1.2. 正则表达式的通用语法

1.2. 正则表达式的通用语法
	第 1 章正则表达式的通用知识

正则表达式本身，算是一种语言，其有自己一定的规则。

只不过每种其他语言在实现正则表达式的时候，却又对有些规则有些自己的定义。

此处，只是列出一些最基本，各个语言中都通用的一些规则。

表 1.1. 正则表达式中通用字符匹配规则

特殊字符	等价于	含义解释	提示
.		表示任意字符（除了换行符\n以外的任意单个字符）
^		表示字符串的开始
$		表示字符串行末或换行符之前
*	{0,无穷多个}	0或多个前面出现的正则表达式	贪婪原则，即尽量匹配尽可能多个
+	{1,无穷多个}	1或多个前面出现的正则表达式	贪婪原则，即尽量匹配尽可能多个
?
*?,+?,??		使*，+，?尽可能少的匹配	最少原则
{m}		匹配m个前面出现的正则表达式
{m,n}		匹配最少m个，最多n个前面出现的正则表达式	贪婪原则，即尽量匹配尽可能多个
{m,n}?		匹配最少m个，最多n个前面前出现的	最少原则
\		后接那些特殊字符，表示该字符；或者后接已经定义好的特殊含义的序列	对于已经定义好的特殊序列，详细解释参考表 1.4 “正则表达式中已定义的转义字符序列”
[]		指定所要匹配的字符集，可以列出单个字符；或者是一个字符范围，起始和结束字符之间用短横线-分割；
\|		A\|B,其中A和B可以是任意正则表达式，其中也支持更多的抑或A\|B\|C\|…
(...)		匹配括号内的字符串	实现分组功能，用于后期获得对应不同分组中的字符串

正则中，还有一些，相对比较通用的标记(flag),又称修饰符(modifier)，限定符,或者说不同的模式

表 1.2. 正则表达式中通用的限定符

限定符类型/模式	英文叫法	含义解释
忽略大小写模式	ignore case mode	默认不加此参数，是大小写区分的。加了此参数，则不区分大小写
单行模式	single line mode	默认'.'是不匹配回车换行的。加了此参数，则使得'.'也匹配回车换行，这就使得原本，中间包含了换行的，多行的字符串，变成了单行的效果。
多行模式	multiple line mode	默认情况是：^只匹配，整个（中间包含了回车换行的，多行的）字符串的开始，同理，$只匹配整个字符串的末尾。而加上次参数，则^也匹配每个'\n'==newline=换行符之后的那个位置，表示下一行的开始，同理，$也匹配，换行符之前的那个位置，表示之前一行的结束位置
松散模式	verbose mode/relax regular expression/ignore Whitespace	默认的正则，都是连续的写在一起的，可以叫做，紧凑型的正则。加上此参数，则运行你在，原先是紧凑的正则中间，加上一些空格或tab，用于对齐格式，以及一些注释内容，目的在于方便别人看懂你写的正则，所以，相对紧凑型的写法，叫做，松散正则。此时，松散正则里面的空白符，即回车，换行，tab，都被忽略，如果想要表达回车换行本身，需要转义。松散正则中的注释，当然在解析的时候，也会被忽略掉的。
区域模式	locale mode	根据当前的local不同，会影响到其他一些正则的含义，比如\w, \W, \b, \B, \s and \S
Unicode模式	unicode mode	根据Unicode字符编码去匹配，会影响到其他一些正则的含义，比如\w, \W, \b, \B, \d, \D, \s and \S

相应的，不同语言中，上述的限定符写法，也不太相同。总结如下

表 1.3. 正则表达式中通用的限定符的不同语言中的写法

不同语言/限定符写法	忽略大小写模式	单行模式	多行模式	松散模式	区域模式	Unicode模式
C#	RegexOptions.IgnoreCase	RegexOptions.Singleline	RegexOptions.Multiline	RegexOptions.IgnorePatternWhitespace	RegexOptions.CultureInvariant（此点待确认）	未知
Pyton	re.IGNORECASE/re.I	re.DOTALL/re.S	re.MULTILINE/re.M	re.VERBOSE/re.X	re.LOCALE/re.L	re.UNICODE/re.U
Perl	i	s	m	x	l	u

表 1.4. 正则表达式中已定义的转义字符序列

特殊序列/已定义的字符含义	等价于	含义解释	提示
\数字		表示前面用括号（）括起来的某个组group
\A		表示字符串的开始
\b		匹配空字符，但只是，一个单词word的，除了开始或者结束位置的，的空字符
\B	\b含义取反	0或多个前面出现的正则表达式
\d	[0-9]	匹配单个数字（0到9中的某个数字）
\D	[0-9]的取反	非数字的单个字符，即除了0-9之外的任意单个字符
\s	[ \t\n\r\f\v]	匹配单个空白字符，包括空格，水平制表符\t,回车\r,换行\n,换页\f,垂直制表符\v	英文单词一般叫做blankspace，简称space，所以此处的s就是space的意思
\S	\s的含义取反	匹配非空白字符之外的单个字符
\w	[a-zA-Z0-9_]	匹配单个的任何字符，数字，下划线
\W	\w的含义取反	匹配单个的，非字母数字下划线之外的字符
\Z		匹配字符串的末尾

下面介绍一些通用的规则：

1.2.1. 关于贪婪原则和最少原则

星号*,加号+，问号？，{m,n}，都是属于贪婪原则，即在满足这些条件的情况下，尽可能地匹配多个。

而对应的后面加上一个问号?，变成：*?, +?, ??, {m,n}?就变成了最少原则，即，在满足前面的条件的情况下，尽量少地匹配。

其中??，个人很少用。

而最常用的是 .+?，表示任意字符，最少是1个，然后后面匹配尽量少的所出现的字符。

1.2.2. 反斜杠

在正则表达式中，反斜杠\后面接一些特殊字符，表示该特殊字符，这些特殊是，上面所说过的：

.,^,$,*,+,?

对应的是：

\.,\^,\$,\*,\+,\?

以及反斜杠自己：

其中如果是在中括号[]内，反斜杠加上对应的中括号[]和短横线-,即：

\[,\],\-

分别表示对应的字符本身。

1.2.3. 上尖括号^

在中括号之外，表示字符的开始；

在中括号之内，表示取反，比如常见的[^0-9]

比如[^5]表示除了数字5之外的所有字符。

尤其特别的是[^^]表示除了上尖括号字符本身之外的所有字符。

1.2.4. 中括号[]内的+，*，(，)

中括号[]内的加号+，星号*，括号（,）表示对应字符本身，就不是特殊字符了。


第 1 章正则表达式的通用知识		第 2 章 Javascript中的正则表达式的学习心得