原作者:工匠若水
一、概述
正則表達式使用單個字符串來描述、匹配一系列符合某個句法規則的字符串。在很多文本編輯器裏，正則表達式通常被用來檢索、替換那些符合某個模式的文本。由於正則表達式主要應用對象是文本，因此它在各種文本編輯器場合都有應用，小到著名編輯器EditPlus，大到Microsoft Word、Visual Studio等大型編輯器，都可以使用正則表達式來處理文本內容。（PS：初學者一般都認爲正則表達式非常抓狂的！理解，你會發現他的強大！）
給定一個正則表達式和另一個字符串，我們可以達到如下的目的：
給定的字符串是否符合正則表達式的過濾邏輯（稱作“匹配”）；
可以通過正則表達式，從字符串中獲取我們想要的特定部分。
正則表達式的特點是：
靈活性、邏輯性和功能性非常的強；
可以迅速地用極簡單的方式達到字符串的複雜控制。
對於剛接觸的人來說，比較晦澀難懂。
開始學習前的裝逼工具技能：
1、正則表達式在線驗證工具推薦regexpal。
Regexpal是一個基於Javascript的在線正則表達式驗證工具，上面的輸入框中，是讓我們輸入正則表達式（匹配規則），下面的輸入框則是讓我們輸入待匹配的數據。此外，根據具體要求，還可以設置忽略大小寫、多行匹配等參數。
2、本地安裝工具推薦 regexbuddy3
RegexBuddy一款正則表達式編輯工具，幫助你的編寫需要的正則表達式，還可以使用它理解別人編寫的表達式。
3、學習裝逼的工具regexr
不解釋，自己Google吧。
總結：
工具使用不多解釋，這都是小兒科工具，碼農都可以自己搞定的。接下來繼續帶你裝逼帶你飛。
二、模式匹配基礎
匹配字符串字面值：
原始字符串：”yanbo”
正則表達式：”yanbo”
如上就是最簡單最直接的字面匹配字符串，屬於最簡單的正則表達式。
匹配數字：
正則表達式： “\d” 或者 “[0-9]” 或者 “[0123456789]”
原始字符串：”3”
如上三個正則表達式的匹配效果是一樣的，都是匹配指定字串中的一個0-9的數字，只是匹配一個數字。三種寫法各有優勢，”\d”可以表示任意數字，”[m-n]”可以表示m-n的一位數字，”[abcd]”可以匹配指定的abcd中的一個數字。特別的認爲”[0123456789]”匹配的是”0123456789”字符串是錯誤的想法，特別留意，匹配的是一位！！！還可以如下：
正則表達式：”[015-7]”
可匹配的數字：0,1,5,6,7
匹配非數字字符：
正則表達式：”\D” 或者 “[^0-9]” 或者 “[^\d]”
匹配字串：非數字字符（切記：也是匹配一個字符）。
如上三個正則表達式的匹配效果是一樣的，都是匹配一個非數字字符。”[]”中的”^”就是取反，除去”^”後面的內容。
匹配單詞和非單詞字符：
首先強調一點，匹配的是單詞和非單詞的字符，不是單詞！！！
“\w” 這個簡寫式將匹配所有單詞字符（字母、數字、下劃線）。
“\D” 匹配非數字字符，包含空格、標點（引號、連字符、反斜槓、方括弧）等字符。
在英語環境下 “\w” 與 “[_a-z0-9A-Z]” 匹配相同的單詞字符。
“\W” 匹配非單詞字符（空格、標點及其他非字母、數字字符等）。
在英語環境下 “\W” 與 “[^_a-z0-9A-Z]” 匹配相同的單詞字符。
如下提供更多的字符簡寫式，不過要注意！！！！不是所有的正則表達式處理器可以識別以下簡寫式。
| 字符簡寫式 | 描述 |
|---|---|
| \a | 報警符 |
| [\b] | 退格字符 |
| \c x | 控制字符 |
| \d | 數字符 |
| \D | 非數字符 |
| \w | 單詞字符 |
| \W | 非單詞字符 |
| \0 | 空字符 |
| \x xx | 字符的十六進制值 |
| \u xxx | 字符的Unicode值 |
匹配空白符與非空白符：
正則表達式：”\s” 或者 “[ \t\n\r]”
匹配結果： 空白符（空格、製表符、換行符、回車符）
如上 “[ \t\n\r]” 的 “\t\n\r” 前至少有一個空格，否則無效。
正則表達式：”\S” 或者 “[^\s]” 或者 “[^ \t\n\r]”
匹配結果： 非空白符（除空格、製表符、換行符、回車符以外的字符）。
除過 “\s” 匹配的字符之外還有如下一些不太常見的空白符：
| 字符簡寫式 | 描述 |
|---|---|
| \s | 空白符 |
| \S | 非空白符 |
| \f | 換頁符 |
| \h | 水平空白符 |
| \H | 非水平空白符 |
| \n | 換行符 |
| \r | 回車符 |
| \t | 水平製表符 |
| \v | 垂直製表符 |
| \V | 非垂直製表符 |
匹配任意符：
“.” 匹配除過行結束符以外的所有字符，個別情況除外。
正則表達式：”\b\w\w\w\b”
匹配字符串：三個字符的單詞
如上表達式中”\b”簡寫式匹配單詞邊界，不消耗任何字符，一般兩個邊界都寫。如下例子是”.”的特例。
正則表達式： "a.c\."
