给自己的正则表达式备忘
1192字约4分钟
linux
2017-10-31
正则表达式（Regular Expression，在代码中常简写为 regex、regexp 或 RE），又称规则表达式，是计算机科学的一个概念。通常被用来检索、替换那些符合某个模式(规则)的文本。
正则表达式的基本规则
单个字符匹配
| 字符 | 规则 | 例子 |
|---|---|---|
| |转义字符 | \(表示左括号 | |
| . | 匹配除了\n之外的单个字符一次 | a.c |
| \d | 匹配一个数字，等同[0-9] | 1\d8匹配 138 |
| \D | 匹配一个非数字 | 1\d8匹配 1A8 |
| \w | 匹配一个字母、数字或下划线(w的意思是word) | |
| \W | 匹配一个非字母、数字或下划线 | |
| \s | 匹配任何空白字符（空格、制表符、换页符等） | |
| \S | 匹配任何非空白字符 | |
| x | y | 匹配x或者y（表达式） | |
| ^ | 匹配行首 | ^www匹配以www开头 |
| $ | 匹配行尾 | $com匹配以com结尾 |
| [^A-F] | 取反 | [^A-F]匹配A-F之外的字符 |
多个字符匹配
| 字符 | 规则 | 例子 |
|---|---|---|
| [xyz] | 匹配包含的任意一字符 | a[xyz]b，匹配 axb，ayb, azb |
| [a-z] | 匹配指定范围内的任意字符 | [0-9] |
- | 匹配前面的子表达式零次或多次|
zo*，匹配z，zo，zoo
- | 匹配前面的子表达式一次或多次|
zo+，匹配zo，zoo ? | 匹配前面的子表达式零次或一次|do(es)?，匹配do，does {n,m}|最少匹配n次，最多匹配m次|(o{1,3})，匹配foooood中的3个o {n}|匹配确定的n次|o{2}，匹配food中的oo，不匹配fod中的o
分组匹配
可以用括号把要匹配的内容分组，例如匹配带区号的电话号码，可以把区号和电话分组。这样更容易看。
| 字符 | 规则 | 例子 |
|---|---|---|
| () | 分组 | (\d{3,4})\-(\d{6,8}) |
| (|) | 分组和或的组合 | hello\s(world|ketty|jerry) |
分组还有一个好处，当你想使用正则替换时，可以用 $1、$2 来表示第几组的内容。例如，在 Java 中为匹配到的内容前后分别加 <b> </b> :
s.replaceAll("\\s([a-z]{4})\\s", " <b>$1</b> ");非贪婪匹配
假设要求 1230000 后面有几个零，正则为 (\d+)(0*)，但是却发现第一组匹配到 1230000，第二组匹配到空白。我们期望的是第一组匹配到 123，第二组匹配到 0000。
此时可以在第一组末尾加 ? 表示非贪婪匹配，如：(\d+?)(0*)，这样第一组就会少匹配，第二组多匹配。
而对于 (\d??)(9*)， 匹配 9999 时，第一组匹配到空白，第二组匹配到 9999。因为第一个问号表示零次或一次，第二个问号表示非贪婪，正则表达式会按最少的零次来匹配。
匹配中文
匹配非ASCII字符，例如中文，用\u####的十六进制表示，例如：a\u548cc匹配字符串a和c，中文字符和的Unicode编码是548c。
进阶
零宽断言
零宽断言，指定的内容的前面或后面会出现满足指定规则的内容，而自己不占匹配位置。例如 123abc ，我想匹配 123 后面的内容abc，而不包括 123 本身。
| 字符 | 规则 | 例子 |
|---|---|---|
| （?=pattern） | 匹配 pattern 前面的内容 | \d(?=\sword)， 从 1 word 中匹配到 1 |
| （?<=pattern） | 匹配 pattern 后面的内容 | (?<=num:)\d， 从 num:5 中匹配到 5 |
| (?!pattern) | 匹配非 pattern 前面的内容 | i(?!k) ，从 wikipedia 中匹配到不是k前面的i，即 wikipedia |
| (?<!pattern) | 匹配非 pattern 后面的内容 | (?<!k)i ，从 wikipedia 中匹配到不是k后面的i，即wikipedia |
一些实例
1.匹配以 Str 开头， r 结尾， 中间任意个任意字符
Str.*r匹配到 Stringbuffer， StringBuilder
2. 匹配所有以 , 结尾，修改成 comment '',
查找：
(.*),
替换：
$1 comment '',.表示任意字符，* 表示任意多个，括号用于在下面 $1 保留原内容
效果：
原：
not null,
NUMBER(20),
现：
not null comment '',
NUMBER(20) comment '',3. 匹配所有以 [DEBUG] 开头，]] 或 yet 结尾，并且最后有换行符的，由于换行符在 Windows 为 CRLF ，在 Linux 为 LF，所以我们匹配1或2次，第一次 \s 匹配 CR，第二次匹配 LF 。
\[DEBUG\].*(\]\]|yet)(\s{1,2})tips：用 \ 来转义特殊符号，如匹配 [ ，要输入 \[
4. 匹配16进制数
[0-9a-fA-F]5. Linux中使用 grep 和正则表达式，查找文件
grep -E --color '[xyz]' filename