正则表达式

1. 正则表达式规则

1.1 普通字符

     字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是\"普通字符\"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

    举例1：表达式 \"c\"，在匹配字符串 \"abcde\" 时，匹配结果是：成功；匹配到的内容是：\"c\"；匹配到的位置是：开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）

    举例2：表达式 \"bcd\"，在匹配字符串 \"abcde\" 时，匹配结果是：成功；匹配到的内容是：\"bcd\"；匹配到的位置是：开始于1，结束于4。

1.2 简单的转义字符

     一些不便书写的字符，采用在前面加 \"\\\" 的方法。这些字符其实我们都已经熟知了。

     还有其他一些在后边章节中有特殊用处的标点符号，在前面加 \"\\\" 后，就代表该符号本身。比如：^, $ 都有特殊意义，如果要想匹配字符串中 \"^\" 和 \"$\" 字符，则表达式就需要写成 \"\\^\" 和 \"\\$\"。

     这些转义字符的匹配方法与 \"普通字符\" 是类似的。也是匹配与之相同的一个字符。

    举例1：表达式 \"\\$d\"，在匹配字符串 \"abc$de\" 时，匹配结果是：成功；匹配到的内容是：\"$d\"；匹配到的位置是：开始于3，结束于5。

1.3 能够与 \'多种字符\' 匹配的表达式

     正则表达式中的一些表示方法，可以匹配 \'多种字符\' 其中的任意一个字符。比如，表达式 \"\\d\" 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。

    举例1：表达式 \"\\d\\d\"，在匹配 \"abc123\" 时，匹配的结果是：成功；匹配到的内容是：\"12\"；匹配到的位置是：开始于3，结束于5。

    举例2：表达式 \"a.\\d\"，在匹配 \"aaa100\" 时，匹配的结果是：成功；匹配到的内容是：\"aa1\"；匹配到的位置是：开始于1，结束于4。

1.4 自定义能够匹配 \'多种字符\' 的表达式

     使用方括号 [ ] 包含一系列字符，能够匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

    举例1：表达式 \"[bcd][bcd]\" 匹配 \"abc123\" 时，匹配的结果是：成功；匹配到的内容是：\"bc\"；匹配到的位置是：开始于1，结束于3。

    举例2：表达式 \"[^abc]\" 匹配 \"abc123\" 时，匹配的结果是：成功；匹配到的内容是：\"1\"；匹配到的位置是：开始于3，结束于4。

1.5 修饰匹配次数的特殊符号

     前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。

     使用方法是：\"次数修饰\"放在\"被修饰的表达式\"后边。比如：\"[bcd][bcd]\" 可以写成 \"[bcd]{2}\"。

    举例1：表达式 \"\\d+\\.?\\d*\" 在匹配 \"It costs $12.5\" 时，匹配的结果是：成功；匹配到的内容是：\"12.5\"；匹配到的位置是：开始于10，结束于14。

    举例2：表达式 \"go{2,8}gle\" 在匹配 \"Ads by goooooogle\" 时，匹配的结果是：成功；匹配到的内容是：\"goooooogle\"；匹配到的位置是：开始于7，结束于17。

1.6 其他一些代表抽象意义的特殊符号

     一些符号在表达式中代表抽象的特殊意义：

     进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。

    举例1：表达式 \"^aaa\" 在匹配 \"xxx aaa xxx\" 时，匹配结果是：失败。因为 \"^\" 要求与字符串开始的地方匹配，因此，只有当 \"aaa\" 位于字符串的开头的时候，\"^aaa\" 才能匹配，比如：\"aaa xxx xxx\"。

    举例2：表达式 \"aaa$\" 在匹配 \"xxx aaa xxx\" 时，匹配结果是：失败。因为 \"$\" 要求与字符串结束的地方匹配，因此，只有当 \"aaa\" 位于字符串的结尾的时候，\"aaa$\" 才能匹配，比如：\"xxx xxx aaa\"。

    举例3：表达式 \".\\b.\" 在匹配 \"@@@abc\" 时，匹配结果是：成功；匹配到的内容是：\"@a\"；匹配到的位置是：开始于2，结束于4。
     进一步说明：\"\\b\" 与 \"^\" 和 \"$\" 类似，本身不匹配任何字符，但是它要求它在匹配结果中所处位置的左右两边，其中一边是 \"\\w\" 范围，另一边是 非\"\\w\" 的范围。

