学习正则表达式

正则表达式，一直在用，但用得稀里糊涂。尤其在Linux下，一切皆文件，Linux三剑客：“grep，awk，sed”，哪个都离不开正则表达式，所以抽个时间，巩固一下正则表面式的内容。

用到的网站

#

• 👉 维基百科|正则表达式，先大致了解一下正则表达式。
• 👉 regexlearn，比较基础的练习，总共56道题，十几分钟就能做完，动画做得很直观，加深理解。
• 👉 regex101，总共28道测试题，有难度，我自己做到前9道。除了测验之外，正则表达式的所有内容基本都能在这个网站上找到，比较靠谱的一个网站。
• 👉各种gpt助手，不必多言。

正则表达式重难点

#

贪婪模式与非贪婪模式

#

1. 贪婪模式：尽可能多地匹配相符内容。

   比如： a.*a，a代表首字母，.点字符表示除回车跟换行符的任意单个字符，*代表对之前.的贪婪模式匹配，即尽可能多地匹配任意多个单个字符，直到遇见下一个字母a，效果如下：

   

2. 非贪婪模式：与贪婪模式相反，仅匹配最少量的必要相符内容。

   比如：r\w*?，r表示首字母，\w在正则表达式中代表字母、数字或下划线，后面的*?表示针对\w的非贪婪模式匹配，所以最终效果就是，匹配以r为首的，后续为字母、数字、下划线字符模式中的r,具体效果如下：

   

零宽断言

#

零宽断言是正则表达式中的一种特殊的匹配模式，所谓断言，是说当它们在匹配字符串时，断言当前位置的前面或后面应该满足某种条件。零宽，是说以上这种断言都是零宽度的，它们自身不匹配任何字符，只是用来断言当前位置的前面或后面是否满足特定的条件。

根据匹配位置的不同，可分为先行断言跟后行断言，所谓先行断言，是说断言当前位置的后面应该满足某种条件；而后行断言，是说当前位置的前面应该满足某种条件；又根据匹配条件的不同，可分为正向断言跟负向断言，所谓正向，即表示肯定，负向，即表示否定。排列组合下来，总共有以下四种零宽断言的模式：

1. 正向先行断言（Positive Lookahead）：(?=pattern)，表示断言在当前位置的后面，模式 pattern会出现，如：

   

   \d在正则表达式中代表数字字符，+是对\d的修饰，表示至少要有一个\d，后面的(?=PM)，是对之前\d+的修饰，即断言\d+之后必有PM，但(?=PM)自身却不匹配任何字符，于是最终匹配到的只有PM之前的数字3。

2. 负向先行断言（Negative Lookahead）：(?!pattern)，表示在当前位置之后，模式 pattern 不会出现，如：

   

   \d在正则表达式中代表数字字符，+是对\d的修饰，表示至少要有一个\d，后面的(?!PM)，是对之前\d+的修饰，即断言\d+之后不能有PM，但(?!PM)自身却不匹配任何字符，于是最终匹配到的只有后面没有PM的数字4。

3. 正向后行断言（Positive Lookbehind）：(?<=pattern)，表示在当前位置之前，模式 pattern 会出现，如：

   

   \$在正则表达式中代表符号$本身，因$自身在正则表达式中具有匹配文本行尾的含义，所以这里要用到转义字符\，\d在正则表达式中代表数字字符，+是对\d的修饰，表示至少要有一个\d，前面的(?<=PM)，是对后面\d+的修饰，即断言\d+之前必有$字符，但(?<=\$)自身却不匹配任何字符，于是最终匹配到的只有$之后的数字5。

4. 负向后行断言（Negative Lookbehind）：(?<!pattern)，表示在当前位置之前，模式 pattern 不应该出现，如：

   

   \$在正则表达式中代表符号$本身，因$自身在正则表达式中具有匹配文本行尾的含义，所以这里要用到转义字符\，\d在正则表达式中代表数字字符，+是对\d的修饰，表示至少要有一个\d，前面的(?<!PM)，是对后面\d+的修饰，即断言\d+之前不能出现$字符，但(?<!\$)自身却不匹配任何字符，于是最终匹配到的是前面没有$字符的1024。

