最近在學(xué)習(xí)正則表達(dá)式，找了很多文章都很混亂，花了好大功夫終于搞懂了，因此在這里出一個(gè)系統(tǒng)性的教程，系統(tǒng)對(duì)讀者有幫助。

參考文章：https://www.liujiangblog.com/course/python/73

在線正則表達(dá)式測(cè)試器：https://tool.oschina.net/regex/

總結(jié)

正則表達(dá)式的字符總共分為以下5種，這里原文檔的講解有點(diǎn)問(wèn)題和錯(cuò)誤，不便于理解，因此我自己調(diào)換了些順序，便于理解。5種正則表達(dá)式中，我根據(jù)其特性分為字符表達(dá)式，輔助表達(dá)式，其中輔助表達(dá)式分為字符數(shù)量輔助與字符位置輔助，字符表達(dá)式即我們用來(lái)匹配正則表達(dá)式的各種字符的代號(hào)。

• 數(shù)量表達(dá)式主要用來(lái)表達(dá)需要很多重復(fù)字符表達(dá)的時(shí)候只需要一個(gè)字符就可以表達(dá)很多重復(fù)的字符，比如例如手機(jī)號(hào)碼13666666666，一般的新手可能會(huì)寫(xiě)成\d\d\d\d\d\d\d\d\d\d\d（注意，這不是一個(gè)恰當(dāng)?shù)谋磉_(dá)式，其中\(zhòng)d是可以表達(dá)6的一種正則字符），不但寫(xiě)著費(fèi)勁，看著也累，還不一定準(zhǔn)確恰當(dāng)。這種情況可以使用表達(dá)式再加上修飾匹配次數(shù)的特殊符號(hào){}，不用重復(fù)書(shū)寫(xiě)表達(dá)式就可以重復(fù)匹配。比如[abcd][abcd]可以寫(xiě)成[abcd]{2}；
• 位置表達(dá)式主要用于表達(dá)對(duì)應(yīng)字符的位置，比如說(shuō)希望匹配學(xué)號(hào)A008，A字母一定是在開(kāi)頭，因此需要對(duì)應(yīng)的位置限制符

除了以上兩種表達(dá)式以外，正則表達(dá)式中還存在一種比較特別的字符，稱為元字符，這種字符用來(lái)表達(dá)一些特殊的含義與功能，比如說(shuō)字符匹配的優(yōu)先級(jí)（比如（ab），用了括號(hào)括起來(lái)以后操作是對(duì)ab兩者同時(shí)做），或者一些邏輯操作，比如[abc]是匹配abc三者的任意一個(gè)。注意，在正則表達(dá)式之中優(yōu)先級(jí)非常重要，這個(gè)在最后會(huì)介紹，

詳細(xì)介紹

字符表達(dá)式

普通字符

字母、數(shù)字、漢字、下劃線、以及沒(méi)有特殊定義的符號(hào)，都是"普通字符"。正則表達(dá)式中的普通字符，在匹配的時(shí)候，只匹配與自身相同的一個(gè)字符。

例如：表達(dá)式c，在匹配字符串abcde時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是c；匹配到的位置開(kāi)始于2，結(jié)束于3。（注：下標(biāo)從0開(kāi)始還是從1開(kāi)始，因當(dāng)前編程語(yǔ)言的不同而可能不同）

預(yù)定義匹配字符集

這個(gè)集合是通過(guò)一些字符來(lái)匹配同一組普通字符。可以同時(shí)匹配某個(gè)預(yù)定義字符集中的任意一個(gè)字符。比如，表達(dá)式\d可以匹配任意一個(gè)數(shù)字。雖然可以匹配其中任意字符，但是只能是一個(gè)，不是多個(gè)。如下表所示，注意大小寫(xiě)：

表達(dá)式	匹配
\d	任意一個(gè)數(shù)字，0~9 中的任意一個(gè)
\w	任意一個(gè)字母或數(shù)字或下劃線，也就是 A~Z,a~z,0~9,_ 中的任意一個(gè)
\s	空格、制表符、換頁(yè)符等空白字符的其中任意一個(gè)
\D	\d的反集，也就是非數(shù)字的任意一個(gè)字符，等同于[^\d]
\W	\w的反集，也就是[^\w]
\S	\s的反集，也就是[^\s]

例如表達(dá)式\d\d，在匹配abc123時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是12；匹配到的位置開(kāi)始于3，結(jié)束于5。

轉(zhuǎn)義字符

一些無(wú)法書(shū)寫(xiě)或者具有特殊功能的字符，采用在前面加斜杠"\"進(jìn)行轉(zhuǎn)義的方法。這些字符在之后的輔助字符或者元字符中會(huì)有單獨(dú)的作用，因此不能直接加進(jìn)去，需要轉(zhuǎn)義，否則會(huì)破壞正則表達(dá)式的含義。例如下表所示

表達(dá)式	匹配
\r,?\n	匹配回車和換行符
\t	匹配制表符
\\	匹配斜杠\
\^	匹配^符號(hào)
\$	匹配$符號(hào)
\.	匹配小數(shù)點(diǎn).

