正则表达式
正则表达式
概念
简单来说，正则表达式是一种字符串匹配的模式。再换句话说，正则表达式就是记录文本规则的代码，用来查找符合某种复杂规则的字符串的需要。
你可能用过Windows下的通配符，例如*和？，与通配符类似，正则表达式也是进行文本匹配的工具，只不过比起通配符，它会更加精确的匹配。当然，这也取决于你编写的正则表达式的复杂性。
元字符
正则表达式是通过元字符匹配的，那元字符是什么呢？元字符简单来说，就是正则表达式的匹配规则，拿几个来举例子：
| 元字符 | 说明 |
|---|---|
| . | 匹配除换行符以外的任意字符 |
| \w | 匹配字母或数字或下划线或汉字 |
| \W | 匹配任意不是字母，数字，下划线，汉字的字符 |
| \d | 匹配数字 |
| [abcd] | 匹配abcd其中一个字符 |
| [^abcd] | 匹配不是abcd的任意一个字符 |
| [A-Z] | 匹配从A-Z中任意一个字符 |
| [A-z] | 匹配从A-z任意一个字符（涵盖大小写） |
| ^ | 匹配字符串的开始 |
| $ | 匹配字符串的结束 |
以上只是几个常用的，真实用到的比上面的表格多得多。
其中^比较特殊，可以用来表示字符串的开始，如果放到[]中括号里，表示取反。
[]里面可以写单独一个字符，也可以写一个范围，举例子：
[a] 匹配A这个字符
[abcd] 匹配ABCD这几个字符中任意一个
[a-z] 匹配26个小写字符中的一个
[0-9] 这个跟\d一个意思，匹配0—9中任意一个数字
另外:这些元字符，区分大小写，大写表示取反，例如：\d匹配数字，\D匹配非数字。
字符转义
如果你想要匹配元字符本身的话，比如你想查找^，这时候你就需要用\来取消转义，两个\\匹配一个。
重复
我们前面知道\d匹配一个数字，那么如果我们想要匹配十个数字，应该怎么做？写十遍\d？
当然不会，正则表达式有几种限定符，用来匹配元字符出现的次数。
| 限定符 | 说明 |
|---|---|
| * | 重复0+次 |
| + | 重复1+次 |
| ? | 重复0或1次 |
| {n} | 重复n次 |
| {n,} | 重复n+次 |
| {n,m} | 重复n—m次 |
那上面我们说的十个数字，就是:\d{10}
分支条件
我们知道外国人的名字格式为：FirstName·LastName，也就是名·姓的格式。
但也有些外国人有中间名，也就是：FirstName·MiddleName·LastName
那我们怎么同时匹配这两种格式的外国人的名称呢？
很简单:
\w+[·]\w+|\w+[·]\w+[·]\w+
我们知道在程序中|表示或的关系，在这里也是，只要符合两个正则表达式的任意一个，都算符合条件。
分组
重复十个数字，我们知道怎么重复，直接\d{10}就行了。
但是如果让你重复多个字符呢？例如：abc重复十遍。
这时候就要用到分组了，分组的元字符是小括号()。
假设说我们要匹配一个IP地址，IP地址的格式我们知道，是这样的：
XXX.XXX.XXX.XXX
其中每一段都是0—255,也就是1位到3位
那我们的正则表达式就可以这么写:
(\d{1,3}\.){3}\d{1,3}
但是这会有一个问题，它会匹配到错误地址，例如：
999.999.999.999
那我们重新写一下:
((\d|\d{2}|1\d{2}|2[0-4]\d|25[0-5]).){3}\d|\d{2}|1\d{2}|2[0-4]\d|25[0-5]
这可能就比较复杂了，这个匹配了所有情况，1位的地址、2位的地址、100—199的地址，200—249的地址，250—255的地址
后向引用
其实每一个分组都会默认指定一个编号，就像我们前面写的(\d{1,3}\.)的默认编号就是1，从左到右，依次累加。
如果我上面的关于IP的分组是这么写的
(\d{1,3}\.)(\d{1,3}\.)(\d{1,3}\.)
