正则表达式基础知识
本文内容主要选自《正则表达式必知必会》，薄薄的书（100页左右），信息量却很大，非常适合正则表达式入门.
正则表达式测试小软件下载地址：http://www.forta.com/books/0672325667
一、概述
1.正则表达式是用来描述文本的模式结构的表达式，是由正则表达式语言写成的由特殊字符、普通字符组合而成的具有特定含义的字符串。
比如单个数字的正则表达式是[0-9]或\d；三位数字的正则表达式是[0-9][0-9][0-9]或\d{3}。由上可见，
2.一个文本模式可能有多种正则表达式写法，有的简单，有的快速，有的功能全面，有的兼容性好，要多多尝试。
3.正则表达式是"文本内匹配"，比如，文本shuqin1984，正则表达式\d{4}将在整个文本中匹配1984部分。
4.正则表达式的一个难点是：要匹配期望的文本比较容易，但要将不期望的东西排除掉比较困难。比如三位数，若写成
\d{3},则虽然所有三位数都囊括进去，但不合法的格式文本比如001,023也包含进去了。正确的写法是：[1-9]\d{2}
因此，使用正则表达式之前，对要匹配的文本的模式结构和规则要有清晰明确的归纳，以防漏掉要匹配的文本，
却将不期望的文本匹配进去。
5.掌握正则表达式语法相对容易，更重要的是灵活应用，多多实践。
二、匹配单个字符
1.匹配任意单个字符：.比如sa.可以匹配sa后跟任意字符的字符串
2.匹配指定字符集合中的任意单个字符：比如[abc]将匹配a或b或c，ca[ptb]将匹配cap,cat或cab.
3.匹配指定字符集合之外的任意单个字符：比如[^abc]将匹配除了a,b,c之外的任意单个字符。
ca[^ptb]，将匹配caX的任意文本，除了cap,cat,cab
实验：
sales.xlsorder3.xlssales2.xlssales3.xlsapac1.xlseurope2.xlssam.xls
saM.XLSna1.xlsna2.xlssa1.xlsca1.xls
正则表达式：sa.sa[lm]sa[^lm][ns]a[1-2][ns]a[^1-2]
4.匹配特殊字符：需要用\进行转义，比如匹配.的正则式是\.，匹配\的正则式是\\，匹配(的正则式是\(
凡是在正则式中具有特殊含义的字符，要匹配字符本身(将其作为普通文本)都必须进行转义.
通常需要转义的字符有：.+*？{}[]()-\^$
文本同上。正则表达式sa.\.xlssa[mlM]\.xlssa[^mlM]\.xls
5.匹配空白字符：\f换页\n换行\r回车\t制表符\v垂直制表符空格符
实验文本：
(x+y)^n=C(n,0)x^n+C(n,1)x^(n-1)*y+...+C(n,k)x^(n-k)*y^k+...+C(n,n-1)x*y^(n-1)+C(n,n)y^n
正则表达式：C(.,.)C\(.,.\)\+\s+\+\s+x\^\(n(-[0-9a-z])?\)
6.匹配字符区间集合的任意单个字符：
[0-9]任意数字[a-z]任意小写字母[A-Z]任意大写字母[a-f]a,b,c,d,e,f
[a-zA-Z]任意大小写字母[^0-9]任意非数字的字符[^a-zA-Z]任意非大小写字母的字符
7.匹配特殊字符集合中的任意单个字符：等价于
\d[0-9]任意单个数字\D[^0-9]任意单个的非数字字符
\w[a-zA-Z0-9_]\W[^a-zA-Z0-9_]
\s[\f\n\r\t\v]\S[^\f\n\r\t\v]
实验：
正则表达式：[0-9a-fA-F]{6}|[0-9a-fA-F]{3}匹配336633和FFF
8.POSIX字符类：例如：
[:digit:][0-9];[:alpha:][a-zA-Z];[:alnum:][a-zA-Z0-9]
具体应用要再加一层括号，比如TEST[[:digit:]]匹配TEST0-TEST9
三、匹配字符组合
1.XY：匹配X后跟Y的文本，比如[0-9][a-z]匹配数字后跟小写字母的文本，7z,0x等，但不匹配ap,77
2.X|Y:匹配X或者Y，比如[0-9]|[a-z]匹配数字或小写字母，相当于[0-9a-z]
3.匹配一个或多个X：X+；例如s\d+匹配s后跟至少一个数字，s9,s34,s235,...
匹配零个或多个X：X*;例如s\d*匹配s后跟空或者至少一个数字,s,s9,s34,s235,...
