目录
一.什么是正则
正则表达式（Regular Expression，简称regex或regexp）是一种用来描述字符串搜索和匹配模式的工具。它被广泛应用于文本处理、数据解析、字符串匹配等领域，允许用户使用简单或复杂的规则来搜索和操作文本数据。正则表达式被许多编程语言和工具支持，例如Python、JavaScript、Perl、Java、Rust、Go等。在这些语言中，你可以使用正则表达式来完成各种字符串操作任务。
二.正则表达式的用途
正则表达式的常见用途包括：
- 搜索和查找：在文本中查找特定的模式。例如，在一段文本中查找所有包含日期的行。
- 验证和匹配：验证文本是否符合特定的规则。例如，验证一个字符串是否是有效的电子邮件地址。
- 替换和修改：根据匹配的模式替换文本中的内容。例如，将某个特定模式的字符串替换成另一个字符串。
三.发展历史
正则表达式的"祖先"可以一直上溯至对人类神经系统如何工作的早期研究。Warren McCulloch 和 Walter Pitts 这两位神经生理学家研究出一种数学方式来描述这些神经网络。
1951 年, 一位叫 Stephen Kleene 的数学家在 McCulloch 和 Pitts 早期工作的基础上，发表了一篇标题为"神经网事件的表示法"的论文，引入了正则表达式的概念。正则表达式就是用来描述他称为"正则集的代数"的表达式，因此采用"正则表达式"这个术语。
随后，发现可以将这一工作应用于使用 Ken Thompson 的计算搜索算法的一些早期研究，Ken Thompson 是 Unix 的主要发明人。正则表达式的第一个实用应用程序就是 Unix 中的 grep 编辑器。
大致发展历史如下：
1951年：计算理论的奠基人之一，美国计算机科学家Stephen Kleene首次提出了正则语言的概念，并使用形式化的方法来描述这种语言。这为正则表达式的发展奠定了理论基础。
1960年代：Ken Thompson，Unix操作系统的共同创始人之一，开发了第一个实际应用正则表达式的程序，它是Unix中grep命令的一部分。这标志着正则表达式的实际应用。
1970年代：Ken Thompson和Rob Pike开发了第一个正则表达式引擎，在Unix系统中广泛使用，这对正则表达式的普及起到了关键作用。
1986年：Philip Hazel开发了PCRE（Perl Compatible Regular Expressions）库，它是一种正则表达式库，允许在不同编程语言中使用Perl风格的正则表达式。
1997年：IEEE发布了POSIX.2标准，其中包括了正则表达式的标准规范，这使得正则表达式在不同Unix系统中的行为更加一致。
2000年代以后：正则表达式在计算机编程和文本处理中变得越来越流行，支持正则表达式的编程语言和工具变得更加丰富和强大，如Perl、Python、Java、JavaScript等。
当前：正则表达式仍然是文本处理和数据提取的重要工具，它在数据科学、文本分析、网络爬虫、字符串搜索和替换等领域都有广泛的应用。
四.正则表达式——基本格式
正则表达式基本格式如下所示:
/pattern/flags
pattern 表示模式，flags 表示修饰符
模式放在斜杠 /之间，斜杠后面添加修饰符，修饰符包含ì，g，m等，修饰符放在斜杠的第二个斜杠后面。
详细介绍:
模式(Pattern):
模式是正则表达式的主体部分，它由各种字符和元字符组成，定义了要匹配的文本式。例如，[a-zA-Z]+ 是一个模式，表示匹配一个或多个字母。
斜杠(/)：
。斜杠用于包围正则表达式的模式，将其限定在两个斜杠之间。例如，/pattern/.
