一 概述
正则表达式是记录文本规则的代码，用于文本内容的查找和替换
正则表达式内置于其它语言或者软件产品中，它本身不是一种语言或者软件
二 常用元字符
. 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
\b 匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束
举例
\bhi\b 查找hi
\bhi\b.*\bLucy\b 查找hi后面跟着一个Lucy
0\d\d-\d\d\d\d\d\d\d\d 匹配以0开头,0xx-xxxxxxxx的数字
0\d{2}-\d{8} 简写 \d必须连续重复匹配前面2次后面8次
\ba\w*\b 匹配以字母a开头的单词
\d+ 匹配1个或更多连续的数字
\b\w{6}\b 匹配刚好6个字符的单词
^\d{5,12}$ 匹配QQ号必须为5位到12位数字
三 字符转义
如果想查找元字符本身，使用\来取消这些字符的特殊意义
举例
\. 匹配元字符 .
\* 匹配元字符 *
\\ 匹配\
deerchao\.cn 匹配deerchao.cn
C:\\Windows 匹配C:\Windows
四 重复
常用限定符
* 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
举例
Windows\d+ 匹配Windows后面跟1个或更多数字
^\w+ 匹配一行的第一个单词或整个字符串的第一个单词
五 字符类
使用方括号，用来查找某个范围内的字符
举例
[aeiou] 匹配任何一个英文元音字母
[.?!] 匹配标点符号(.或?或!)
[0-9] 代表的含意与\d就是完全一致的：一位数字
[a-z0-9A-Z_] 等同于\w（只考虑英文）
\(?0\d{2}[) -]?\d{8} 匹配几种格式的电话号码：(010)88886666，或022-22334455，或02912345678等
六 分支条件
分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开
使用分枝条件时，要注意各个条件的顺序，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
举例
0\d{2}-\d{8}|0\d{3}-\d{7} 匹配两种以连字号分隔的电话号码：010-12345678或0376-2233445
\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8} 匹配3位区号的电话号码
[1-9]\d{5}(?!\d) 匹配邮政编码
七 分组
用小括号来指定子表达式(也叫做分组)，然后可以对子表达式进行单独操作
你也可以自己指定子表达式的组名
指定组名语法
\b(\w+)\b\s+\1\b
(?<Word>\w+)或(?'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>
\b(?<Word>\w+)\b\s+\k<Word>\b
举例
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) IP地址匹配表达式
八 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，这时需要用到反义
常用的反义代码
\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
举例
\S+ 匹配不包含空白符的字符串。
<a[^>]+> 匹配用尖括号括起来的以a开头的字符串。
九 后向引用
后向引用用于重复搜索前面某个分组匹配的文本
举例
\b(\w+)\b\s+\1\b 匹配重复的单词
\b(?<Word>\w+)\b\s+\k<Word>\b 指定组名为Word，匹配重复的单词
常用的分组语法
分类 代码/语法 说明
捕获 (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 (?=exp) 匹配exp前面的位置
(?<=exp) 匹配exp后面的位置
(?!exp) 匹配后面跟的不是exp的位置
(?<!exp) 匹配前面不是exp的位置
注释 (?#comment) 这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读
十 零宽断言（正向和负向）
零宽断言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
表示匹配字符的时候再添加一些定位条件，使匹配更精准
也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)
(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp
(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp
举例
\w+(?=ing) 匹配以ing结尾的多个字符（不包括ing）
\w+(?!ing) 匹配不是以ing结尾的多个字符
(?<=re)\w+ 匹配以re开头的多个字符（不包括re）
(?<!re)\w+ 匹配不是以re开头的多个字符
(?<=\s)\d+(?=\s) 匹配两边是空白符的数字，不包括空白符
十一 注释
小括号的另一种用途是通过语法(?#comment)来包含注释
例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)
要包含注释的话，最好是启用“忽略模式里的空白符”选项
这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略
启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉
表达式 示例
(?<= 断言要匹配的文本的前缀
<(\w+)> 查找尖括号括起来的字母或数字(即HTML/XML标签)
) 前缀结束
.* 匹配任意文本
(?= 断言要匹配的文本的后缀
<\/\1> 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
) 后缀结束
十二 贪婪与懒惰
贪婪匹配
当正则表达式中包含能接受重复的限定符时，通常的行为是（在整个表达式能得到匹配的前提下）匹配尽可能多的字符
懒惰匹配
匹配尽可能少的字符，前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?
举例
a.*?b 匹配最短的，以a开始，以b结束的字符串
如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）
懒惰限定符
代码/语法 说明
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
十三 处理选项
处理选项用来改变处理正则表达式的方式（例如忽略大小写，处理多行等）
常用的处理选项
名称 说明
IgnoreCase(忽略大小写) 匹配时不区分大小写
Multiline(多行模式) 更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的
开头和结尾匹配(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置)
Singleline(单行模式) 更改.的含义,使它与每一个字符匹配（包括换行符\n）
ExplicitCapture(显式捕获) 仅捕获已被显式命名的组
IgnorePatternWhitespace(忽略空白) 忽略表达式中的非转义空白并启用由#标记的注释
十四 平衡组/递归匹配
平衡组用于匹配嵌套层次结构，常用于匹配HTML标签
当HTML内容不规范，起始标签和结束标签数量不同时，匹配出正确配对的标签
以表达式\w为例
(?'group'\w) 捕获的分组（\w匹配到的内容）命名为group，并压入堆栈
(?'-group'\w) 捕获分组（\w匹配到的内容）后，弹出group分组栈的栈顶内容
(?(group)yes|no) 如果group栈非空匹配表达式yes，否则匹配表达式no
(?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败
表达式
< 最外层的左括号
[^<>]* 最外层的左括号后面的不是括号的内容
(
(
(?'Open'<) 碰到了左括号，在黑板上写一个"Open"
[^<>]* 匹配左括号后面的不是括号的内容
)+
(
(?'-Open'>) 碰到了右括号，擦掉一个"Open"
[^<>]* 匹配右括号后面不是括号的内容
)+
)*
(?(Open)(?!)) 在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败
> 最外层的右括号
平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配嵌套的<div>标签
<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>
十五 详细语法
代码/语法 说明
\a 报警字符
\b 通常是单词分界位置，但如果在字符类里使用代表退格
\t 制表符，Tab
\r 回车
\v 竖向制表符
\f 换页符
\n 换行符
\e Escape
\0nn ASCII代码中八进制代码为nn的字符
\xnn ASCII代码中十六进制代码为nn的字符
\unnnn Unicode代码中十六进制代码为nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串开头(类似^，但不受处理多行选项的影响)
\Z 字符串结尾或行尾(不受处理多行选项的影响)
\z 字符串结尾(类似$，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}
(?>exp) 贪婪子表达式
(?<x>-<y>exp) 平衡组
(?im-nsx:exp) 在子表达式exp中改变处理选项
(?im-nsx) 为表达式后面的部分改变处理选项
(?(exp)yes|no) 把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes) 同上，只是使用空表达式作为no
(?(name)yes|no) 如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
(?(name)yes) 同上，只是使用空表达式作为no
详细资料点击：JavaScript 正则表达式
