正则表达式学习笔记

正则表达式是一种强大的工具，虽然看起来非常复杂，实际上遵循着非常严格和简单的规则。通过并不太长时间的学习，你就能了解如何写出适合自己使用的正则表达式。
这里，是我在学习正则表达式的时候，记录的一些学习心得。入门我是通过网上非常有名的这篇<30分钟正则表达式入门>来完成学习的。在记录完笔记后，在各种应用场合，不断的尝试写出适合的正则表达式，我非常容易的掌握到正则表达式的规则。希望你也能抽出半天时间（30分钟当然是不可能的），就可以完成正则表达式这一强大工具的学习。
原文是针对C#正则技巧的内容，和OC应稍有区别，但入门知识基本相同。OC和大多数其他语言，不支持C#中的平衡组等复杂用法
Mac上正则表达式推荐工具可以使用:Reggy来做验证和测试，免费开源好用。

基本概念

hi
– 匹配所有等于hi的字符（不区分大小写）

bhib
– b为元字符(metacharacter)，代表一个单词的开头和结尾（分界处-一般是空格、标点、换行）.
– 精确匹配hi单词

bhib.*bLucyb
– 查找hi和Lucy中间的内容
– .代表除换行符以外任意字符
– *代表数量，任意次数
– .*代表任意数量不包含换行符的字符

0dd-dddddddd 或者 0d{2}-d{8}
– 以0开头，两位数字后有-连字号，后面跟8位数字
– d是匹配数字,-不是元字符，只是普通字符
– {2}由大括号包含的数字，意思是前面的元字符必须匹配几次
– {2,4}是指匹配不少于2次，不多于4次

其他元字符：

• s 匹配任意空白符，包括空格，制表[tab]，换行、中文全角空格
• w 匹配字符或下划线或汉字
• + +号也是匹配数量，但不同与*，+是必须重复匹配1次以上（*可以匹配0次），?是重复0次或一次

• ^ 和$ 匹配查找字符串的开头和结尾，如果是增加了处理多行的选项，^和$意思是匹配一行的开始和结束
• 是转义，会将后面的特殊元字符，转为普通字符（*、+、^、$、.等）

字符类

• 由[和]包含起来的内容，即为需要匹配的内容，注意[``]里的.?!不需要加转义
• []内的-，代表从字符集起始到结束，例如[0-9]与d意思一样，[a-z0-9A-Z]则代表所有英文字母和数字集合
• (?0d{2}[)-]?d{8} :
  • (是转义(，(?代表首部出现(一次或零次
  • d{2}匹配0出现之后有2位数字
  • 后面的[)-]是指后面可以有）和-，[)-]?代表)和-可以出现一次或零次
  • d{8}为最后8位数字

分支条件

• 有几种规则，满足任意一种即为匹配
• |隔开的规则，即为分支规则
• 0d{2}-d{8}|0d{3}-d{7}:两种规则0d{2}-d{8}或0d{3}-d{7}满足任意一条即可(3位数字-8位数字或4位数字-7位数字)
• 分支要注意各条件的顺序，匹配时从左至右匹配，如果满足某个分技，则不再管另一分支
  • d{5}-d{4}|d{5} 和 d{5}|d{5}-d{4}两个正则不一致
    • 前者是匹配美国邮编的标准（前5后4共9位数字，或者是5位数字）
    • 后面只匹配5位的数字

分组

• 使用(和)包围的条件，是为一组
• 可以对组（或称子表达式）使用后缀元字符条件，来限定这一分组匹配重复次数等

反义

• 查找非规定范围以外的字符
• 基本上小写是正常，大写是反义
• 反义排除的只是字母列表，无关顺序，即[^abc]，会排队a,b,c三个字母，而不是排队abc顺序的三个字母。

后向引用

• 使用小括号()包围起来的分组，会自动拥有一个从左自右的从1开始的编号
• 正则会先把匹配分组的结果捕获出来，以相应编号来组织，可以用编号的形式来对这相对应的结果进行进一步处理

b(w+)bs+1b 匹配重复出现的单词（叠词）
b(w+)b的结果会被捕获到编号为1的分组中
s一个空格
1 引用编号1分组的结果
即寻找一个单词空格后，再重复一次的单词，例Go Go

• 在括号开始的地方，用?<名字>或者?'名字'可以自定义分组名.
• 自定义的分组名，使用k<名字>来调用
• (?:)如果在括号开始用?:的话，即表示这一括号即不保存捕获的结果，也不给这一括号分配组号

零宽断言

• 零宽断言是指查找某些内容前后的文本，但不包含这些内容本身。
• b,^,$这几个关键字，其实也是一种零宽断言
• 零宽断言主要用来查找
  • (?=关键词表达式)： （零宽度正预测先行断言）断言关键词出现的位置后面能匹配表达式。
    

    bw+(?=ingb) 匹配以ing结尾的单词前半部分 ： being 会匹配出be

  • (?<=关键词表达式)(零宽度正回顾后发断言)：断言关键词出现的位置前面能匹配表达式
    

    (?<=bre)w+b 匹配以re开头的单词的后半部分: replay 会匹配出play

  • (?!关键词表达式)（零宽度负预测先行断言）：断言关键词出现的位置后面不能匹配表达式
    

    bw*q[^u]w*b:匹配q后面不包含u的单词，但这一正则无法筛除最后一位是q的情况，则”Iraq fighting”也会被匹配。因为[^u]占用了一个字符位。
    bw*q(?!u)w*b:使用零宽负预测先行断言，即可解决这种问题，它只匹配位置，并不消费（使用）任何位置。

  • (?<!关键词表达式)(零宽度负回顾后发断言)：断言关键词出现的位置前面不能匹配表达式

贪婪与懒惰（最大匹配和最小匹配）

• 默认是贪婪匹配：即在匹配条件的情况下，尽可能多的匹配字符。
• 在条件后加上?即可显式声明为懒惰匹配，即尽可能少的匹配字符

aabab 字串中，按a.*b,默认会匹配整个字符串
a.*?b：则只匹配aab和ab

处理选项

• 大小写
• 多行模式：使^和$匹配行首和行尾，而不仅仅是整个字符串的开头和结尾。
• 单行模式：更改.的含义，使.代表所有字符（包含换行符）
• 忽略空白：忽略表达式中的非转义空白，并启用#代表注释
• 显示捕获：仅显示捕获被声明的组，而不是给所有括号内的组默认命名（1～n)

平衡（对称）/递归匹配

• 需要匹配成对出现的内容
• (?'标签名'条件) 满足条件，则把标签名入栈
• (?'-标签名'条件) 若满足条件，标签名出栈，如果栈为空，匹配失败
• (?(标签名)yes|no) 如果标签名的栈中有内容，则匹配yes规则，否则匹配no规则
• (?!) 总是失败的匹配，用来在平衡递归匹配中，中断匹配条件

注释

• (?#注释):注释最好启用处理选项中的”忽略模式里的空白符“设置（C#）