正则基础

\b    是正则表达式的一个特殊代码，有人称它元字符。代表的是需要匹配的某个单词的开头或者结尾。有些单词有空格或者分隔符，但是\b并不管这些，它只匹配一个位置，也就是说，空格，分隔符它也比较。

.    是另一个元字符，表示匹配除了换行符以外的任意字符。

*    也是一个元字符，不过它代表的不是字符，也不是位置，而是数量。它制定*字符前边的内容可以连续重复使用任意次以使整个表达式得以匹配。

.*    连在一起，就表示任意数量除了换行以外的任意字符。

例子：\bhi\b.*\bLucy\b表示以hi开头，中间任意数量除换行以外的任意字符，并且以Lucy结尾。

\d    是一个新的元字符，匹配任意一个数字（可以是0，可以是1...）

-    不是元字符，其实它就只匹配它本身，可以称它链接符，也可以称它减号，由自己啦！

例子：0\d\d-\d\d\d\d\d\d\d表示0开头，后跟2个任意数字，接着是链接-，最后是7个任意数字。当然，避免重复，可以简化写出0\d{2}-\d{7}

\s    表示匹配任意空白符，包括空格，制表符（tab），换行符，中文全角空格等。

\w    匹配字母，数字，下划线，或者汉字等。

^    匹配字符串开始。

$    匹配字符串结束。

例子：

\ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。

\d+匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。

\b\w{6}\b匹配刚好6个字符的单词。

{n}    重复N次

{n, }    重复n次到更多次

{n,m}    重复n到m次

{5,12}    表示重复的次数不能少于5次，不能多于12次。

例子：^\d{5,12}$匹配一个5-12位的数字。

\    表示转义符。比如你要匹配字符串中的.或者*等等，匹配不到，可以用\.或者\*当然，你要匹配\的话，就用\\

+    和*相似，但是+表示重复一次或多次。

？    重复0次或1次。

[ ]    指定一个范围。[0-9]表示一位数字，[a-zA-Z]

例子：\(?0\d{2}[) -]?\d{8}这个表达式可以匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。我们对它进行一些分析吧：首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。

不幸的是，上面那个例子也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件。正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。

|    分割不同的规则，但是使用时候要严格注意匹配顺序，因为如果符合第一个条件，就不会审核第二个条件了。

例子：0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。

\(?0\d{2}\)?[-]?\d{8}|0\d{2}[- ]?\d{8}这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。

\d{5}-\d{4}|\d{5}如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

( )    重复多个字符，用()来指定子表达式，也可以叫做分组，可以指定( )中的元素重复多次。

例子：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)判断正确的IP地址

\W    匹配任意不是字母，数字，下划线，汉字的字符

\S    匹配任意不是空白符的字符

\D    匹配任意非数字的字符

\B    匹配不是单词开头或结束的位置

[^x]    匹配除了x以外的任意字符

[^aeiou]    匹配除了aeiou这几个字母以外的任意字符

例子：\S+匹配不包含空白符的字符串。

]+>    匹配尖括号开始包含a打头字母的字符串。

正则匹配进阶

后向引用

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。

例子：\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go,或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

捕获

(exp)    匹配exp,并捕获文本到自动命名的组里

(?exp)    匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)

(?:exp)    匹配exp,不捕获匹配的文本，也不给此分组分配组号

引用

\k(Word)反向引用这个分组捕获的内容

零宽断言

(?=exp)    匹配exp前面的位置

(?<=exp)    匹配exp后面的位置

(?!exp)    匹配后面跟的不是exp的位置

注释

(?#comment)  这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

例子：\b(\w+)\b\s+\1\b通过上面介绍，可以改写成\b(?\w+)\b\s+\k\b