"]
以上这个例子中，匹配hello使用的是懒惰匹配，而没有问号限定的则是使用的贪婪匹配。
所谓贪婪匹配就是尽可能多的重复，以匹配尽可能多的字符。反之，懒惰匹配就是匹配尽可能少的字符。默认是贪婪算法，只有在表示数量的元字符后使用了懒惰限定符（也就是问号）才表示这个地方使用懒惰算法。
懒惰限定符 | |
语法 | 说明 |
*? | 重复任意次，但尽可能少重复 |
+? | 重复1次或更多次，但尽可能少重复 |
?? | 重复0次或1次，但尽可能少重复 |
{n,m}? | 重复n到m次，但尽可能少重复 |
{n,}? | 重复n次以上，但尽可能少重复 |
前面讲的所有匹配都是线性的，对于匹配像( 100 * ( 50 + 15 ) )这样的可嵌套的层次性结构，则上面的一切方法都没用。因为你不可能知道括号什么时候出现，而且如果左括号和右括号出现的次数不相等怎么办？如何匹配到最长的，配对的括号之间的内容？
这里需要用到以下的语法构造：
为了避免(和\(把你的大脑彻底搞糊涂，我们还是用尖括号代替圆括号吧。现在我们的问题变成了如何把xx <aa <bbb> <bbb> aa> yy这样的字符串里，最长的配对的尖括号内的内容捕获出来？
< #最外层的左括号
[^<>]* #最外层的左括号后面的不是括号的内容
(
(
(?‘Open‘<) #碰到了左括号，在黑板上写一个"Open"
[^<>]* #匹配左括号后面的不是括号的内容
)+
(
(?‘-Open‘>) #碰到了右括号，擦掉一个"Open"
[^<>]* #匹配右括号后面不是括号的内容
)+
)*
(?(Open)(?!)) #在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败
> #最外层的右括号
常用转义字符及其他部分元字符 | |
代码/语法 | 说明 |
\a | 报警字符(打印它的效果是电脑嘀一声) |
\b | 通常是单词分界位置，但如果在字符类里使用代表退格 |
\t | 制表符，Tab |
\r | 回车 |
\v | 竖向制表符 |
\f | 换页符 |
\n | 换行符 |
\e | Escape |
\0nn | ASCII代码中八进制代码为nn的字符 |
\xnn | ASCII代码中十六进制代码为nn的字符 |
\unnnn | Unicode代码中十六进制代码为nnnn的字符 |
\cN | ASCII控制字符。比如\cC代表Ctrl+C |
\A | 字符串开头(类似^，但不受处理多行选项的影响) |
\Z | 字符串结尾或行尾(不受处理多行选项的影响) |
\z | 字符串结尾(类似$，但不受处理多行选项的影响) |
\G | 当前搜索的开头 |
\p{name} | Unicode中命名为name的字符类，例如\p{IsGreek} |
标签：正则表达式
原文地址：http://blog.csdn.net/woxueliuyun/article/details/45012365