匹配字符串：axc.
如上匹配的是axc. 其中x可以是任意字符，而最後 . 就是轉義字符而不是 . 。
實戰裝逼展示：
學習了一些入門級的正則表達式以後我們就來裝裝逼，裝逼也要裝的有逼格，所以如上第一章的工具就太簡單了，我們用Linux的sed流編輯器來裝逼。（PS：不瞭解Linux的sed流編輯器的請自己google或者度娘）。
這裏演示一個將字符串”This is YanBo’s Blog!”以Html二級標題輸出的例子。
sed編輯器命令：
echo "This is YanBo's Blog!" | sed 's/^/<h2>/;s/$/<\/h2>/p;q'
如上命令在linux終端執行之後如下：
- echo打印”This is YanBo’s Blog!”到屏幕，然後通過”|”管道將輸出作爲sed的輸入。
- sed默認操作是直接複製每行輸入並輸出。
s/^/<h2>/在行的開頭(^)添加HTML的二級標題<h2>標籤。- 分號(;)用於分割命令。
s/$/<\/h2>/用於在結尾($)添加HTML二級標題</h2>標籤。- 命令p打印受影響的一行。
- 命令q結束sed程序。
總結：
這一部分我們學習正則表達式的基礎匹配，算是入門技能。接下來繼續帶你裝逼帶你飛。
三、正則表達式—邊界
熱身準備：
不多BB，邊界這部分算是正則表達式的核心之一。斷言（零寬度斷言）這一詞足矣。
斷言（零寬度斷言）標記邊界，並不耗費字符，不匹配字符，匹配字符串中的位置。
字符串或者行起始與結束：
“^” 匹配行或者字符串的起始位置，或者整個文檔的起始位置。
“$” 匹配行或者字符串結尾位置。
例子：
正則表達式： “^word$”
匹配字符串： word（僅有該單詞的字符串，w開頭，d結束）。
單詞編輯與非單詞邊界：
“\bxxx\b” 匹配單詞邊界。
“\b” 是一個零寬度斷言，表面上它會匹配空格或者行起始，實際上它匹配的是一個零寬度不存在的東西。
“\B” 是一個匹配非單詞邊界，匹配除單詞之外的位置。
例子：
正則表達式： “\Ba\B”
匹配字符串： “fhrrhahhr”(類似這樣的a兩邊不是單詞邊界的字符，這裏匹配字符a)。
其他錨位符：
“\A” 與”^”相似，該錨位符匹配主題詞的開始。這個寫法不是在所有的正則表達式程序中都可以使用的，但是可以在Perl和PCRE中使用，要匹配主題詞的結尾用”\Z”, 某些上下文中還可以用”\z”。
例子：
正則表達式：”\Aaaaa\Z”
匹配字串：”aaaa” (僅僅aaaa開頭結尾的字符串，也即主題詞開始結束)
使用元字符的字面值：
可以用”\Q”和”\E”之間的字符集匹配字符串字面值。”.^$*+?|(){}[]-“這15個元字符在正則表達式中有特殊含義，用來編寫匹配模式。其中的連字符”-“在正則表達式的方括號中用來表示範圍，其他情況下無特殊含義。你在正則表達式中直接輸入這些字符不會顯示，如果想顯示這些字符本身你就需要把他放在”\Q”和”\E”之間，當然，也可以在其前面加”\”即可。
例子：
正則表達式： "\Q$\E" 或者 "\$"
匹配字符： $字符本身
實戰裝逼一把：
繼續像上一節一樣裝逼，繼續添加標籤，繼續使用linux的sed命令BB。sed中的命令(i)允許你在文件或者字符串中的某個位子之前插入文本，與(i)相反的命令是(a)，他是在某個位置之後添加文本。關於sed（或者grep或者vi與vim）的實戰正則表達式例子這裏不給出，自行google嘗試，這裏重在講解正則表達式。
總結：
學習了邊界與斷言（零寬度斷言）。沒啥總結的，開始正則表達式的精華，繼續BB。
四、選擇、分組和後向引用
選擇操作：
選擇操作可以在多個可選模式中匹配一個。譬如你想在”The android developer need fix bug on the Bug System.”中找出”the”（the, The, THE）出現過多少次，這時候就使用選擇模式。
正則表達式：”(the|The|THe|THE|tHE|thE|ThE|tHe)” 或者 “(?i)the”
原始字符串：”The android developer need fix bug on the Bug System.”