修饰符(Flags)
i :表示不区分大小写匹配。
g :表示全局匹配，即匹配所有而非仅匹配第一个。
m ：表示多行匹配，即^和$可以匹配字符串中每一行的开头和结尾
五.正则表达式 - 修饰符
在正则表达式中，修饰符（又称标志或标记）用于调整正则表达式的行为，提供特定的匹配控制。这些修饰符可以影响正则表达式的全局性、区分大小写、匹配多行等属性。修饰符的语法在不同的编程语言和工具中可能会有所不同。
常见的正则表达式修饰符
以下是一些最常见的修饰符，以及它们的作用：
g（全局匹配）：启用全局匹配，意味着正则表达式将继续搜索整个字符串，而不是仅仅在找到第一个匹配后停止。i（忽略大小写）：忽略字母的大小写。这意味着正则表达式中的字母不区分大写或小写。m（多行匹配）：启用多行匹配，将正则表达式的^和$视为每一行的开始和结束，而不仅仅是整个字符串的开始和结束。s（单行匹配）：启用单行模式，使正则表达式中的.匹配包括换行符在内的任何字符。x（扩展模式）：允许在正则表达式中包含空格和注释，以增加可读性。u（Unicode模式）：启用对Unicode字符的全面支持，确保正则表达式能够正确处理Unicode字符。U（非贪婪模式）：将正则表达式中的贪婪量词变为非贪婪模式，意味着它们会尽可能匹配较少的字符。
六.正则表达式-元字符
正则表达式中的元字符（metacharacters）是具有特殊含义的字符，它们用于构建和描述复杂的字符串匹配模式。元字符是正则表达式的核心部分，它们决定了正则表达式的匹配行为和操作方式。
以下是所有主要的元字符及其含义：
基础元字符
.（点）：匹配除换行符外的任何单个字符。在某些环境中（如单行模式），它也可以匹配换行符。^（插入符号）：匹配字符串的开始。在多行模式下，它也匹配每一行的开头。$（美元符号）：匹配字符串的结束。在多行模式下，它也匹配每一行的结尾。*（星号）：匹配前一个字符零次或多次。+（加号）：匹配前一个字符一次或多次。?（问号）：匹配前一个字符零次或一次。|（竖线）：逻辑或，匹配左边或右边的表达式。()（括号）：用于分组和捕获子表达式，可以用于提取匹配的部分。[]（方括号）：用于指定字符集或字符范围。例如，[a-z]匹配小写字母，[0-9]匹配数字。{}（大括号）：用于指定匹配次数，例如，{3}表示恰好三次，{1,3}表示一到三次。
转义字符
\（反斜杠）：用于转义元字符，以便将其视为普通字符。例如：\.用于匹配点，\*用于匹配星号。
边界元字符
\b（单词边界）：匹配单词的边界。\B（非单词边界）：匹配非单词边界。- **
\d：匹配任何数字，相当于[0-9]。 - **
\D：匹配任何非数字字符。 - **
\w：匹配字母、数字、下划线，相当于[a-zA-Z0-9_]。 - **
\W：匹配任何非字母、数字、下划线的字符。 - **
\s：匹配空白字符，包括空格、制表符、换行符等。 - **
\S：匹配非空白字符。
贪婪和非贪婪模式
正则表达式的量词默认是贪婪的，它们尝试匹配尽可能多的字符。使用?可以将量词转为非贪婪：
*?：匹配前一个字符零次或多次，但非贪婪。+?：匹配前一个字符一次或多次，但非贪婪。??：匹配前一个字符零次或一次，但非贪婪。{n,m}?：非贪婪地匹配前一个字符至少n次，最多m次。
七.正则表达式 - 运算符优先级
正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。
相同优先级的从左到右进行运算，不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：
| 运算符 | 描述 |
|---|---|
| \ | 转义符 |
| (), (?:), (?=), [] | 圆括号和方括号 |
| *, +, ?, {n}, {n,}, {n,m} | 限定符 |
| ^, $, \任何元字符、任何字符 | 定位点和序列（即：位置和顺序） |
| | | 替换，"或"操作 字符具有高于替换运算符的优先级，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，请使用括号创建子表达式，从而产生"(m|f)ood"。 |
以下是一些常见正则表达式运算符按照优先级从高到低的顺序：
转义符号：
\是用于转义其他特殊字符的转义符号。它具有最高的优先级。示例：
\d、\.等，其中\d匹配数字，\.匹配点号。括号： 圆括号