    举例4：表达式 \"\\bend\\b\" 在匹配 \"weekend,endfor,end\" 时，匹配结果是：成功；匹配到的内容是：\"end\"；匹配到的位置是：开始于15，结束于18。

     一些符号可以影响表达式内部的子表达式之间的关系：

    举例5：表达式 \"Tom|Jack\" 在匹配字符串 \"I\'m Tom, he is Jack\" 时，匹配结果是：成功；匹配到的内容是：\"Tom\"；匹配到的位置是：开始于4，结束于7。匹配下一个时，匹配结果是：成功；匹配到的内容是：\"Jack\"；匹配到的位置时：开始于15，结束于19。

    举例6：表达式 \"(go\\s*)+\" 在匹配 \"Let\'s go go go!\" 时，匹配结果是：成功；匹配到内容是：\"go go go\"；匹配到的位置是：开始于6，结束于14。

    举例7：表达式 \"￥(\\d+\\.?\\d*)\" 在匹配 \"＄10.9,￥20.5\" 时，匹配的结果是：成功；匹配到的内容是：\"￥20.5\"；匹配到的位置是：开始于6，结束于10。单独获取括号范围匹配到的内容是：\"20.5\"。

2. 正则表达式中的一些高级规则

2.1 匹配次数中的贪婪与非贪婪

     在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如：\"{m,n}\", \"{m,}\", \"?\", \"*\", \"+\"，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。比如，针对文本 \"dxxxdxxxd\"，举例如下：

     由此可见，\"\\w+\" 在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个 \"d\"，但那也是为了让整个表达式能够匹配成功。同理，带 \"*\" 和 \"{m,n}\" 的表达式都是尽可能地多匹配，带 \"?\" 的表达式在可匹配可不匹配的时候，也是尽可能的 \"要匹配\"。这 种匹配原则就叫作 \"贪婪\" 模式 。

     非贪婪模式：

     在修饰匹配次数的特殊符号后再加上一个 \"?\" 号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的 \"不匹配\"。这种匹配原则叫作 \"非贪婪\" 模式，也叫作 \"勉强\" 模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。举例如下，针对文本 \"dxxxdxxxd\" 举例：

     更多的情况，举例如下：

    举例1：表达式 \"<td>(.*)</td>\" 与字符串 \"<td><p>aa</p></td> <td><p>bb</p></td>\" 匹配时，匹配的结果是：成功；匹配到的内容是 \"<td><p>aa</p></td> <td><p>bb</p></td>\" 整个字符串， 表达式中的 \"</td>\" 将与字符串中最后一个 \"</td>\" 匹配。 

    举例2：相比之下，表达式 \"<td>(.*?)</td>\" 匹配举例1中同样的字符串时，将只得到 \"<td><p>aa</p></td>\"， 再次匹配下一个时，可以得到第二个 \"<td><p>bb</p></td>\"。

2.2 反向引用 \\1, \\2...

     表达式在匹配时，表达式引擎会将小括号 \"( )\" 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这一点，在前面的举例中，已经多次展示了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的 \"<td>(.*?)</td>\"。

     其实，\"小括号包含的表达式所匹配到的字符串\" 不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面 \"括号内的子匹配已经匹配到的字符串\"。引用方法是 \"\\\" 加上一个数字。\"\\1\" 引用第1对括号内匹配到的字符串，\"\\2\" 引用第2对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号 \"(\" 在前，那这一对就先排序号。

     举例如下：

    举例1：表达式 \"(\'|\")(.*?)(\\1)\" 在匹配 \" \'Hello\', \"World\" \" 时，匹配结果是：成功；匹配到的内容是：\" \'Hello\' \"。再次匹配下一个时，可以匹配到 \" \"World\" \"。

    举例2：表达式 \"(\\w)\\1{4,}\" 在匹配 \"aa bbbb abcdefg ccccc 111121111 999999999\" 时，匹配结果是：成功；匹配到的内容是 \"ccccc\"。再次匹配下一个时，将得到 999999999。这个表达式要求 \"\\w\" 范围的字符至少重复5次，注意与 \"\\w{5,}\" 之间的区别。

    举例3：表达式 \"<(\\w+)\\s*(\\w+(=(\'|\").*?\\4)?\\s*)*>.*?</\\1>\" 在匹配 \"<td id=\'td1\' style=\"bgcolor:white\"></td>\" 时，匹配结果是成功。如果 \"<td>\" 与 \"</td>\" 不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。