尚未列出的還有問(wèn)號(hào)？、星號(hào)*和括號(hào)等其他的符號(hào)。所有正則表達(dá)式中具有特殊含義的字符在匹配自身的時(shí)候，都要使用斜杠進(jìn)行轉(zhuǎn)義。這些轉(zhuǎn)義字符的匹配方法與普通字符類似，也是匹配與之相同的一個(gè)字符。

例如表達(dá)式$d，在匹配字符串"abc?𝑑𝑒"時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是𝑑𝑒"時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是?d；匹配到的位置開(kāi)始于3，結(jié)束于5。

?

輔助表達(dá)式

重復(fù)匹配

前面的表達(dá)式，無(wú)論是只能匹配一種字符的表達(dá)式，還是可以匹配多種字符其中任意一個(gè)的表達(dá)式，都只能匹配一次。但是有時(shí)候我們需要對(duì)某個(gè)片段進(jìn)行重復(fù)匹配，例如手機(jī)號(hào)碼13666666666，一般的新手可能會(huì)寫(xiě)成\d\d\d\d\d\d\d\d\d\d\d（注意，這不是一個(gè)恰當(dāng)?shù)谋磉_(dá)式），不但寫(xiě)著費(fèi)勁，看著也累，還不一定準(zhǔn)確恰當(dāng)。這種情況可以使用表達(dá)式再加上修飾匹配次數(shù)的特殊符號(hào){}，不用重復(fù)書(shū)寫(xiě)表達(dá)式就可以重復(fù)匹配。比如[abcd][abcd]可以寫(xiě)成[abcd]{2}。

表達(dá)式	匹配
{n}	表達(dá)式重復(fù)n次，比如\d{2}相當(dāng)于\d\d,a{3}相當(dāng)于aaa
{m,n}	表達(dá)式至少重復(fù)m次，最多重復(fù)n次。比如ab{1,3}可以匹配ab或abb或abbb
{m,}	表達(dá)式至少重復(fù)m次，比如\w\d{2,}可以匹配a12,_1111,M123等等
?	匹配表達(dá)式0次或者1次，相當(dāng)于{0,1}，比如a[cd]?可以匹配a,ac,ad
+	表達(dá)式至少出現(xiàn)1次，相當(dāng)于{1,}，比如a+b可以匹配ab,aab,aaab等等
*	表達(dá)式出現(xiàn)0次到任意次，相當(dāng)于{0,}，比如\^*b可以匹配b,^^^b等等

其中有些例子一定要注意！比如ab{1,3}中重復(fù)的是b而不是ab，(ab){1,3}這樣重復(fù)的才是ab。表達(dá)式\^*b中重復(fù)的是\^而不是^，要從左往右讀正則表達(dá)式，轉(zhuǎn)義符號(hào)有更高的優(yōu)先級(jí)，需要和后面的字符整體認(rèn)讀。

表達(dá)式\d+\.?\d*在匹配It costs $12.5時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是12.5；匹配到的位置開(kāi)始于10，結(jié)束于14。

表達(dá)式go{2,8}gle在匹配Ads by goooooogle時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是goooooogle；匹配到的位置開(kāi)始于7，結(jié)束于17。

注意：非常重要，重復(fù)表達(dá)式只對(duì)前面的一個(gè)或者一組字符起作用，意思是如果有括號(hào)，那就一起起作用，高優(yōu)先級(jí)可以先于低優(yōu)先級(jí)操作。這一點(diǎn)對(duì)理解下面的貪婪模式與非貪婪模式很重要！

