正则表达式学习和高级用法

以下所有的验证都在
在线验证

1. 起始符 /

正则表达式的起始符

2. 限定符

   +

匹配前面的子表达式**1次或多次**。例如，zo+ 能匹配 "zo" 以及"zoo"，但不能匹配 "z"。+等价于 {1,}。

   ?

匹配前面的子表达式**0次或1次**。例如，do(es)? 可以匹配 "do" 、 "does"、 "doxy" 中的 "do" 和 "does"。
? 等价于 {0,1}。

  *

匹配前面的子表达式**0次或多次**。例如，zo* 能匹配 "z" 以及"zoo"。* 等价于 {0,}。

  . 句点符

匹配除换行符外 /r 和 /n的所有字符，但一次只能匹配一个

   { }

     {n}

n 是一个非负整数。匹配确定的 n 次。例如，o{2} 不能匹配 "Bob" 中的 o，但是能匹配 "food" 中的两个 o。

     {n,}

n 是一个非负整数。至少匹配n 次。例如，o{2,} 不能匹配 "Bob" 中的 o，但能匹配 "foooood" 中的所有 o。o{1,} 等价于 o+。o{0,} 则等价于 o*。

    {n,m}

m 和 n 均为非负整数，其中 n <= m。最少匹配 n 次且最多匹配 m 次。例如，o{1,3} 将匹配 "fooooood" 中的前三个 o。o{0,1} 等价于 o?。请注意在逗号和两个数之间不能有空格。

3. 普通字符

   [ ]

所有的区间都会匹配一个结果返回

   [ABC]

匹配包含在中括号中的所有字符，注意的是匹配的的字符不需要是连续的的，只要是在 [...]中的字符就行，相当于字典。

   [^ABC ]

和[ABC] 是取反的操作，表示不包含的匹配

   区间操作 [A-Za-z0-0]

匹配某一区间的所有包含字符 例如匹配所有的中文[\u4e00-\u9fa5] ，这里是通过Unicode

4. 元字符

  \d \D

配置所有的数字字符， 大写的表示取反 0-9

  \w \W

匹配所有的 英文字母 + 数字 + 下划线, 只能匹配一个，如果要匹配多个需要用到 \w+

  \s \S

匹配任何空白字符，包括空格、制表符、换页符等等。

5. 逻辑运算符

   与运算 (...)

括号内的做为一个整体匹配

  或运算符 |

指明两项之间的一个选择。要匹配 |，请使用 \|
A(ab|cd)D 两个匹配一个

6. 定位符

   $ 字符串结尾符

表示匹配的所有字符在句尾

  ^ 首字符匹配

在中括号中[ ] 表示取反

  \b \B 边界匹配符

将两个空个之间的字符整体作为一个单词， 匹配边界包含某一特征的字符

7. 高级用法

   贪婪匹配 or 懒惰匹配 ?

正则匹配的原则默认是按照贪婪匹配，表示尽可能多的匹配，也就是在满足条件的情况下，找到最长的。

<span> <div>this is very important!</div> </span>

我们要匹配所有的html标签 我们用 <.+> ，结果发现匹配的并不是 按照 <span> 和 <div>
而是把所有的都返回了，原因就是默认采用了贪婪匹配。

如果我们用<.+?>表示我们用懒惰匹配，只要找到符合的就作为一个返回结果。

懒惰模式存在时对可匹配多个字符的操作符 例如

贪婪元字符	懒惰元字符
+	+?
*	*?
{}	{}?

   修饰符

      /i

ignore - 不区分大小写	将匹配设置为不区分大小写，搜索时不区分大小写: A 和 a 没有区别。

     /g

g	global - 全局匹配	查找所有的匹配项。

     /m

m	multi line - 多行匹配	使边界字符 ^ 和 $ 匹配每一行的开头和结尾，记住是多行，而不是整个字符串的开头和结尾。

     /s

特殊字符圆点. 中包含换行符 \n, 默认情况下的圆点 . 是匹配除换行符 \n 之外的任何字符，加上 s 修饰符之后, 
. 中包含换行符 \n。

   回溯引用

回溯引用指的是模式的后半部分引用在前半部分中定义的子表达式，且只能用来引用模式里的子表达式()子表达式即用元字符(和)括起来的部分）。简单理解，可以将回溯引用想象成对变量的引用。

    使用

\1表示引用第1个子表达式，\2表示引用第2个子表达式，以此类推（通常，回溯引用从1开始匹配）

    注意

由于子表达式是按照其在表达式中的相对位置来引用的，因此有个不好之处在于，一旦改变了子表达式的相对位置，很容易引起正则的回溯引用失效。
例子：
我们要匹配一个HTML标签 <h1>-<h6> 中的内容,我们用这样的正则<[Hh][1-6]>.*?</[Hh][1-6]>，这个可以匹配但是没有办法判断标签错误匹配的问题。

可以用回溯解决，主要时判断<h>标签前面的数字是否匹配， <[hH]([1-6])>.*?</[hH]\1>就可以解决。

   替换操作符 $

$1、$2表达的是正则表达式中小括号（即分组）中的内容，$1是第一个小括号（分组）中的匹配结果，$2是第二个小括号（分组）中的匹配结果，以此类推。通常$1、$2用在替换操作中。如下：

  前后查找

前后查找是查找具有某一条件的字符串

    (正)向前查找 (?=)

如果我们想在一堆 URL 中拿到它们的协议名(scheme)

http://www.test.com
https://www.example.com
ftp://ftp.aaa.com

我们可能会使用.+: 来完成要求，但是该模式匹配的是 http:，https:，ftp:，要提取协议名我们还得对字符串做二次处理。所幸的是，使用向前查找.+(?=:) 就能够省去后面的冒号，其中子表达式(?=:) 表示找到: 就可以了，不把它包括在最终的匹配结果里。

    (正)向后查找 (?<=)

除了?= 表示向前查找，还有很多正则表达式（JS不在其中。。。）也支持向后查找，操作符为 ?<=。同样地，来看一个例子：对于如下文本

ABC01: $23.45
HGG43: $5.31

如果我们想将其中的价格匹配出来（不含$），使用 [0-9.]+ 是不行的，因为它也会匹配出 01 和 43，这时候使用向后查找 (?<=\$)[0-9.]+ 问题就迎刃而解了。

  前后取非查找 （负向查找） (?!) (?<!)

如果文本中我们只想匹配数量而不匹配金额：只匹配num 不匹配 $num,比如下面这个例子

I paid $30 for 100 apples,
50 orange, and 60 pears,
I saved $5 on this order.

\b(?<!\$)\d+\b 最终的匹配的结果是只包含那些不以 $ 开头的数值。
这个是所有操作符的总结
这时候可以取非

操作符	说明
(?=)	正向前查找
(?<=)	正向前查找
(?!)	负向前查找
(?<!)	负向后查找

  嵌入条件

北美的电话号码格式是 [phone] 和 123-456-7890，要匹配该模式，可能很容易就想到使用 \(?\d{3}\)?-?\d{3}-\d{4}，但是该表达式也会匹配到非法的数据格式比如 (123-456-7890，这种情况我们就需要使用条件：如果电话号码里有一个 (，则第五个字符匹配 )，否则匹配 -。
嵌入条件的语法为：

(?(backreference)true-regex)
(?(backreference)true-regex|false-regex)

可以理解为：

if (backreference) { true-regex } else { false-regex }

分析这个模式，其中 (\()? 匹配一个可选的左括号，(?(1)\)|-) 是一个回溯引用条件，只有配对出现的括号才会被匹配。