匹配結果： The，the
如上正則表達式匹配所有大小寫的the。
以下是其他各種選項和修飾符(注意：如下選項不實用所有正則表達式的平臺)：
| 選項 | 描述 | 支持平臺 |
|---|---|---|
| (?d) | unix中的行 | java |
| (?i) | 不區分大小寫 | PCRE、Perl、Java |
| (?J) | 允許重複的名字 | PCRE |
| (?m) | 多行 | PCRE、Perl、Java |
| (?s) | 單行(dotall) | PCRE、Perl、Java |
| (?u) | Unicode | java |
| (?U) | 默認最短匹配 | PCRE |
| (?x) | 忽略空格和註釋 | PCRE、Perl、Java |
| (?-…) | 復原或者關閉選項 | PCRE |
子模式：
子模式是正則表達式分組中的一個或者多個分組，就是模式中的模式。多數情況，子模式中的條件能得到匹配的前提是前面的模式得到匹配，但是也有例外（譬如”(the|THE|The)”匹配THE不依賴於the，因爲the會先去匹配，這個例子有三個子模式，分別是the、THE、The），子摸式寫法很多種，這裏只關注括弧中的子模式。
例子（子模式匹配依賴於前面的模式）：
正則表達式：(t|T)h(e|E)
匹配：the、The、thE、ThE
上面例子中第二個子模式”(e|E)”依賴於第一個子模式”(t|T)”。
特別的，括弧對於子模式不是必須的！！！！！如下：
正則表達式：”\b[tT]h[eE]”
匹配：the、The、thE、ThE
以上”[tT]”字符組可以看作第一個子模式，同理第二個。
捕獲分組和後向引用：
當一個模式的全部或者部分內容由一對括號分組時，他就對內容進行捕獲並臨時存儲於內存中，可以通過後向引用重用捕獲的內容，形式如下：
“\1” 、”\2” 或者 “1”、”2”，捕獲的n個分組。
在sed命令中只接受”\1”這種分組。
例子（使用linux的sed命令模擬後向引用）：
echo "YanBo is an Android Developer!" | sed -En 's/(YanBo is) (an Android Developer)/\2 \1/p'
輸出：an Android Developer YanBo is!
解釋：
-E 是sed調運ERE（擴展正則表達式），因此，括號可以當作字面值來使用。
-n 覆蓋打印每一行的默認設置。
捕獲分組1,2進行替換。
命名分組：
命名分組就是有名字的分組。由此可以通過名字引用分組而不是數字。
命名分組語法：
| 語法 | 描述 |
|---|---|
| (?…) | 命名分組 |
| (?name…) | 另一種命名分組方式 |
| (?P…) | Python中的命名分組 |
| \k | 在Perl中引用分組名 |
| \k’name’ | 在Perl中引用分組名 |
| \g{name} | 在Perl中引用分組名 |
| \k{name} | 在.NET中引用分組名 |
| (?P=name) | 在Python中引用分組名 |
非捕獲分組：**
非捕獲分組不會將其內容存儲在內存中。在你並不想引用分組時可以使用它。由於不存儲分組，所以非捕獲分組性能較高。
例子：
捕獲分組的寫法：”(the|THE|The)”
不需要任何後向引用可以寫爲：”(?:the|The|THE)”
不區分大小寫：”(?i)(?:the)” 或者 “(?:(?i)the)” 或者（推薦）”(?i:the)”
原子分組：
還有一種非捕獲分組時原子分組。如果你用正則表達式引擎進行回朔操作，這種分組可以關閉回朔操作，但是他只爭對原子分組部分，而不是整個表達式。語法如下：
“(?>the)”
正則表達式慢的一個原因就是回朔操作。
總結：
