正则表达式详解（贪婪与懒惰、前瞻与后顾、后向引用等）

之前嫌正则麻烦，一直没有深入去了解过正则，能不用的地方就不使用。

最近项目中遇到了不可避免的正则使用，所以花了点时间去了解并整理了一下，理解不一定完全准确，如有不对欢迎指出，希望对大家有所帮助。

一、名词解释

首先我们了解几个名词：元字符、普通字符、打印字符、非打印字符、限定符、定位符、非打印字符

元字符:

可以简单理解为变成语言中的关键字，在正则匹配时会有特殊的语义，不能当做普通字符直接使用，类似于 * ^ ? 等等一类的字符，如果需要直接使用元字符，需要使用 /+元字符的方式，比如要匹配 * 号则正则应该写成 \*

普通字符：

普通字符就是包括所有的非元字符在内的打印字符和非打印字符

打印字符：

普通的字符，没有特殊含义 a-zA-z0-9等

非打印字符：

由\+普通字符组成的一些不会在打印时显示出来的字符，比如换行符、换页符等等

二、正则表达式所有特殊字符

（不懂的后面回来看）

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。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零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
{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。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '$' 或 '$'。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (\|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y\|ies) 就是一个比 'industry\|industries' 更简略的表达式。
(?=pattern)	正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95\|98\|NT\|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95\|98\|NT\|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
x\|y	匹配 x 或 y。例如，'z\|food' 能匹配 "z" 或 "food"。'(z\|f)ood' 则匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。.
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

三、匹配规则详解

正则表达式一般由普通字符和元字符组成，普通字符搭配不同的元字符表示不同的匹配语义。理解了所有元字符的含义之后，我们也就基本了解了所有正则的匹配规则。

在所有的正则元字符中，个人将其划分为限定符、定位符、中括号、圆括号（捕获分组）四类进行讲解。下面我将详细介绍这四种类型，在每个类型的讲解中会穿插一些相关的概念和知识。

1. 限定符：

限定符也可称为量词，用于限定前面普通字符出现次数的特殊语义符号。

主要形式

{n,m} 表示前面的字符中至少出现n次，最多出现m次；其中 n和m为非负整数，n不能为空，m可以为空，m>=n ,即存在以下变形

{n} n为非负整数，表示前面的字符出现n次

{n,} n为非负整数，表示前面的字符至少出现n次

? 前面的字符出现 0 次或 1次，同 {0,1}

+ 前面的字符出现 1次或多次，同 {1,}

* 前面的字符出现 0此或者多次，同 {0,}

贪婪与懒惰匹配

限定符中有贪婪匹配和懒惰匹配的区别，一般情况下，限定符会执行贪婪匹配，即尽可能的匹配更多的字符，也就是有更长的匹配结果的时候，会返回更长的返回结果。懒惰匹配则相反，会尽可能的匹配更少的字符，即返回较短的匹配的结果，如果需要使用懒惰匹配，需要在限定符后面额外加一个问号（即？）。

下面用一个例子说明。

存在待匹配字符串

aaaaabaab

则，以下贪婪限定正则的匹配结果为

.*b -> aaaaabaab

.+b -> aaaaabaab

a? -> a

a* -> aaaaa

a+ -> aaaaa

a{2,5} -> aaaaa

假如使用懒惰匹配模式

.*?b -> aaaaab

.+?b -> aaaaab

a?? -> 结果为空

a*? -> 结果为空

a+? -> a

a{2,5}? -> aa

虽然懒惰匹配会返回较短的匹配结果，但并不会出现忽略匹配的情况，即上面的例子中

.*?b 的结果为 aaaaab 而不是 ab ,

而假如在上面的基础上再加一个正则

a{2,5}?b 结果应为 aaaaab 而不为 aab

这是因为正则是从左向右解析的，解析会从最开始匹配到的符合条件的字符开始，然后按照正则中的定义去匹配后面字符，而不会跳过符合条件的字符去进行匹配。

2.定位符：

(1).定位符用于匹配字符的边界位置，比如字符串的开头与结尾，单词的开头与结尾等。

主要有

^	匹配输入字符串开始的位置；如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。
$	匹配输入字符串结尾的位置；如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。
\b	匹配一个单词边界，也就是指单词和空格间的位置，但匹配结果并不包括空格。比如 "ee abcd abc bcd ff"， \bbc.* 匹配结果为"bcd ff"， bc\b.* 匹配结果"bc bcd ff"
\B	非词边界匹配，匹配没有空格的字符边界。即 bc\B可以匹配上例中的 abcd 和 bcd(因为bc和d之间没有空格），但不能匹配" bcd" ； \Bbc可以匹配 abcd 和 abc ，因为 a和bc之间没有空格。

