概述
?正则表达式是强大、便捷、高效的文本处理工具。
?正则表达式能够添加、删除、分离、叠加、插入和修改各种类型的文本和数据。
?使用正则表达式节省下来的时间或许并不能让人很激动，但总比把时间消耗在文本编辑器中要好
?正则表达式由元字符和文字组成，元字符指的是*、+、^等字符，文字指的是字母、数字等字符；元符通常用来描述文本。
元字符-匹配单个字符的元字符
|
元字符 |
匹配对象 |
|
|
. |
点号 |
匹配单个任意字符 |
|
[…] |
字符组 |
匹配单个列出的字符，如[abc] |
|
[^…] |
排除型字符组 |
匹配单个未列出的字符，如[^abc] |
|
\char |
转义字符 |
若char是元字符，或转义序列无特殊含义时，匹配char对应的普通字符 |
注：在字符组内部（并且不在第一个位置和最后一个位置），
‘-’连字符作为元字符表示一个范围，如[a-z]；如果不在字符组内部，
连字符代表普通字符。
元字符-提供计数功能的元字符
|
元字符 |
匹配对象 |
|
|
？ |
问号 |
容许匹配一次，但非必须 |
|
* |
星号 |
可以匹配任意多次，也可能不匹配 |
|
+ |
加号 |
至少匹配一次，至多可能任意多次 |
|
{min,max} |
区间量词 |
到少需要min次，至多容许max次 |
元字符-匹配位置的元字符
|
元字符 |
匹配对象 |
|
|
^ |
脱字符 |
匹配一行的开头位置 |
|
$ |
美元符 |
匹配一行的结束位置 |
|
\< |
单词分界符 |
匹配单词的开始位置 |
|
\> |
单词分界符 |
匹配单词的结束位置 |
元字符-其它元字符
|
元字符 |
匹配对象 |
|
|
| |
alternation |
匹配任意分隔的表达式 |
|
(…) |
括号 |
限定多选结构的范围，为反向应用捕获文本 |
|
\1,\2.. $1,$2.. |
反向引用 |
匹配之前的第一、第二组括号内的表达式匹配的文本 |
各种量词
?匹配优先量词
*、+、？、{min,max}
用ab*c去匹配abcde，肯定会匹配abc
?忽略优先量词
*?、+?、??、{min,max}?
用ab*?c去匹配acde肯定会匹配ac,不会返回什么都没匹配
?占有优先量词
*+、++、?+、{min,max}+
用(.*+)([0-9]+)去匹配aaaaa1，什么也匹配不到，一旦占有不再交还，目前只有java和php有
捕获分组和反向引用
?捕获分组：将某些规律看成是一组，然后进行组级别的重复，可以得到意想不到的效果，正则表达式中分组用()表示，不参与捕获分组又要使用括号用(?:)表示。
?反向引用：反向应用实际上应用的是正则表达式所匹配的文本值，而不是正则表达式字面值。
捕获分组和反向引用-示例1
文本样本（从中抽取出ip信息）：
:10.153.135.53:8611:4::
:10.153.110.123:8611:1::
:10.15.242.66:8611:4::
:10.15.242.65:8611:4::
:10.153.110.120:8611:1::
:10.153.110.122:8611:1::
:10.153.110.121:8611:1::
正则表达式：:([0-9.]+):([0-9]+):(.+)捕获分组和反向引用-示例2
文本样本（为图片相对路径增加绝对路径）：
<html>
<body>
<div>12321321</div>
<img src="/tv/pic/1.jpg"></img>
<img src="/tv/pic/2.jpg"></img>
<div>lasjdfljsadfpofdsahdsaf</div>
<img src="/tv/pic/3.jpg"></img>
<img src="/tv/pic/4.jpg"></img>
<div>pwqipqpwepqweo;sdkf</div>
<img src="/tv/pic/5.jpg"></img>
</body>
</html>
正则表达式：<img\s+src="([0-9a-z/.]+)">
替换为：<img src="//www.pic0.baidu.com\1">捕获分组和反向引用-示例3
正则表达式：([a-z]+)\s+\1
替换为：\1If – then -else
正则表达式中的if-else结构用(?(condition)(reg1)|(reg2))
举例（匹配img标签）：
<div>
<img src="123">
</div>
正则表达式：(<div>\s*)?(<img\s+[^>]+>)(?(1)\s*</div>)
环视
环视不匹配任何字符，只匹配文本中的特定位置。
|
类型 |
正则表达式 |
匹配成功的条件 |
|
肯定逆序环视 |
(?<=…..) |
子表达式能够匹配左侧文本 |
|
否定逆序环视 |
(?<!….) |
子表达式不能匹配左侧文本 |
|
肯定顺序环视 |
(?=….) |
子表达式能够匹配右侧文本 |
|
否定顺序环视 |
(?!….) |
子表达式不能匹配右侧文本 |
环视-肯定顺序示例
提取特征数据
样本示例:
1234.txt
456.java
abc.cpp
9876.java
正则表达式 .+(?=\.java) 环视-格式化数字
样本示例（每三位逗号分隔数字）:
1234567890
12345
6789056
456823
正则表达式：(?<=\d)(?=(\d{3})+$)
固化分组
固化分组使用(?>…)实现，固化分组匹配与正常的匹配并无差别，但是如果匹配进行到此结构之后（也就是，进行到闭括号之后），那么此结构体中的所有备用状态都会被放弃（不能被回溯）。
处理数字小数点，保留三位小数，第三位不能为零。
样本：
123123.456000000
12345.670000
1234789.78
134.500000
正则表达式：(\.\d\d(?>[1-9]?))\d+ 替换:\1