貪婪模式與非貪婪模式

在重復(fù)匹配時(shí)，正則表達(dá)式默認(rèn)總是盡可能多的匹配，這被稱為貪婪模式。意思是只要滿足重復(fù)前后的字符一致，那么正則表達(dá)式就會(huì)匹配最多的那種。比如，針對(duì)文本dxxxdxxxd，有滿足前后都是d的有兩種匹配模式，第一種是dxxxd,第二種是dxxxdxxxd, 而表達(dá)式(d)(\w+)(d)中的\w+將匹配第一個(gè)d和最后一個(gè)d之間的所有字符xxxdxxx。可見(jiàn)，\w+在匹配的時(shí)候，總是盡可能多的匹配符合它規(guī)則的字符。同理，帶有?、*和{m,n}的重復(fù)匹配表達(dá)式都是盡可能地多匹配。這就叫做貪婪模式。但是有時(shí)候，這種模式不是我們想要的結(jié)果，比如最常見(jiàn)的HTML標(biāo)簽匹配。假設(shè)有如下的字符串

（這里原文檔錯(cuò)誤了，原文檔中用的是如下的表示：

這里每個(gè)td后面都有一個(gè)換行符，用源文檔的語(yǔ)句跑出來(lái)也是分開(kāi)的結(jié)果，并不會(huì)連續(xù)，修改以后應(yīng)該用如下所示的式子）：

<table><tr><td>蘋(píng)果</td><td>桃子</td><td>香蕉</td></tr></table>

我們的意圖是獲取每個(gè)<td></td>標(biāo)簽中的元素內(nèi)容，那么如果你將正則表達(dá)式寫(xiě)成<td>(.*)</td>的話，你得到的是<td>蘋(píng)果</td><td>桃子</td><td>香蕉</td>這么個(gè)東西，而不是

<td>蘋(píng)果</td>

<td>桃子</td>

<td>香蕉</td>。（即匹配出了三個(gè)項(xiàng)，而不是一次全匹配了出來(lái)，因?yàn)槿齻€(gè)或者一個(gè)開(kāi)頭結(jié)尾都一致）

注意：不是說(shuō)重復(fù)匹配只對(duì)前面的一個(gè)或者一組字符起作用嗎？為什么這里要求前后的字符？這里就體現(xiàn)了上面的重復(fù)匹配只對(duì)前面的起作用的原則的重要姓，如果不明確這一點(diǎn)非常容易混淆。

在這里這個(gè)原則其實(shí)并沒(méi)有被打破，+起作用的只是w本身，不包括前后的d，因此重復(fù)匹匹配符并不會(huì)對(duì)前后的產(chǎn)生要求，真正產(chǎn)生要求的是要求盡量多匹配的貪婪模式，因?yàn)橹貜?fù)匹配字符只是要求了至少出現(xiàn)的次數(shù)，但沒(méi)表明最多出現(xiàn)的次數(shù)，所以貪婪模式會(huì)持續(xù)匹配直到最后找到滿足前后要求的最長(zhǎng)序列。

因此在這個(gè)時(shí)候我們就要使用非貪婪模式:?在修飾匹配次數(shù)的特殊符號(hào)后再加上一個(gè)?問(wèn)號(hào)，則可以使匹配次數(shù)不定的表達(dá)式盡可能少的匹配，使可匹配可不匹配的表達(dá)式，盡可能的"不匹配"。如果少匹配就會(huì)導(dǎo)致整個(gè)表達(dá)式匹配失敗的時(shí)候，與貪婪模式類似，非貪婪模式會(huì)最小限度的再多匹配一些，以使整個(gè)表達(dá)式匹配成功。

表達(dá)式<td>(.*?)</td>匹配上面的字符串時(shí)，將只得到<td>蘋(píng)果</td>，再次匹配下一個(gè)時(shí)，可以得到<td>桃子</td>，以此類推。

針對(duì)文本"dxxxdxxxd"舉例：

表達(dá)式(d)(\w+?)中的\w+?將盡可能少的匹配第一個(gè)d之后的字符，結(jié)果是只匹配了一個(gè)"x"，整體只匹配了dx。表達(dá)式(d)(\w+?)(d)為了讓整個(gè)表達(dá)式匹配成功，\w+?不得不匹配xxx才可以讓后邊的d匹配，從而使整個(gè)表達(dá)式匹配成功。因此，結(jié)果是\w+?匹配了xxx，整體匹配了dxxx。

注意：如以上所說(shuō)，貪婪模式會(huì)對(duì)匹配序列的前后位置有要求，非貪婪模式也如此，但只是對(duì)前后緊鄰的字符或者字符組合有要求，對(duì)更前面的沒(méi)有要求。

?

