正则表达式

正则表达式

在线正则表达式网站：https://regexr-cn.com/

注：若无特殊说明，本文章严格区分字符(单个字符)与字符串(多个字符)。

字符串模式匹配

字符串模式匹配：根据模式串(Pattern)的数量，分为单模匹配与多模匹配。设原串$S$、模式串$T$，$T$在$S$中可能多次出现，在$S$中找所有$T$的相等串的过程即为单模匹配；设原串$S$、模式串 { T 1 , ⋯ , T n } \set{T_1,\cdots ,T_n} {T1​,⋯,Tn​}，在$S$中找到所有 { T 1 , ⋯ , T n } \set{T_1,\cdots ,T_n} {T1​,⋯,Tn​}的相等串的过程即为多模匹配

正则表达式是通配符(?、*)的扩展，常用于字符串的模式匹配。通过修改模式串，可使模式串按照一定规则进行匹配。

匹配符号

若要匹配这些符号本身，则需将其本身转义(\)。

• .：匹配除\n外的任意字符(类似于通配符中的?)。如a.b匹配acb，但不匹配ab和accb。
• [ ]：字符集。匹配字符集中的任意字符。若需匹配的字符间呈连续性(如字典序、数字序列等)，中间部分范围可用-省略。如a[b-dB-D]可匹配ab、ac、ad、aB、aC、aD。
• [^ ]：取反字符集。匹配除该字符集外的任意字符。如a[^a-b]匹配ac等，但不匹配aa、ab。
• 预定义类：
  • \d：任意数字，等价于[0-9]
  • \D：任意非数字，等价于[^0-9]
  • \w：任意字母、数字、下划线
  • \W：任意非字母、数字、下划线
  • \s：任意空白字符(Space、Tab等)
  • \S：任意非空白字符

边界匹配

边界匹配符可搭配使用。使用边界匹配符后，默认仅对文本首行进行边界匹配。

• ^ ：匹配仅在行头出现的字符串。如^ab匹配abcd abbc aabc中abcd的ab，但不匹配abbc和aabc。
• $：匹配仅在行尾出现的字符串。如ab$匹配 aabb abab cbab中cbab中的ab，但不匹配aabb和abab。
• \b ：匹配仅在词头出现的字符串。如\bab匹配abcd abaa baba中abcd和abaa的ab，但不匹配baba。
• \b：匹配仅在词尾出现的字符串。如ab\b匹配cdab aaab caba中adab和aaab中的ab，但不匹配caba。
• \B ：匹配非词头出现的字符串(位于单词的中间或末尾)。如\Bab匹配abaa aaba aaab中aaba和aaab中的ab，但不匹配abaa。
• \B：匹配非词尾出现的字符串(位于单词的开头或中间)。如ab\B匹配abaa aaba aaab中abaa和aaba中的ab，但不匹配aaab。

匹配修饰符

• g：全局匹配，匹配模式串出现的所有位置
• i：忽略模式串大小写
• m：对所有行都进行边界匹配
• s：使.支持匹配\n

匹配量词及其匹配模式

匹配量词

• {<number>}：匹配其前面的字符出现<number>次。若表示重复次数区间，则用,分隔，表示重复次数的闭区间。
  若不给定区间端点，由于贪婪匹配机制，不给定的端点默认为$0$(左端点)和$+\infty$(右端点)。如abt{3}仅匹配abttt，abt{3,5}仅匹配abttt、abtttt、abttttt，abt{3,}匹配abttt、abtttt等。
• *：匹配其前面的字符出现$\ge 0$次，等价于 {0,}。如abt*匹配ab、abt、abtt等。
• +：匹配其前面的字符出现$\ge 1$次，等价于 {1,}。如abt+匹配abt、abtt等，但不匹配 ab。
• ?：匹配其前面的字符出现$0$或$1$次，等价于 {0,1}。如abt?匹配ab、abt，但不匹配abt等。

量词的匹配模式

• 贪婪匹配：尽可能多匹配，直到无法再进行匹配为止。量词默认为贪婪匹配。如abt*匹配ab、abt、abtt等。
• 非贪婪匹配：尽可能少匹配，一旦满足匹配条件则立即停止匹配。在量词后加?(懒惰符)开启非贪婪匹配。如abt*?仅匹配abt。

分组 捕获 引用

• 分组：将若干字符组织成一个整体的字符串进行匹配
• ( )：非命名捕获分组，分组并捕获(记忆化)该匹配。如(ab)+则用于字符串ab出现$\ge 1$次，匹配ab、abab等。
• (?: )：非命名非捕获分组。匹配后不进行捕获。
• (?P<<tag_name>><regex>)：命名捕获分组。<tag_name>为分组名，其被<>包围；<regex>为正则表达式内容。
• 引用：重复使用先前被分组捕获的内容
  • 反向引用：在匹配模式时，当遇到反向引用时，不再继续向后匹配，而是反过来向前引用先前的捕获分组。
    反向索引引用：适用于非命名捕获分组，通过形如\<num>的索引引用访问先前的捕获。
    反向命名引用：适用于命名捕获分组，通过形如(?P=<tag_name>)引用访问先前的捕获。
  • 替换引用：在替换时引用。
    替换索引引用：适用于非命名捕获分组，通过形如$<num>的索引引用访问先前的捕获。
    替换命名引用：适用与命名捕获分组，通过形如\g<name>引用访问先前的捕获。

逻辑运算

• |：或。位于两个模式串之间。可用于实现多模匹配。如abc|def可匹配abc，也可匹配def。

前瞻 后顾