正则表达式--入门篇
前言
编程多年，经常会用到正则表达式，但是从没系统学习过，一般都是从网上copy一个，能用就行，而不明白具体的语法和原理。
为了开发validator功能，系统学习了下正则表达式的相关内容，做一下记录。
本系列文章分入门/基础/进阶/高级/常用共五篇，通过由浅入深的方式来讲解正则表达式的语法。
如果你想系统学习正则表达式，相信这几篇文章会很有帮助。
本文是第一篇，入门部分，主要介绍如何匹配单个字符、匹配一组字符和元字符。
什么是正则表达式
正则表达式并不是一种程序设计语言，是内置于其他语言或软件中的用来匹配和处理文字的字符串。
正则表达式有个特点，同一个问题往往都会有多种解决方案，挑选自己喜欢的就好。
匹配单个字符
- 匹配普通文本: 文本
- 匹配任意字符: .
- 匹配特殊字符，参考元字符章节。
示例: /focus/，用来匹配"focus"文本。
匹配一组字符
-
匹配多个字符中的某一个: []
- []中可以放任意多个字符，字符集合中的各个字符之间是OR的关系，匹配其中之一即可。
- 示例: /[AB]/，用来匹配字母A或B中的一个。
-
字符集合区间: [A-Z]
- 为了简化频繁用到的一些字符区间(比如所有字母，所有数字)，正则表达式提供了一个特殊的元字符-来定义字符区间。
- 区间的尾字符一定要大于首字符，否则是没有意义的，比如/[9-6]/就是一个非法的区间。
- -只有在[]字符集合中才是元字符，在[]集合以外的地方是普通字符。
- 示例: /[A-Za-z0-9]/，用来匹配字母和数字字符。
-
排除一组字符: [^0-9]
- 字符集合用来指定一组必须匹配其中之一的字符，而某些情况下，需要指定一组不需要的字符，即排除字符集合中指定的字符(比如排除数字)。
- 用元字符^排除某个字符集合，其作用于给定集合里的所有字符或字符区间，而不仅限于^后的那个字符或字符区间。
注意^有多种用途，只有出现在[]里，并且紧跟左侧[后面时，它才会表示排除该字符集合，如果出现在[]之外并位于模式的开头，^将匹配字符串的起始位置。 - 示例: /[^0-9]/，用来排除数字字符。
元字符(特殊字符)
- 元字符是在正则表达式中有特殊含义的字符，其代表的并不是字符本身
-
元字符分两类
- 符号元字符，比如:[],{}，如果想要使用这些字符本身，必须使用\进行转义。
比如，要匹配"arr[0]"字符串，要用/arr\[[0-9]\]/来匹配。
一般来说，当在字符集合[]里使用的时候，像.和+这样的元字符将被解释为普通字符，不需要转义，但转义的也没有坏处。[\w.]和[\w\.]是一样的。 - \字母元字符，比如:\s,\d，某些字母通过\进行了转义，就变成了元字符来表示特殊的含义，
只有对\s,\d这些特殊字母通过\转义以后，它们才是元字符，否则只是普通字符，这和.\[正好相反，而且区分大小写，\d,\D意义完全不同。
- 符号元字符，比如:[],{}，如果想要使用这些字符本身，必须使用\进行转义。
-
匹配空白字符(非打印字符)
- \r: 匹配回车符
- \n: 匹配换行符
- \t: 匹配制表符(Tab)
- \v: 匹配垂直制表符
- \f: 匹配换页符
-
匹配特定的字符类型
-
数字
- \d: 匹配任意一个数字字符(等价于[0-9])
- \D: 匹配任意一个非数字字符(等价于[^0-9])
-
字母数字(alphanumeric|字母\数字\下划线)
- \w: 匹配任意一个字母\数字\下划线，等价于: [A-Za-z0-9_]
- \W: 任意一个非字母\数字\下划线，等价于:[^A-Za-z0-9_]
-
空白字符串
- \s: 任意一个空白字符串，等价于: [\r\n\t\v\f]
- \S: 任意一个【非】空白字符串，等价于: [^\r\n\t\v\f]
-
数字
以下是常用元字符列表
| 字符 | 描述 |
|---|---|
| \ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。 |
| ^ | 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。 |
| $ | 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。 |
| * | 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
| + | 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
| ? | 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。 |
| {n} | n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 |
| {n,} | n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 |
| {n,m} | m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 |
| ? | 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 |
| . | 匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像"(.|\n)"的模式。 |
| (pattern) | 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。 |
| (?:pattern) | 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 |
| (?=pattern) | 正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| (?!pattern) | 正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| (?<=pattern) | 反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。
|
| (?<!pattern) | 反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。
|
| x|y | 匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 |
| [xyz] | 字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。 |
| [^xyz] | 负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。 |
| [a-z] | 字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 |
| [^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B | 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
| \cx | 匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 |
| \d | 匹配一个数字字符。等价于 [0-9]。 |
| \D | 匹配一个非数字字符。等价于 [^0-9]。 |
| \f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
| \n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
| \r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
| \t | 匹配一个制表符。等价于 \x09 和 \cI。 |
| \v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
| \w | 匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。 |
| \W | 匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。 |
| \xn | 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。 |
| \num | 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。 |
| \n | 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 |
| \nm | 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。 |
| \nml | 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 |
| \un | 匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。 |