匹配零个或一个X：X？；例如https?匹配http或https
匹配恰好m个X：X{m};例如s\d{4}匹配s0000,s1234,但不匹配s234,s23445
匹配至少m个X：X{m,};例如s\d{2,}匹配s12,s123,但不匹配s1
匹配至少m个但不超过n个X：X{m,n};例如s\d{2,4},匹配s12,s123,s1234,但不匹配s1,s12345
4.以上X可以是一个子表达式：例如(s\d){3}匹配s1s1s1，而不匹配s111
实验：
s,s1,s12,s123,s1234,s12345,s123456,...s111,s1s1s1,s2s2,s22,s3333,s3s3s3s3,...
正则表达式：s\d*,s\d+,s\d?s\d{3},s\d{2,}s\d{2,4},
(s\d)*,(s\d)+,(s\d)?,(s\d){3},(s\d){2,},(s\d){2,4},
5.惰性匹配:默认匹配模式是"贪婪型匹配"，即匹配尽可能多的文本
实验：Youmakemelost.
正则式：.*.*?(？).*?(?=)
6.匹配位置：
[1]\b单词边界\B非单词边界。
文本：Thecaptainworehiscapandcapeproudlyashesatlistening
totherecapofhowhiscrewsavedthemenfromacapsizedvessel.
正则式：cap\bcapcap\b\bcap\b\Bcapcap\B\Bcap\B
[2]^匹配文本起始$匹配文本末尾
例如^[a-z]123将匹配文本a123而不是slha123即以小写字母开头后跟123的文本
[a-z]123$将匹配文本sssd123而不是sdf123dss即以小写字母后跟123结尾的文本
实验：a123a123sssa123
正则式:^a123a123$
7.子表达式：使用括号将一个正则表达式作为整体
例如：三位数.三位数.三位数.三位数:(\d{1,3}\.){1,3}\d{1,3};(\d{1,3}\.)就是一个子表达式
例如:IP地址：0-255.0-255.0-255.0-255，这里关键是表达0-255中的任意数字
将0-255划分为几个区段:0-9,10-99,100-199,200-249,250-255
(\b([0-9]|([1-9][0-9])|(1\d{2})|(2[0-4][0-9])|(25[0-5]))\.){3}
([0-9]|([1-9][0-9])|(1\d{2})|(2[0-4][0-9])|(25[0-5]))
实验：122.204.142.1192.168.1.1127.0.0.1122.375.86.2
375.122.45.2122.204.256.1122.23.21.256
8.回溯引用：相同匹配的概念
例如:匹配.*?这里\1可以捕获([hH][1-6])所得到的结果，从而起到对应的效果，以免匹配到
23的不合法文本。即，若则\1表示h1,若则\1表示H2
文本：HELLOWORLDWAOYEAH
正则式：.*?.*?
引用：((regex1)-(regex2))-(regex3)\nn按左括号出现的顺序进行标识
\0表示匹配的整个文本\1((regex1)-(regex2))\2(regex1)\3(regex2)\4(regex3)
在替换文本时可以使用$1,$2,$3,$4分别引用\1,\2,\3,\4捕获的文本。
例如：正则表达式((abc)-(def))-(ghf)匹配文本abc-def-ghf
$1--->abc-def;$2--->abc;$3--->def;$4--->ghf
9.前后查找：位置匹配的概念
比如:要查找scatterlocaterocate中cat后面是e的单词，使用cat(?=e),注意，这里并不会捕获e,而是用e作为捕获cat的定位信息;要查找cat前面是s的单词，使用(?正则式：((https?)|(ftp))(?=:)
10.嵌入条件：条件匹配的概念
比如，要匹配(123)456-7890或123-456-7890，而不匹配(123)-456-7890,123456-7890，(123-456-7890等，
这意味着，若123前面是(则后面要匹配)且不跟-;若123前面不是(，则后面匹配-
正则表达式是：(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}
(\()?表示是否存在(,这里用括号将(作为子表达式，以便于后面回溯引用；
(？(1)\)|-)表示，如果存在(，则匹配)，否则匹配-
?(back-ref)true-regex表示，只有当back-ref存在时，才会匹配true-regex;
?(back-ref)true-regex|false-regex表示，若back-ref存在，匹配true-regex;若不存在，匹配false-regex.
文本：(123)456-7890123-456-7890(123)-456-7890123456-7890(123-456-7890
正则式：\(?\d{3}\)?-?\d{3}-\d{4}(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}
四、小结
以上所述就是构造正则表达式的基本知识。编写正则表达式的一个技巧是分而治之，先划分成若干子表达式分别调试成功，再组合起来。要掌握这样一个强大的文本工具，惟有勤加练习，勤于思考求精耳。