正则表达式

使用单个字符串来描述、匹配一系列符合某个语法规则的字符串

• 输入验证

• 查找替换操作

• 高级字符串操作

• 文件搜索或重命名

• 白名单和黑名单

常规匹配(简单字符)

一串不包含特殊字符的正则表达式匹配他自己

范例

[root@localhost ~]# cat /etc/passwd|grep test

匹配包含test的行

特殊字符

\是转义字符，其后面的字符会代表不同的意思，转义字符主要有三个作用：

第一种，是为了匹配不方便显示的特殊字符，比如换行，tab符号等

第二种，正则中预先定义了一些代表特殊意义的字符，比如\w等

第三种，在正则中某些字符有特殊含义(比如下面说到的)，转义字符可以让其显示自身的含义

匹配*包围的子串
\*[^\*]*\*

下面是常用转义字符列表：

字符集

有时需要匹配一类字符，字符集可以实现这个功能

语法：[ ]分隔

范例：

[abc] #匹配a或b或c
范例：
能匹配到：apple banana
不能匹配到：king author 345%5

[0-9] #匹配0到9中的一个数字 即[0123456789]
范例：
能匹配到：8777 0xEEEEE
不能匹配到：king author _icon%

在前面添加^，可表示非的意思

[^abc] 匹配abc外的所有字符中的一个
范例：
非法用户名 [^a-zA-Z0-9_] 只允许大小写字母、数字、下划线

正则规定的特殊字符，与上述一致

.   #匹配除换行外的任意一个字符
\w #匹配任意数字或字母或下划线 [0-9a-Z_]
\d     #匹配任意一个数字 [0-9]

量词

匹配多次某个字符

正则中的量词有多个，如?、+、*、{n}、{m,n}、{m,}

{n} 匹配n次
a{2} 匹配aa
{m,n}   匹配m次 - n次 优先匹配n次
b{2,4} 匹配bb,bbb,bbbb 优先匹配bbbb
{m,} 匹配m-∞次，优先匹配∞次，比如a{1,}，可以匹配aaaa...
? 匹配0次或1次，优先匹配1次，相当于{0,1}
+ 匹配1-n次，优先匹配n次，相当于{1,}
* 匹配0-n次，优先匹配n次，相当于{0,}

正则默认和人心一样是贪婪的，也就是常说的贪婪模式，凡是表示范围的量词，都优先匹配上限而不是下限
有时候这不是我们想要的结果，可以在量词后面加上?，就可以开启非贪婪模式
a{1, 3}? // 匹配字符串'aaa'的话，会匹配a而不是aaa

范例：
匹配六个字符的16进制数
[0-9A-F]{6}

字符边界

有时我们会有边界的匹配要求，比如已xxx开头，已xxx结尾

^在[]外 表示 匹配开头的意思
^abc // 可以匹配abc，但是不能匹配aabc

$ 表示 匹配结尾的意思
abc$ // 可以匹配abc，但是不能匹配abcc

上面提到的\b表示单词的边界

abc\b // 可以匹配 abc ，但是不能匹配 abcc

范例：匹配国内手机号
^1[3-9][0-9]{9}

选择表达式

有时我们想匹配x或者y，如果x和y是单个字符，可以使用字符集，[abc]可以匹配a或b或c，如果x和y是多个字符，字符集就无能为力了，此时就要用到分组

正则中 用|来表示分组，a|b表示匹配a或者b的意思

123|456|789 // 匹配 123 或 456 或 789

[ ] 单个字符 | 多个字符

分组与引用

分组是正则中非常强大的一个功能，可以让上面提到的量词作用于一组字符，而非单个字符，分组的语法是圆括号包裹(xxx)

(abc){2} // 匹配abcabc

分组不能放在[]中，分组中还可以使用选择表达式

(123|456){2} // 匹配 123123、456456、123456、456123

和分组相关的概念还有一个捕获分组和非捕获分组，分组默认都是捕获的，在分组的(后面添加?:可以让分组变为非捕获分组，非捕获分组可以提高性能和简化逻辑

和分组相关的另一个概念是引用，比如在匹配html标签时，通常希望<xxx></xxx>后面的xxx能够和前面保持一致

引用的语法是\数字，数字代表引用前面第几个捕获分组，注意非捕获分组不能被引用

<([a-z]+)><\/\1> // 可以匹配 `<span></span>` 或 `<div></div>`等

回溯

回溯允许引用之前捕获的子字符串。

匹配第一组可以使用 \1，匹配第二组可以使用 \2，依此类推…