位置匹配

有時(shí)候，我們對(duì)匹配出現(xiàn)的位置有要求，比如開(kāi)頭、結(jié)尾、單詞之間等等。

表達(dá)式	匹配
^	在字符串開(kāi)始的地方匹配，符號(hào)本身不匹配任何字符
$	在字符串結(jié)束的地方匹配，符號(hào)本身不匹配任何字符
\b	匹配一個(gè)單詞邊界，也就是一個(gè)位置前后字符不全是\W的位置,與下面的\B相對(duì)應(yīng)，符號(hào)本身不匹配任何字符。注意，這里原作者解釋有誤，不是字符與空格之間的位置。
\B	匹配非單詞邊界，即左右兩邊都是\w范圍或者左右兩邊都不是\w范圍時(shí)的字符縫隙

例如表達(dá)式^aaa在匹配xxx aaa xxx時(shí)，匹配結(jié)果是：失敗。因?yàn)?/span>^要求在字符串開(kāi)始的地方匹配。

表達(dá)式aaa?在匹配𝑥𝑥𝑥?𝑎𝑎𝑎?𝑥𝑥𝑥時(shí)，匹配結(jié)果是：失敗。因?yàn)樵谄ヅ?#x1d465;𝑥𝑥𝑎𝑎𝑎𝑥𝑥𝑥時(shí)，匹配結(jié)果是：失敗。因?yàn)?要求在字符串結(jié)束的地方匹配。

表達(dá)式.\b.在匹配@@@abc時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是@a，因?yàn)樵?#64;和a的中間位置滿足前后不都為\w的條件，因此匹配到這個(gè)位置；匹配到的位置開(kāi)始于2，結(jié)束于4。

表達(dá)式\bend\b在匹配weekend,endfor,end時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是end；匹配到的位置開(kāi)始于15，結(jié)束于18。注意這里每個(gè)\b的前后都要滿足前后不都為\w的條件，因此weekend和endfordou不行，weekend的ebu符合，endfor的d不符合

這里后面兩個(gè)比較難以理解，我采取了另外一份資料的解釋（原網(wǎng)址：https://www.cnblogs.com/litmmp/p/4925374.html），并通過(guò)我自己的理解寫(xiě)出來(lái)：

原表述：一個(gè)位置前后字符不全是\W的位置

首先需要明確什么是位置：

It's a nice day today.

'I' 占一個(gè)位置，'t' 占一個(gè)位置，所有的單個(gè)字符（包括不可見(jiàn)的空白字符）都會(huì)占一個(gè)位置，這樣的位置我給它取個(gè)名字叫“顯式位置”。

注意：字符與字符之間還有一個(gè)位置，例如 'I' 和 't' 之間就有一個(gè)位置（沒(méi)有任何東西），這樣的位置我給它取個(gè)名字叫“隱式位置”。

“隱式位置”就是 \b 的關(guān)鍵！通俗的理解，\b 就是“隱式位置”。

此時(shí)，再來(lái)理解一下這句話：

如果需要更精確的說(shuō)法，\b 匹配這樣的位置：它的前一個(gè)字符和后一個(gè)字符不全是(一個(gè)是,一個(gè)不是或不存在) \w。

翻譯一下這句話：

“隱式位置” \b，匹配這樣的位置：它的前一個(gè)“顯式位置”字符和后一個(gè)“顯式位置”字符不全是 \w。

這樣理解起來(lái)就方便多了

用以下例子表示：

就用 "It's a nice day today." 舉例說(shuō)明：

正確的正則：\bnice\b

分析：第一個(gè) \b 前面一個(gè)字符是空格，后面一個(gè)字符是 'n'，不全是 \w，所以可以匹配出 'n' 是一個(gè)單詞的開(kāi)頭。第二個(gè) \b 前面一個(gè)字符是 'e'，后面一個(gè)字符是空格，不全是 \w，可以匹配出 'e' 是一個(gè)單詞的結(jié)尾。所以，合在一起，就能匹配出以 'n' 開(kāi)頭以 'e' 結(jié)尾的單詞，這里就能匹配出 "nice" 這個(gè)單詞。

錯(cuò)誤的正則：a\bnice

分析：我見(jiàn)過(guò)有人類似于這樣來(lái)寫(xiě)正則，想要達(dá)到的目的是匹配出上一個(gè)單詞以 'a' 結(jié)尾，下一個(gè)單詞以 'n' 開(kāi)頭的部分，這里想匹配出 "a nice"。但是這個(gè)正則表達(dá)的可不是這個(gè)目的，\b 前面是字符 'a'，后面是字符 'n'，兩個(gè)都是“顯式字符”，顯然違背了 \b 的含義，所以這就是個(gè)錯(cuò)誤的表達(dá)式，匹配不出任何東西。想要匹配出 "a nice"，正確的正則寫(xiě)法是：a\b.\bnice（不能換行）

?

