正则表达式
场景
1.在一个文件中，查找出hello开头的语句
2.在一个文件中，找到含有hello的语句
3.在一个文件中，找到邮箱为163的所有邮件地址
正则表达式（regular expression）是一种工具，一种广泛用于匹配字符串的工具。它用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+”描述的特征是“一个'a'和任意个'b'”，那么'ab','abb','abbbbbbbbbb'都符合这个特征。
正则表达式语法
正则表达式本质上只做一件事，那就是编写一个表达式“字符串”，然后用这个字符串去匹配目标文本。核心的核心，都在编写这个“字符串”表达式上面。
普通字符
字母、数字、汉字、下划线、以及没有特殊定义的符号，都是"普通字符"。正则表达式中的普通字符，在匹配的时候,只匹配与自身相同的一个字符。
例如：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）
元字符
正则表达式中使用了很多元字符，用来表示一些特殊的含义或功能。
| 表达式 | 匹配 |
|---|---|
. |
小数点可以匹配除了换行符\n以外的任意一个字符 |
| |
逻辑或操作符 |
[] |
匹配字符集中的一个字符 |
[^] |
对字符集求反，也就是上面的反操作。尖号必须在方括号里的最前面 |
- |
定义[]里的一个字符区间，例如[a-z]
|
\ |
对紧跟其后的一个字符进行转义 |
() |
对表达式进行分组，将圆括号内的内容当做一个整体，并获得匹配的值 |
例如：
a.c匹配abc
(a|b)c匹配ac与bc
[abc]1匹配a1或者b1或者c1
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。
[ab5@]匹配a或b或5或@
[^abc]匹配a,b,c之外的任意一个字符
[f-k]匹配f~k 之间的任意一个字母
[^A-F0-3]匹配A~F以及0~3之外的任意一个字符
转义字符
一些无法书写或者具有特殊功能的字符，采用在前面加斜杠""进行转义的方法。例如下表所示：
| 表达式 | 匹配 |
|---|---|
\r, \n
|
匹配回车和换行符 |
\t |
匹配制表符 |
\\ |
匹配斜杠\
|
\^ |
匹配^符号 |
\$ |
匹配$符号 |
\. |
匹配小数点.
|
尚未列出的还有问号？、星号*和括号等其他的符号。所有正则表达式中具有特殊含义的字符在匹配自身的时候，都要使用斜杠进行转义。这些转义字符的匹配方法与普通字符类似，也是匹配与之相同的一个字符。
预定义匹配字符集
正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。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。
| 表达式 | 匹配 |
|---|---|
\d |
任意一个数字，0~9 中的任意一个 |
\w |
任意一个字母或数字或下划线，也就是 A-Z,a-z,0-9,_ 中的任意一个 |
\s |
空格、制表符、换页符等空白字符的其中任意一个 |
\D |
\d的反集，也就是非数字的任意一个字符，等同于[^\d]
|
\W |
\w的反集，也就是[^\w]
|
\S |
\s的反集，也就是[^\s]
|
例如表达式\d\d，在匹配abc123时，匹配的结果是：成功；匹配到的内容是12；匹配到的位置开始于3，结束于5。 (前提是用search来匹配，用match是匹配不到的)
重复匹配
前面的表达式，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。但是有时候我们需要对某个片段进行重复匹配，例如手机号码13666666666，一般的新手可能会写成\d\d\d\d\d\d\d\d\d\d\d（注意，这不是一个恰当的表达式），不但写着费劲，看着也累，还不一定准确恰当。
这种情况可以使用表达式再加上修饰匹配次数的特殊符号{}，不用重复书写表达式就可以重复匹配。比如[abcd][abcd]可以写成[abcd]{2}。
| 表达式 | 匹配 |
|---|---|
{n} |
表达式重复n次，比如\d{2}相当于\d\d,a{3}相当于aaa
|
{m,n} |
表达式至少重复m次，最多重复n次。比如ab{1,3}可以匹配ab或abb或abbb
|
{m,} |
表达式至少重复m次，比如\w\d{2,}可以匹配a12,_1111,M123等等 |
? |
匹配表达式0次或者1次，相当于{0,1}，比如a[cd]?可以匹配a,ac,ad
|
+ |
表达式至少出现1次，相当于{1,}，比如a+b可以匹配ab,aab,aaab等等 |
* |
表达式出现0次到任意次，相当于{0,}，比如\^*b可以匹配b,^^^b等等 |
位置匹配
有时候，我们对匹配出现的位置有要求，比如开头、结尾、单词之间等等。
| 表达式 | 匹配 |
|---|---|
^ |
在字符串开始的地方匹配，符号本身不匹配任何字符 |
| $ | 在字符串结束的地方匹配，符号本身不匹配任何字符 |
\b |
匹配一个单词边界，也就是单词和空格之间的位置，符号本身不匹配任何字符 |
\B |
匹配非单词边界，即左右两边都是\w范围或者左右两边都不是\w范围时的字符缝隙 |
例如表达式^aaa在匹配xxx aaa xxx时，匹配结果是：失败。因为^要求在字符串开始的地方匹配。
表达式aaa$在匹配xxx aaa xxx时，匹配结果是：失败。因为$要求在字符串结束的地方匹配。
表达式.\b.在匹配@@@abc时，匹配结果是：成功；匹配到的内容是@a；匹配到的位置开始于2，结束于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；匹配到的位置开始于15，结束于18。
贪婪与非贪婪模式
在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式。比如，针对文本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。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。同理，带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配。
但是有时候，这种模式不是我们想要的结果，比如最常见的HTML标签匹配。假设有如下的字符串：
<table>
<tr>
<td>苹果</td>
<td>桃子</td>
<td>香蕉</td>
</tr>
</table>
我们的意图是获取每个<td></td>标签中的元素内容，那么如果你将正则表达式写成<td>(.*)</td>的话，你得到的是<td>苹果</td><td>桃子</td><td>香蕉</td>这么个东西，而不是“苹果”、“桃子”、“香蕉”。
在修饰匹配次数的特殊符号后再加上一个?问号，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"。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多匹配一些，以使整个表达式匹配成功。
表达式<td>(.*?)</td>匹配上面的字符串时，将只得到<td>苹果</td>，再次匹配下一个时，可以得到<td>桃子</td>，以此类推。
常用正则表达式
校验数字的相关表达式：
| 功能 | 表达式 | |
|---|---|---|
| 数字 | ^[0-9]*$ |
|
| n位的数字 | ^\d{n}$ |
|
| 至少n位的数字 | ^\d{n,}$ |
|
| 零和非零开头的数字 | `^(0 | [1-9][0-9]*)$` |
| 有两位小数的正实数 | ^[0-9]+(.[0-9]{2})?$ |
|
| 非零的负整数 | ^-[1-9]\d*$ |
|
| 非负浮点数 | ^\d+(\.\d+)?$ |
|
| 浮点数 | ^(-?\d+)(\.\d+)?$ |
特殊场景的表达式:
| 功能 | 表达式 |
|---|---|
| Email地址 | ^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ |
| 域名 | [a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.? |
| 手机号码 | ^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$ |
| 身份证号 | ^\d{15}|\d{18}$(15位、18位数字) |
| 日期格式 | ^\d{4}-\d{1,2}-\d{1,2} |
| 空白行的正则表达式 |
\n\s*\r (可以用来删除空白行) |
| IP地址提取 |
\d+\.\d+\.\d+\.\d+ (提取IP地址时有用) |
| 腾讯QQ号 |
[1-9][0-9]{4,} (腾讯QQ号从10000开始) |
