正则表达式知识点记录与学习思考.docVIP

正则表达式学习总结、知识点记录 正则表达式(Regular Expression)，它是用一个“字符串”定义一种“模式”，然后把它应用到另一个“字符串”中用以寻找是否有与此“模式”相匹配的字符。 应用原则和你需要知道的： 清楚的了解目标文本是正确使用RE的根本前提。也就是说，从已知文本中提取数据与从随机文本中提取数据根本不是一回事。 如果某个RE基本不可能匹配到不期望的结果，使用它就是合理的。 RE的构建复杂度取决于你想要得到多么精准的结果，什么是最合适的解决方案取决于你可以接受的精确度、效率、对错误的容忍程度。 平衡法则（好的RE必须在以下方面求得平衡）： 只匹配期望的文本，排除不期望的。 易于控制和理解。 保证效率。如果能够匹配必须很快的返回结果；如果不能应在尽可能短的时间内报告失败。 别忘了时常想想匹配失败的情形。 验证某个模式能不能获得预期的匹配结果并不困难，但如何验证它不会匹配到你不想要的东西可就没那么简单了。也就是说把不需要匹配的情况也考虑周全并确保它们都将被 排除在外往往十分困难。 不应该忘记考虑这样的“特殊”情形，针对“糟糕”的数据，RE不应该能够匹配。 引擎构造与基本工作机制： 字符、元字符、字符组、量词、括号的组合方式决定了引擎的特性。 有两种类型的引擎：文本导向(text-directed)的DFA引擎和正则导向(regex-directed)的NFA引擎。它们全称是：确定型有穷自动机、非确定型有穷自动机。其中NFA又分为：传统型NFA和POSIX NFA。本文总结的是传统NFA的引擎。这是因为一些非常有用的特性，如：回溯(backtrack)、捕获括号(capture brace)、环视(look around)、忽略优先量词(lazy quantifiers)、反向引用(back references)、占有优先量词(possessive quantifiers)、固化分组(atomic group)，只能在正则导向的引擎中实现。所以毫不意外这种引擎是目前最流行的引擎。通过这些你可以轻易分辨出所使用的引擎是文本导向还是正则导向。? 传统NFA引擎总是返回最左边的匹配，即使以后有可能发现一个“更好”的匹配；而DFA则会返回“绝对最长”的匹配。如RE：「hao|hao zp」应用于hao zp，前者返回hao后者返回hao zp。 正则引擎基本工作机制：当匹配宣告失败后，引擎的“传动装置”会驱动前行一个字符，下一轮尝试从这里开始；匹配成功后引擎便返回成功后的位置，下个子表达式或者新一轮的尝试就从这里开始。 RE的框架结构： 元 字 符 普通字符 转义字符 字符组 [a-f0-9] 量词 * + ? {n} {n,m} {n,} 括号 ( ) 边界 \b ^ $ \A \Z \ \ RE的匹配模式： 忽略大小写( i - ignore case or case insenstive) 单行模式( s - . matches new line, 把整个文本当成一行) 多行模式( m - ^ $ matches at line breaks.) 全局模式(It’s default.) 注：如果在正则表达式内部插入修饰符(?ism)，则该修饰符只对其右边的正则表达式起作用。(?-ism)是关闭相应的功能。如：「(?ism)re1(?-i)RE2(?-s)rE3(?-m)」。 RE的替换： $1 ~ $99 （代表某个捕获分组捕获到的内容。）① ${name} （代表指定命名分组捕获到的内容。） $$ （代表一个$符。） $ （代表每次匹配到内容。） $` （代表原字符串中，匹配到的内容之前的字符串。） $’ （代表原字符串中，匹配到的内容之后的字符串。） $+ （代表所有“有捕获”的分组中，编号最大的那个分组。JS中可用） $_ （代表被替换的整个字符串。） 注①：如果捕获组编号大于表达式中的最大捕获组编号，那么引擎会减少数字个数，以使捕获组编号小于或等于最大编号，而把剩余的数字看作字符串常量。 RE的概念： 回 溯 子表达式 re(ge)xp 多选结构 re1|re2|… 分 组 捕获分组 (re) 非捕获分组 (?:re) 命名分组 (?namere) 反向引用 \n \kname \k’name’ \gname 匹配优先 +? 忽略优先 ++ 占有量词 *+, ++, ?+, {n,m}+ 固化分组（原子分组）(?re) 环视 (?=re), (?=re), (?!re), (?!re) 条件 (?(n)then|else) (?(?=if)then|else) 注释 (?#re) 元字符Meta Character 元字符共有12个： ^ $ . * + ? \ | (