一、概述
正則表達式用於文本內容的查找和替換。
正則表達式內置於其它語言或者軟件產品中，它本身不是一種語言或者軟件。
二、匹配單個字符
. 可以用來匹配任何的單個字符，但是在絕大多數實現裏面，不能匹配換行符；
. 是元字符，表示它有特殊的含義，而不是字符本身的含義。如果需要匹配 . ，那麼要用 \ 進行轉義，即在 . 前面加上 \ 。
正則表達式一般是區分大小寫的，但是也有些實現是不區分。
正則表達式
nam.
匹配結果
My name is Zheng.
三、匹配一組字符
[ ] 定義一個字符集合；
0-9、a-z 定義了一個字符區間，區間使用 ASCII 碼來確定，字符區間在 [ ] 中使用。
- 只有在 [ ] 之間纔是元字符，在 [ ] 之外就是一個普通字符；
^ 在 [ ] 中是取非操作。
應用
匹配以 abc 爲開頭，並且最後一個字母不爲數字的字符串：
正則表達式
abc[^0-9]
匹配結果
- abcd
- abc1
- abc2
四、使用元字符
匹配空白字符
| 元字符 | 說明 |
|---|---|
| [\b] | 回退（刪除）一個字符 |
| \f | 換頁符 |
| \n | 換行符 |
| \r | 回車符 |
| \t | 製表符 |
| \v | 垂直製表符 |
\r\n 是 Windows 中的文本行結束標籤，在 Unix/Linux 則是 \n。
\r\n\r\n 可以匹配 Windows 下的空白行，因爲它將匹配兩個連續的行尾標籤，而這正是兩條記錄之間的空白行；
匹配特定的字符類別
1. 數字元字符
| 元字符 | 說明 |
|---|---|
| \d | 數字字符，等價於 [0-9] |
| \D | 非數字字符，等價於 [^0-9] |
2. 字母數字元字符
| 元字符 | 說明 |
|---|---|
| \w | 大小寫字母，下劃線和數字，等價於 [a-zA-Z0-9_] |
| \W | 對 \w 取非 |
3. 空白字符元字符
| 元字符 | 說明 |
|---|---|
| \s | 任何一個空白字符，等價於 [\f\n\r\t\v] |
| \S | 對 \s 取非 |
\x 匹配十六進制字符，\0 匹配八進制，例如 \x0A 對應 ASCII 字符 10，等價於 \n。
五、重複匹配
- + 匹配 1 個或者多個字符
- ** * 匹配 0 個或者多個
- ? 匹配 0 個或者 1 個
應用
匹配郵箱地址。
正則表達式
[\w.]+@\w+\.\w+
[\w.] 匹配的是字母數字或者 . ，在其後面加上 + ，表示匹配多次。在字符集合 [ ] 裏，. 不是元字符；
匹配結果
abc.def<span>@</span>qq.com
- {n} 匹配 n 個字符
- {m, n} 匹配 m~n 個字符
- {m,} 至少匹配 m 個字符
* 和 + 都是貪婪型元字符，會匹配最多的內容。在後面加 ? 可以轉換爲懶惰型元字符，例如 *?、+? 和 {m, n}? 。
正則表達式
a.+c
由於 + 是貪婪型的，因此 .+ 會匹配更可能多的內容，所以會把整個 abcabcabc 文本都匹配，而不是隻匹配前面的 abc 文本。用懶惰型可以實現匹配前面的。
匹配結果
abcabcabc
六、位置匹配
單詞邊界
\b 可以匹配一個單詞的邊界，邊界是指位於 \w 和 \W 之間的位置；\B 匹配一個不是單詞邊界的位置。
\b 只匹配位置，不匹配字符，因此 \babc\b 匹配出來的結果爲 3 個字符。
字符串邊界
^ 匹配整個字符串的開頭，$ 匹配結尾。
^ 元字符在字符集合中用作求非，在字符集合外用作匹配字符串的開頭。
分行匹配模式（multiline）下，換行被當做字符串的邊界。
應用
匹配代碼中以 // 開始的註釋行
正則表達式
^\s*\/\/.*$
匹配結果
- public void fun() {
- // 註釋 1
- int a = 1;
- int b = 2;
- // 註釋 2
- int c = a + b;
- }
七、使用子表達式
使用 ( ) 定義一個子表達式。子表達式的內容可以當成一個獨立元素，即可以將它看成一個字符，並且使用 * 等元字符。