()用于创建子表达式，具有高于其他运算符的优先级。示例：
(abc)+匹配 "abc" 一次或多次。量词： 量词指定前面的元素可以重复的次数。
示例：
a*匹配零个或多个 "a"。字符类： 字符类使用方括号
[]表示，用于匹配括号内的任意字符。示例：
[aeiou]匹配任何一个元音字母。断言： 断言是用于检查字符串中特定位置的条件的元素。
示例：
^表示行的开头，$表示行的结尾。连接： 连接在没有其他运算符的情况下表示字符之间的简单连接。
示例：
abc匹配 "abc"。管道： 管道符号
|表示"或"关系，用于在多个模式之间选择一个。示例：
cat|dog匹配 "cat" 或 "dog"。
八.正则表达式-匹配规则
正则表达式的匹配规则指的是正则表达式如何解释和应用于文本，以确定字符串是否符合给定的模式。理解这些匹配规则对于编写有效的正则表达式至关重要。
1. 字面匹配
正则表达式可以包含字面字符，即直接匹配它们自身的字符。例如，abc 只匹配完全相同的字符串。
2. 特殊字符
正则表达式中的特殊字符具有特定的含义，用于描述复杂的匹配模式。为了匹配特殊字符本身，需要使用转义字符 \ 进行转义。
3. 元字符
正则表达式中具有特殊含义的字符包括：.、*、+、?、^、$、[]、{}、()、| 等。以下是一些常见的元字符及其匹配规则：
.：匹配任何单个字符，除了换行符。在单行模式下（启用修饰符s），也可以匹配换行符。^和$：分别匹配字符串的开头和结尾。在多行模式下（启用修饰符m），它们也匹配每一行的开头和结尾。*、+、?：分别表示匹配前一个字符零次或多次、一次或多次、零次或一次。[]：用于定义字符集或字符范围。[a-z]匹配从a到z的任意小写字母。|：逻辑或，匹配其中一个表达式。()：用于分组，并可用于捕获匹配的子表达式。
4. 边界匹配
正则表达式可以匹配特定位置或边界：
\b：匹配单词的边界。\B：匹配非单词边界。^和$：用于匹配字符串的开头和结尾。
5. 贪婪与非贪婪
正则表达式中的量词默认是贪婪的，这意味着它们会尽可能匹配更多字符。非贪婪匹配会尽可能匹配更少字符，通常通过在量词后面加上 ? 来实现。
*?：非贪婪匹配前一个字符零次或多次。+?：非贪婪匹配前一个字符一次或多次。??：非贪婪匹配前一个字符零次或一次。
6. 修饰符
修饰符可以改变正则表达式的匹配规则：
g（全局匹配）：在整个字符串中进行匹配。i（忽略大小写）：不区分大小写。m（多行模式）：让^和$匹配每一行的开头和结尾。s（单行模式）：使.匹配包括换行符在内的任何字符。
7. 零宽度匹配
一些正则表达式匹配是零宽度的，即不消耗字符，但指示特定位置或条件。
^、$：匹配字符串的开头和结尾。\b：匹配单词边界。\B：匹配非单词边界。
九.示例
基本匹配
匹配特定单词
正则表达式：hello
匹配内容：字符串中包含 hello 的部分。
匹配特定模式
正则表达式：abc
匹配内容：字符串中包含 abc 的部分。
重复和量词
匹配任意数量的字符
正则表达式：a.*b
匹配内容：a 和 b 之间可以包含任意数量的字符。
匹配至少一次
正则表达式：a+b
匹配内容：至少一个 a 后面是 b。
匹配零次或多次
正则表达式：ab*
匹配内容：a 后面可以有零次或多次 b。
匹配可选字符
正则表达式：colou?r
匹配内容：color 或 colour。
字符集和范围
匹配一组字符中的任意一个
正则表达式：[aeiou]
匹配内容：任意元音字母。
匹配字符范围
正则表达式：[a-z]
匹配内容：小写字母。
匹配非字符集
正则表达式：[^aeiou]
匹配内容：非元音的字符。
边界匹配
匹配行的开始和结束
正则表达式：^start
匹配内容：以 start 开头的字符串。
正则表达式：end$
匹配内容：以 end 结尾的字符串。
单词边界
正则表达式：\bword\b
匹配内容：整个单词 word。
分组和引用
使用分组
正则表达式：(abc)+
匹配内容：一个或多个 abc。
使用引用
正则表达式：(\d{3})-\1
匹配内容：形式如 123-123 的字符串。
逻辑或
匹配其中之一
正则表达式：dog|cat
匹配内容：dog 或 cat。
贪婪和非贪婪匹配
贪婪匹配
正则表达式：<.*>
匹配内容：包含在 < 和 > 之间的最长字符串。
非贪婪匹配
正则表达式：<.*?>
匹配内容：包含在 < 和 > 之间的最短字符串。