沒啥總結的，繼續裝逼繼續飛，下面的逼格更高更嗨！！！
六、正則表達式—量詞
貪心、懶惰、佔有：
量詞本來是貪心的。貪心量詞首先會匹配整個字串，然後一個一個回退（回朔），直到找到匹配的爲止。所以他最消耗資源。
懶惰的量詞使用另一種策略，他從目標的起始位置開始尋找匹配，每次檢查一個字符，最後嘗試匹配整個字符串。想要量詞變爲懶惰的，必須在普通量詞後添加一個問號(？)。
佔有量詞會覆蓋整個目標然後嘗試尋找匹配內容，但是隻嘗試一次，不會回朔。佔有量詞是在普通量詞之後添加一個加號(+)。
正則表達式*、+、?進行匹配：
如下基本量詞默認都是貪心的。
| 語法 | 描述 |
|---|---|
| ? | 零個或者一個 |
| + | 一個或者多個 |
| * | 零個或者多個 |
例如：
正則表達式：”9+”
匹配：一個或者多個9
匹配特定次數：
如下花括弧量詞是匹配最精確的量詞，默認也是貪心的。
| 語法 | 描述 |
|---|---|
| {n} | 精確匹配n次 |
| {n,} | 匹配n或者更多次 |
| {m,n} | 匹配m-n次 |
| {0,1} | 與？相同，零次或一次 |
| {1,0} | 與+相同，一次或更多 |
| {0,} | 與*相同，零次或者更多 |
懶惰量詞：
這個懶惰量詞直接實戰來說：
正則表達式：”8?”
匹配：一個或者0個8
正則表達式：”8?？” (懶惰)
匹配：一個8都沒匹配，因爲懶惰，儘可能少。
正則表達式：”8*？” (懶惰)
匹配：一個8都沒匹配，因爲懶惰，儘可能少。
正則表達式：”8+？” (懶惰)
匹配：匹配了一個8。
正則表達式：”8{3,8}？” (懶惰)
匹配：匹配了三個8。
懶惰量詞表：
| 語法 | 描述 |
|---|---|
| ?? | 懶惰匹配0-1次 |
| +? | 懶惰匹配1-多次 |
| *? | 懶惰匹配0-多次 |
| {n}? | 懶惰匹配多次 |
| {n,}? | 懶惰匹配n-多次 |
| {m,n}? | 懶惰匹配m-n次 |
佔有量詞：
佔有量詞表：
| 語法 | 描述 |
|---|---|
| ?+ | 佔有匹配0-1次 |
| ++ | 佔有匹配1-多次 |
| *+ | 佔有匹配0-多次 |
| {n}+ | 佔有匹配多次 |
| {n,}+ | 佔有匹配n-多次 |
| {m,n}+ | 佔有匹配m-n次 |
例子：
正則表達式：”1.*+”
匹配：所有的1全被高亮。
正則表達式：”.*+1”
匹配：沒有匹配，因爲沒有回朔。
正則表達式：”.*1”
匹配：匹配末尾爲1的字串，貪心模式。
總結：
這裏介紹的量詞算是正則表達式效率方面的精華所在，沒啥解釋的，繼續裝逼繼續飛。
七、正則表達式—環視
環視是非捕獲分組，也稱作零寬斷言。
正前瞻：
例子：
正則表達式：”(?i)aaa (?=bbb)”
原始串：”aaa ccc bbb aaa bbb ccc aaa”
匹配：只匹配第二處”aaa”。
以上就是匹配aaa，同時要求aaa單詞之後緊隨的是bbb。使用了正前瞻達到目的。
反前瞻：
反前瞻是正前瞻的取反操作。
例子：
正則表達式：”(?i)aaa (?!bbb)”
原始串：”aaa ccc bbb aaa bbb ccc”
匹配：只匹配第一處”aaa”。
以上就是匹配aaa，同時要求aaa單詞之後緊隨的不能是bbb。使用了反前瞻達到目的。
正後顧：
正後顧與正前瞻方向相反。
例子：
正則表達式：”(?<=aaa) bbb”
原始串：”aaa ccc bbb aaa bbb ccc aaa ”
匹配：只匹配第二處”bbb”。
反後顧：
反後顧與反前瞻方向相反。
例子：
正則表達式：”(?
總結：
這塊更加不需要BB總結，就是例子理解，照貓畫虎就行。
大結局
整個正則表達式基礎到這就差不多夠用了。總結學習方法就是大膽實踐，多亂想然後編輯器驗證就行了。