正则表达式(Regular Expression)

这是一篇关于正则表达式(Regular Expression)的思维导图，主要内容包括：前言，一、什么是正则表达式？，二、为什么需要正则表达式？，三、正则表达式语法如何使用，四、实战案例演示，五、扩展功能。

正则表达式(Regular Expression)

• 前言
  • 工作中经常会在一个大量的文本文件中筛选特定的文本信息，大家都是用什么方法去筛选过滤出有效信息？ 例如日志中网络状态的变化情况。
• 一、什么是正则表达式？
  • 正则表达式(简称regexp)是一种用于匹配、查找和操作文本的模式描述语言。它由一系列字符和特殊符号组成，可以：
  • 检查字符串是否符合某种模式
  • 从文本中提取特定部分
  • 替换文本中的内容
• 二、为什么需要正则表达式？
  • 高效处理文本：比传统的字符串操作方法更简洁高效
  • 模式匹配：可以描述复杂的文本模式而不仅是固定字符串
  • 跨语言通用：几乎所有编程语言都支持正则表达式
  • 强大灵活：能解决复杂的文本处理问题
• 三、正则表达式语法如何使用
  • 使用的基础形式
    • 输入文本通过正则表达式的匹配后，获得符合表达式的文本列表
    • 其中正则表达式由元字符组成
  • 常用元字符
    • 普通字符
      • 普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。
      • 示例：a b 1 2 \r \t .
    • 基础元字符
      • . (点号)
        • 匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \.
          • 示例：a.b 匹配 "aab", "a1b", "a b"
      • ^ (脱字符)
        • 匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 \^
          • 示例：^abc 匹配以 "abc" 开头的字符串
          • 示例：[^abc] 匹配任意不等于a b c的字符
      • $(美元符)
        • 匹配输入字符串的结尾位置。要匹配 $ 字符本身，请使用 \$
          • 示例：xyz$ 匹配以 "xyz" 结尾的字符串
      • \ (反斜杠)
        • 将下一个字符标记为特殊字符、或原义字符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\"，而 '\(' 则匹配 "("
          • 示例：\. 匹配实际的点号而不是任意字符
    • 字符类元字符
      • [ ] (方括号)
        • 定义字符集合，匹配其中任意一个字符。要匹配 [和]，请使用 \[和\]
          • 示例：[abc] 匹配任意a b c 任意其中一个字母
      • [^] (否定字符类)
        • 匹配不在方括号中的任意字符
          • 示例：[^abc] 匹配任意不等于a b c的字符
      • - (连字符)
        • 在字符类中表示范围。仅在方括号内为特殊字符，在方括号外为普通字符
          • 示例：[0-9] 匹配任意非数字字符
    • 量词类元字符
      • * (星号)
        • 匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*
          • 示例：ab*c 匹配 "ac", "abc", "abbc" 等
      • + (加号)
        • 匹配前面的子表达式一次或多次（至少1次）。要匹配 + 字符，请使用 \+
          • 示例：ab+c 匹配 "abc", "abbc" 但不匹配 "ac"
      • ? (问号)
        • 匹配前面的子表达式零次或一次（至多1次）。要匹配 ? 字符，请使用 \?
          • 示例：colou?r 匹配 "color" 和 "colour"
          • 示例：非贪婪限定符 todo
      • { } (花括号)
        • 限定符前一个字符匹配的次数。要匹配 { 和 }，请使用 \{ 和 \}
          • {n}
            • 精确匹配n次
              • 示例：a{3} 匹配 "aaa"
          • {n,}
            • 至少匹配n次
              • 示例：a{2,} 匹配 "aa", "aaaa" 等
          • {n,m}
            • 匹配n到m次
              • 示例：a{2,3} 匹配 "aa", "aaa" 等
    • 分组和选择元字符
      • ( ) (圆括号)
        • 标记一个子表达式的开始和结束位置。子表达式可以用于捕获并提供以后使用。要匹配这些字符，请使用 \( 和 \)
          • 示例：(ab)+ 匹配 "ab", "abab" 等
      • | (竖线)
        • 表示"或"关系。要匹配 |，请使用 \|
          • 示例：cat|dog 匹配 "cat" 或 "dog"
    • 转义字符类元字符
      • 通用转义字符
        • \r
          • 匹配回车符
        • \n
          • 匹配换行符
        • \t
          • 匹配制表符
        • \f
          • 匹配换页符
        • \v
          • 匹配垂直制表符
      • 边界匹配元字符
        • \b
          • 匹配单词边界
            • 示例：\bcat\b 匹配 "cat" 但不匹配 "category"
        • \B
          • 匹配非单词边界
            • 示例：\Bcat\B 匹配 "scattered" 中的 "cat" 但不匹配单独的 "cat"
      • 字符集合类元字符
        • \d
          • 匹配任意数字，等价于 [0-9]
        • \D
          • 匹配任意非数字，等价于 [^0-9]
        • \w
          • 匹配任意单词字符(字母、数字、下划线)，等价于 [a-zA-Z0-9_]
        • \W
          • 匹配任意非单词字符，等价于 [^a-zA-Z0-9_]
        • \s
          • 匹配任意空白字符(空格、制表符、换行符等)
        • \S
          • 匹配任意非空白字符
  • 元字符优先级
    • 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。
• 四、实战案例演示
  • 1. 验证电子邮件
    • ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
  • 2. 提取URL中的域名
    • https?://([^/]+)
  • 3. 匹配日期格式(YYYY-MM-DD)
    • ^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$
  • 4. 查找HTML标签
    • <([a-z]+)([^<]+)*(?:>(.*)<\/\1>| *\/>)
• 五、扩展功能
  • 1. 前后查找
    • (?=pattern)：正向肯定预查
    • (?!pattern)：正向否定预查
    • (?<=pattern)：反向肯定预查
    • (?<!pattern)：反向否定预查
    • 示例：匹配后面不跟着"bar"的"foo"
      • foo(?!bar)
  • 2. 贪婪与非贪婪匹配
    • 默认是贪婪匹配(尽可能多匹配)
    • 添加?变为非贪婪匹配(尽可能少匹配)
    • 示例：
      • <.*> # 贪婪匹配，匹配整个标签 <.*?> # 非贪婪匹配，匹配单个标签
  • 3. 修饰符/标志
    • i：不区分大小写
    • g：全局匹配
    • m：多行模式
    • s：使.匹配包括换行符