那么依次的分组顺序就是1,2,3
如果现在有一段字符串是这种格式XXX-XXX-XXX，第一段和第三段都是英文字母，并且相同，第二段是数字，使用分组怎么描述呢？
你肯定会知道是用分组，第一组和第二组肯定这么写([A-z]{3})-(\d{3})-
到第三组的时候，你发现出现问题了:怎么保证第三组和第一组一样呢？
这时候我们就要用到后向引用了，因为我们知道，第一组的编号是1，那我们直接可以通过\1来引用第一组的值，也就是这样写:
([A-z]{3})-(\d{3})-\1
看结果:
匹配成功！
当然，你觉得用1,2,3…这种编号表示，有的时候会搞混，你也可以给分组起名，给分组起名的语法有两种：
(?<Group1>[A-z]{3})，第一种方式是在分组中最前方加?<Name>的方式起名
(?’Group1′[A-z]{3})，第二种方式是把<>换成”，也就是在分组中最前方加?’Name’的方式起名
这种情况是用<GroupName>或者’GroupName’的方式引用
把我们之前的正则表达式换一下:
(?<Group1>[A-z]{3})-(\d{3})-\<Group1>
(?’Group1′[A-z]{3})-(\d{3})-‘Group1’
试一下:
两种写法依旧匹配成功！
零宽断言
零宽断言用来指定一个位置，这个位置需要满足一些条件。
需要注意：零宽断言只匹配位置，而不会占用字符。
零宽先行断言:
全名：零宽度正预测先行断言
作用：匹配在某个表达式位置之前的符合条件的字符串
语法：(?=expression)
示例:
I am a competitor before.
匹配competitor这个单词，使用零宽先行断言可以这么写:
\b[A-z]+(?=\sbefore.)
我们匹配到了 before.之前的单词，也就是competitor。
零宽后发断言
全名：零宽度正预测后发断言
作用：匹配在某个表达式位置之后的符合条件的字符串
语法：(?<=expression)
示例：
I am a competitor before.
匹配competitor这个单词，使用零宽后发断言可以这么写:
(?<=\b[a]\s)\b[A-z]+\b
我们匹配到了a 后面的单词，也是competitor.
负向零宽断言
前面我们说过，\后面跟大小写是取正和取反的区别，那有零宽断言，也当然有负向零宽断言，一听就知道是用来取反的，跟零宽断言一样，负向零宽断言也包含先行断言和后发断言。
负向零宽先行断言：
全名：负向零宽度正预测先行断言
作用：匹配不在某个表达式位置前面的字符串
语法：(?!expression)
示例：
ABC-123456-123-ABC
使用负向零宽先行断言，匹配第三段的的值:
\b\d{3}(?!\d)
结果:
负向零宽先行断言：
全名：负向零宽度正预测后发断言
作用：匹配不在某个表达式后面的字符串
语法：(?<!expression)
示例：
ABC-123456-123-ABC
使用负向零宽后发断言，匹配第三段的值:
(?<!123)\d{3}\b
结果:
贪婪与懒惰
当你使用正则表达式来匹配字符的时候，它都会尽量多的匹配，这种方式称为贪婪匹配原则，也是默认的匹配模式。
示例:
abcabcab这个字符串，如果使用^.*b，它会直接匹配整个字符串。
而我们只希望它匹配第一个ab，也就是常说的懒惰匹配原则，这时候需要在后面加一个?
也就是^.*?b，匹配的结果就是ab。在普通限定符后面加上?，就会变成懒惰限定符。
| 鉴定符 | 说明 |
|---|---|
| *? | 重复任意次，但尽可能少重复 |
| +? | 重复1次或更多次，但尽可能少重复 |
| ?? | 重复0次或1次，但尽可能少重复 |
| {n,m}? | 重复n到m次，但尽可能少重复 |
| {n,}? | 重复n次以上，但尽可能少重复 |
其他
我们今天学习的只是正则表达式语法，但是在实际开发中，会有很多血想，例如：区分大小写、多行匹配、单行匹配、忽略空白等，这都取决于开发平台提供的API的支持，就写这么多吧，实在啃不动了…
之前学的都快忘了，再复习一遍…
大部分内容摘自及参考：http://deerchao.net/tutorials/regex/regex.htm，16年我就读的他写的关于正则表达式的文章，如今回来还是读他的，经典。