(2).定位符可以和限定符搭配使用

3. 中括号匹配

(1).中括号语义表示匹配所有中括号中的字符，并且只匹配一次。

如：

[abc]123 可匹配 a123、b123、c123

可使用 -号指定连续范围

如

[0-9] 指定所有数字，等价于 \d

(2).中括号可以和限定符搭配使用，效果为两者语义叠加

如：

[ab]* 匹配 ababababababaaabaabababcabababbabbab

从左到右将匹配两个结果 ababababababaaabaababab（第一次匹配）和 abababbabbab（第二次匹配）

4. 圆括号匹配（捕获分组）

(1).圆括号内包含的表达式语义与没有加圆括号时一致，区别在于圆括号内的内容将会加入到捕获分组，捕获分组的概念

(2).圆括号也可以和限定符搭配使用，限定圆括号内的匹配语义出现次数

捕获分组的概念

先看下面两个例子：

假如有字符串 3cd

则 “(\d)cd ”匹配结果为 3cd 和 3

假如有字符串 6cd

则 (3|6)cd 匹配结果为 6cd 和 6

括号里面的匹配则为捕获匹配，且括号里面的匹配结果将会被缓存，第一个例子括号里的括号匹配的结果为3，第二个括号里匹配结果为6

如果想消除缓存，可以在括号最前面加上 ?:

则

1中 (?:\d)cd 匹配结果为 3cd ,等价于 [\d]cd 或 \dcd

2中 (?:3|6)cd 匹配结果为 6cd，等价于 [36]cd

1.捕获分组形式

主要有:

(pattern)

匹配 pattern 并捕获该匹配的子表达式。可以使用 $0...$9 属性从结果“匹配”集合中检索捕获的匹配（包含整个正则的匹配及括号中的子表达式的匹配结果，即上例子中的3cd 和 3 , 6cd和 6）。

(?:pattern)

匹配 pattern 但不捕获该pattern子表达式的匹配，即它是一个非获取捕获匹配，不存储子表达式的匹配供以后使用。有时对于用“或”字符 (|) 组合模式部件的情况很有用。例如，与“interesting|interested”相比，“interest(?:ing| ed)”是一个更加简单的表达式。

(?=pattern)

执行肯定式前瞻搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，“Windows (?=95| 98| NT| 2000)”与“Windows 2000”中的“Windows”匹配，但不与“Windows 3.1”中的“Windows”匹配。

前瞻搜索不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成前瞻搜索的字符后(即pattern匹配的内容还可以在后续的表达式中进行解析使用，相当于尚未解析到pattern内容）。

(?!pattern)

执行否定式前瞻搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，“Windows (?!95| 98| NT| 2000)”与“Windows 3.1”中的“Windows”匹配，但不与“Windows 2000”中的“Windows”匹配。

为了说明(?=pattern) 和 (?!pattern) 的作用和区别，这里说下两个概念--前瞻（Lookahead）和后顾（Lookbehind）。

这两个术语形象的描述了正则引擎的匹配行为。

正则表达式中的前和后并不指代文本的开头和末尾，即不是通常理解中的，开头的方向称作“前面”，文本末尾方向称为“后面”。对于正则表达式引擎来说，它一般是从文本头部向尾部开始解析的（可以通过正则选项控制解析方向），因此对于文本尾部方向，称为“前”，即正则引擎还没未解析的部分，而对文本头部方向，则称为“后”，即正则引擎已经解析的部分。

可以理解为解析的时候有一个游标，在解析 aaabccc时，当游标在b时，aaa部分为后顾部分，ccc部分为前瞻部分。

所谓的前瞻就是在正则表达式匹配到某个字符的时候，往“尚未解析过的文本”预先看一下，看是不是符合/不符合匹配模式，而后顾，就是在正则引擎已经匹配过的文本看看是不是符合/不符合匹配模式。符合和不符合特定匹配模式我们又称为肯定式匹配和否定式匹配。

即前瞻的形式为：

(?=pattern) 为肯定式前瞻，(?!pattern) 为否定式前瞻

后顾则用的比较少，形式为

(?<=pattern) 肯定式后顾， (?<!pattern) 否定式后顾

为了进一步说明(?=pattern) 和 (?!pattern) 的区别，这里看个例子：

例子1（此处演示区别）：

下面为三个正则

interest(?:ing)

interest(?=ing)

interest(?!ing)