子表達式可以嵌套，但是嵌套層次過深會變得很難理解。
正則表達式
(ab){2,}
匹配結果
ababab
| 是或元字符，它把左邊和右邊所有的部分都看成單獨的兩個部分，兩個部分只要有一個匹配就行。
正則表達式
(19|20)\d{2}
匹配結果
- 1900
- 2010
- 1020
應用
匹配 IP 地址。
IP 地址中每部分都是 0-255 的數字，用正則表達式匹配時以下情況是合法的：
- 一位數字
- 不以 0 開頭的兩位數字
- 1 開頭的三位數
- 2 開頭，第 2 位是 0-4 的三位數
- 25 開頭，第 3 位是 0-5 的三位數
正則表達式
((25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d))\.){3}(25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d))
匹配結果
- 192.168.0.1
- 00.00.00.00
- 555.555.555.555
八、回溯引用
回溯引用使用 \n 來引用某個子表達式，其中 n 代表的是子表達式的序號，從 1 開始。它和子表達式匹配的內容一致，比如子表達式匹配到 abc，那麼回溯引用部分也需要匹配 abc 。
應用
匹配 HTML 中合法的標題元素。
正則表達式
\1 將回溯引用子表達式 (h[1-6]) 匹配的內容，也就是說必須和子表達式匹配的內容一致。
<(h[1-6])>\w*?<\/\1>
匹配結果
- <h1>x</h1>
- <h2>x</h2>
- <h3>x</h1>
替換
需要用到兩個正則表達式。
應用
修改電話號碼格式。
文本
313-555-1234
查找正則表達式
(\d{3})(-)(\d{3})(-)(\d{4})
替換正則表達式
在第一個子表達式查找的結果加上 () ，然後加一個空格，在第三個和第五個字表達式查找的結果中間加上 - 進行分隔。
($1) $3-$5
結果
(313) 555-1234
大小寫轉換
| 元字符 | 說明 |
|---|---|
| \l | 把下個字符轉換爲小寫 |
| \u | 把下個字符轉換爲大寫 |
| \L | 把\L 和\E 之間的字符全部轉換爲小寫 |
| \U | 把\U 和\E 之間的字符全部轉換爲大寫 |
| \E | 結束\L 或者\U |
應用
把文本的第二個和第三個字符轉換爲大寫。
文本
abcd
查找
(\w)(\w{2})(\w)
替換
$1\U$2\E$3
結果
aBCd
九、前後查找
前後查找規定了匹配的內容首尾應該匹配的內容，但是又不包含首尾匹配的內容。向前查找用 ?= 來定義，它規定了尾部匹配的內容，這個匹配的內容在 ?= 之後定義。所謂向前查找，就是規定了一個匹配的內容，然後以這個內容爲尾部向前面查找需要匹配的內容。向後匹配用 ?<= 定義（注: javaScript 不支持向後匹配, java 對其支持也不完善）。
應用
查找出郵件地址 @ 字符前面的部分。
正則表達式
\w+(?=@)
結果
abc @qq.com
對向前和向後查找取非，只要把 = 替換成 ! 即可，比如 (?=) 替換成 (?!) 。取非操作使得匹配那些首尾不符合要求的內容。
十、嵌入條件
回溯引用條件
條件判斷爲某個子表達式是否匹配，如果匹配則需要繼續匹配條件表達式後面的內容。
正則表達式
子表達式 (\() 匹配一個左括號，其後的 ? 表示匹配 0 個或者 1 個。 ?(1) 爲條件，當子表達式 1 匹配時條件成立，需要執行 ) 匹配，也就是匹配右括號。
(\()?abc(?(1)\))
結果
- (abc)
- abc
- (abc
前後查找條件
條件爲定義的首尾是否匹配，如果匹配，則繼續執行後面的匹配。注意，首尾不包含在匹配的內容中。
正則表達式
?(?=-) 爲前向查找條件，只有在以 - 爲前向查找的結尾能匹配 \d{5} ，才繼續匹配 -\d{4} 。
\d{5}(?(?=-)-\d{4})
結果
- 11111
- 22222-
- 33333-4444