总结：

• 先行断言是从当前位置向后查找，用于约束当前位置之后的字符，而后行断言是从当前位置向前查找，用于约束当前位置之前的字符。
• 正向断言是约束条件应该出现，而负向断言是约束条件不应该出现。
• 先行断言和后行断言都是零宽断言，意味着它们只是做条件约束，而不会消耗字符串。

分组和引用

#

在正则表达式中，分组和引用，可以帮助我们匹配和操作字符串中的特定部分。其中，分组允许我们将多个模式组合在一起，并对它们进行操作，而引用则允许我们在同一正则表达式中引用先前匹配的内容。在正则表达式中，使用圆括号 () 可以创建一个分组，被创建的分组通常被视为一个整体。根据分组是否能被引用，分为捕获分组跟非捕获分组，其中，捕获分组又可分为数字分组跟命名分组。具体如下：

1. 数字捕获分组跟数字引用

   数字捕获分组跟数字引用是对应的，即被数字分组捕获的分组，需要通过数字引用来重新引用。如下：

   

   (ha)表示利用 ()将 ha 捕获为数字分组1，并在之后使用数字引用\1引用捕获到的第一个分组，于是匹配到的字符串，是两个连续的 ha。

2. 命名捕获分组跟命名引用

   命名捕获分组跟命名引用是对应的，即被命名分组捕获的分组，需要通过命名引用来重新引用。命名捕获组的语法如下：(?<name>group)或(?'name'group)，其中name表示捕获组的名称，group表示捕获组里面的正则。我们可以用\k<name> 或 \k'name'的形式来对前面的命名捕获组捕获到的值进行引用，如下：

   

   (?<first>ha)表示使用 (?<first>ha)命名捕获的方式将 ha 捕获为命名分组first，而(\k<first>)表示命名分组first的引用。

   ⚠️ 需要注意的是，这里的()前的?并非是非捕获分组的意思，而是命名捕获的格式。

3. 非捕获分组

   非捕获组，跟捕获组相比，它不会把正则匹配到的内容保存到分组里面。

   

   字符串分组ha虽然被捕获，但却未被分组，所以它无法通过数字分组跟命名分组的方式被引用。

   非捕获分组，常用于在多个固定的字符串中匹配其中一个，如下：

   

   如上，(?:white|black)该非捕获分组匹配到字符串white或black。

   但是，这里需要注意的是，非捕获分组跟正则表达式中的|表达式的区别，如下：

   

   |表达式没有包围在()里，其范围是整个正则表达式对， 即要么匹配|左边的内容，要么匹配|右边的内容。再比如，z|food能匹配z或food。(?:z|f)ood则匹配zood或food。

4. 分支重置分组

   分支重置组内的选择项共享相同的捕获组。语法是(?|regex)，其中(?|打开组，而regex可以是任意的正则表达式。如果不使用任何选择项或捕获分支重置组内的组，则其特殊功能将不起作用。那么它将作为一个非捕获组。

   如：正则表达式(?|(a)|(b)|(c))由一个带有三个选择项的分支重置组组成。此正则表达式匹配a ，b或c 。正则表达式只有一个捕获组，编号为1，由所有三个选择项共享。匹配结束后，$1存储a,b或c ，具体示例如下：

   

   通过分支重置分组，分组1中，要么是a，要么是b，要么是c，所以当我们通过(?|(a)|(b)|(c))\1\1\1，在重置分组后又引用三次1号分组，每次匹配到的，都是同一个字母。

   再比如：

   

   匹配到的要么是apple apple，要么是banana banana。 将此与正则表达式(a)|(b)|(c)进行比较。后者也匹配a ，b或c 。但是它具有三个捕获组。匹配结束后，$1保留a或什么都不保留，$2保留b或什么都不保留，而$3保留c或什么都不保留。