如果匹配字符串 “interesting",结果依次为

interesting

interest

无

如果匹配字符串 ”insterested",结果依次为

无

interest

例子2（此例子演示不消耗/占用前瞻字符）

存在正则

windows (?=2000|2003|xp) pro

windows (?=2000|2003|xp)(?:2000|2003|xp) pro

解析字符串 windows 2003 pro时，结果依次为

无

windows 2003 pro

原因是前瞻不消耗字符（用游标理解相当于游标还在2003前的空格处），故第一个正则表达式在解析匹配了windows (?=2000|2003|xp)部分后，未解析的字符串还有 2003 pro ,但后面的正则为出现 " pro"，明显不符合匹配。

而第二个正则在后面使用非捕获捕获匹配，解析了 2003 ，再解析 “ pro” ，顾成功匹配。

2.后向引用：

捕获分组可以进行后向引用 (如果正则表达式后面有相同的捕获分组内容，可以根据顺序直接引用前面定义的捕获组，简化表达式)

如

(\d)cd\1 这里的"\1"就是对"(\d)"的后向引用 ,等同于(\d)cd\(\d)

(a)(b)(ac).* \1\2\3

等价于

(a)(b)(ac).* (a)(b)(ac)

(a)(b)(ac).* \1\3\3

等价于

(a)(b)(ac).* (a)(ac)(ac)

(a)(b)(ac).* \2\3\3

等价于

(a)(b)(ac).* (b)(ac)(ac)

正则表达式详解（贪婪与懒惰、前瞻与后顾、后向引用等）相关推荐

JavaScript正则表达式详解（一）正则表达式入门
JavaScript正则表达式是很多JavaScript开发人员比较头疼的事情,也很多人不愿意学习,只是必要的时候上网查一下就可以啦~本文中详细的把JavaScript正则表达式的用法进行了列表,希望 ...
菜鸟教程python正则表达式_python 正则表达式详解
python 正则表达式详解 1. 正则表达式模式模式描述 ^ 匹配字符串的开头 $ 匹配字符串的末尾. . 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字 ...
JS正则表达式详解2
JS的正则表达式详解 //校验是否全由数字组成代码 function isDigit(s) { var patrn=/^[0-9]{1,20}$/; if (!patrn.exec(s)) retu ...
java中的正则表达式详解
转自:http://gstarwd.iteye.com/category/91108?show_full=true 想必很多人都对正则表达式都头疼.今天,我以我的认识,加上网上一些文章,希望用常人都可 ...
php中正则表达式详解,php正则表达式详解
php正则表达式详解一.贪婪模式与非贪婪模式贪婪模式:可以这样认为,就是在整个表达式匹配成功的前提下,尽可能多的匹配,也就是所谓的"贪婪",通俗点讲,就是看到想要的,有多少就捡 ...
python面向对象编程的三大特性_Python面向对象总结及类与正则表达式详解
Python3 面向对象 -------------------------------------------------------------------------------- 一丶面向对象 ...
linux下grep文件内容搜索工具及基本正则表达式详解
linux下grep文件内容搜索工具及基本正则表达式详解 grep命令: 根据模式(文本字符和基本正则表达式的元字符组合而成之匹配条件)搜索文本, 并将符合模式的文本行显示出来. 格式:grep [选 ...
python中正则表达式_Python中正则表达式详解
正则表达式是用来简洁表达一组字符串的表达式,本文主要和大家分享Python 中正则表达式知识详解,希望能帮助到大家.操作符说明实例.表示任何单个字符 [ ]字符集,单个字符取值范围[abc]表示a或b ...
java判断颜色合法_判断颜色是否合法的正则表达式(详解)
判断颜色是否合法的正则表达式(详解) "^#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})$"; 意思是:以#开头,后面是数字和a-f的字符(大写或小写),这个值是 ...
IPV4及IPV6正则表达式详解
IPV4及IPV6正则表达式详解一. 背景二.实际应用情况 2.1 IPv4 2.1.1 IPv4说明 2.1.2 IPv4地址解析 2.1.3 IPv4正则表达式 2.2 IPv6 2.2.1 ...

正则表达式详解（贪婪与懒惰、前瞻与后顾、后向引用等）

正则表达式详解（贪婪与懒惰、前瞻与后顾、后向引用等）相关推荐

最新文章

热门文章