[TOC]

简述

正则表达式就是regular expression，简写是regex或者regexp。

正则表达式就是用一组特定字符串来描述一段文本规律，用来查找文本用的，对我来说的话就是在编辑器里面用用。

预热

正则表达式历史悠久，版本众多。细看之下，Vim和Emacs的正则表达式还各有不同的，跟网上找的文档里面也不一样。

推测

regex是使用字符串对文本内容实现查找，这里可以推测一个regex的最小实现就是：输入源文本和regex字符串，输出匹配regex的文本位置。

regex可以实现强大的搜索功能，细想之下，在这个基础上可以实现的功能真是太多了。源代码解析编译肯定是会用到的,比如判定一个变量定义，判定一个赋值语句等，这些内容都需要以regex为基础来实现。还有就是智能编辑器里面，要实现语法高亮，也就是保留关键字、常量、字符串、注释这些需要有不同的字体颜色，这个也是明显需要用到regex的。

特殊字符

首先就是\——反斜杠(back-slash)，这个是regex里面的转义符，后面跟其他特定的一些字符会产生匹配符，用来匹配特定的字符。
还有其他的特殊字符，叫做元字符(metacharacter)，有

^ . [ ] $ { } * ( ) + | ? < >

这么多，这些在regex里面是本来就有特殊含义的。但是文本里面本来可能是有这些字符的，要匹配这些字符的话就需要在这些元字符前面加上转义符’\’。就像”+“是在文本里面查找’+’。

匹配规则不完全小总结

不是都总结的到，都是一些最最基本的东西。

匹配预定义的字符

一些regex已经预定义好的一些匹配字符规则：

item	notes
.	小数点，匹配除换行符以外的任意字符，有点通配符的意思
\w	w代表word，匹配字母或者数字或者下划线或者汉字,其实就是一个word的基本组成啦
\s	s代表space，匹配空白符，就是空格、tab、换行符这些
\d	d代表digit，匹配数字

转义符’\’

有两个用途：

• 加在特定字符前产生匹配符；
• 加在元字符前用来匹配文本中的符号。

匹配自定义的字符集合

要匹配自己定义的字符集合的话要就是用”[]”中括号里面加上字符集合来实现，比如要匹配元音字母可以用”[aeiou]”这样来。

“[]”的特殊的地方是大多数元字符在里面是失效的，例外的情况是”\ : ^ -“这四个，’\’还是表示转义，’-‘表示范围。”[a-z0-9A-Z]”就是表示英文大小写和数字的集合。

反义

就是跟匹配规则相反的匹配，有两种情况：

• 大写：
  • \W 跟\w相对，匹配非字母、数字、下划线和汉字；
  • \S 跟\s相对，匹配非空白字符；
    • \D 跟\d相对，匹配非数字字符。
• “[]”+”^”–>”[^…]”实现对集合”…”的反义。

匹配次数限定符

指的是对之前的匹配表达式的匹配次数的限定。

item	notes
{m,n}	重复匹配m至n次，这里显然m<n，这是最基本的
{n}	重复n次，相当于{n,n}
{m,}	重复至少m次，相当于{m,+∞}
?	重复0或1次，相当与{0,1}
+	重复至少1次，相当于{1,+∞}
*	重复任意次，相当于{0,+∞}

有了这么几条，其实就已经可以写出很多很多的regex字符串来，比如\d{3,4}-\d{8}——前面3~4个数字，中间一个-，后接8个数字，可以表示一个电话号码，比如028-66666666，要精确一点0577-\d{8}，可以匹配区号是0577的号码。

位置匹配符

只匹配位置，不匹配字符的匹配符。

tiem	notes
\b	匹配一个字符串的开始或结尾
^	匹配字符串的开头
$	匹配字符串的结尾

再强调一下位置匹配符只匹配位置。\b匹配字符串的分界，字符串里面的每个元素都是\w，所以\b可以定义为：一个两侧有一个不是\w的位置。所以^就是——右侧是\w左侧不是的一个位置；$反之。
于是一个字符串可以按这个精确的定义为：^\w+$。

未完

regex是很复杂的，不同的环境对regex的支持不一样，还有很多高级的特性没有学习到。

而这里总结的这些是最基础的，使用频率很高，也是被广泛支持的。

饭要一口一口吃，先这样吧。