?

元字符

元字符表達(dá)了很多特殊功能，其中最重要的是要注意這些字符的優(yōu)先級(jí)，其中括號(hào)可以將上面所說(shuō)的幾種字符都包在一起作為一個(gè)字符組合對(duì)待：

表達(dá)式	匹配
.	小數(shù)點(diǎn)可以匹配除了換行符\n以外的任意一個(gè)字符
|	邏輯或操作符
[]	匹配字符集中的一個(gè)字符
[^]	對(duì)字符集求反，也就是上面的反操作。尖號(hào)必須在方括號(hào)里的最前面
-	定義[]里的一個(gè)字符區(qū)間，例如[a-z]
\	對(duì)緊跟其后的一個(gè)字符進(jìn)行轉(zhuǎn)義
()	對(duì)表達(dá)式進(jìn)行分組，將圓括號(hào)內(nèi)的內(nèi)容當(dāng)做一個(gè)整體，并獲得匹配的值。注意將括號(hào)當(dāng)成整體的作用，這代表括號(hào)內(nèi)的字符可以被當(dāng)成一個(gè)字符看待

例如：

a.c匹配abc

(a|b)c匹配ac與bc

注意：這里（a|b）和[ab]實(shí)際上一樣，與的含義即為能匹配則匹配，不用一定要同時(shí)出現(xiàn)，(a|b）這種表達(dá)實(shí)際上是為了完成（ab|c）這種[abc]完不成的表達(dá)

[abc]1匹配a1或者b1或者c1

使用方括號(hào)[]包含一系列字符，能夠匹配其中任意一個(gè)字符。用[^]包含一系列字符，則能夠匹配其中字符之外的任意一個(gè)字符。

[ab5@]匹配a或b或5或@

[^abc]匹配a,b,c之外的任意一個(gè)字符

注意：^只對(duì)后面的字符起作用

[f-k]匹配f~k?之間的任意一個(gè)字母

[^A-F0-3]匹配A~F以及0~3之外的任意一個(gè)字符

?

以下為優(yōu)先級(jí)列表：

可以看見(jiàn)，括號(hào)優(yōu)先級(jí)很高

反向引用

反向引用是一種特殊的（）的使用方法，因此放在元字符之后介紹。

表達(dá)式在匹配時(shí)，小括號(hào)()包含的表達(dá)式所匹配到的字符串會(huì)被記錄并保存在系統(tǒng)中等之后使用。在獲取匹配結(jié)果的時(shí)候，之前的（）包含的表達(dá)式所匹配到的字符串可被單獨(dú)重新獲取。這是一個(gè)非常有用也非常重要的特性。在實(shí)際應(yīng)用場(chǎng)合中，當(dāng)用某種邊界條件來(lái)查找（比如html變成中要求一個(gè)字符串前后必須為td對(duì)），而所要獲取的內(nèi)容又不指定對(duì)應(yīng)的邊界時(shí)，必須使用小括號(hào)來(lái)指定所要的范圍。比如前面的?<td>(.*?)</td>"，因?yàn)椴蝗倍ㄇ昂笫鞘裁?#xff0c;只知道是一對(duì)，因此可以用小括號(hào)構(gòu)成一個(gè)邊界符號(hào)對(duì)。

?

"小括號(hào)包含的表達(dá)式所匹配到的字符串"可以在匹配過(guò)程中直接使用。表達(dá)式后邊的部分，可以引用前面"括號(hào)內(nèi)的子匹配已經(jīng)匹配到的字符串"。引用方法是\加上一個(gè)數(shù)字。\1引用第1對(duì)括號(hào)內(nèi)匹配到的字符串，\2?引用第2對(duì)括號(hào)內(nèi)匹配到的字符串……以此類推，如果一對(duì)括號(hào)內(nèi)包含另一對(duì)括號(hào)，則外層的括號(hào)先排序號(hào)。換句話說(shuō)，哪一對(duì)的左括號(hào)"("在前，那這一對(duì)就先排序號(hào)。舉例如下：

表達(dá)式('|")(.*?)(\1)在匹配'Hello', "World"時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是'Hello'。再次匹配下一個(gè)時(shí)，可以匹配到?"World"。這里的(\1)，動(dòng)態(tài)的引用了('|")匹配到的結(jié)果。

表達(dá)式(\w)\1{4,}在匹配aa bbbb abcdefg ccccc 111121111 999999999時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是ccccc。再次匹配下一個(gè)時(shí)，將得到999999999。這個(gè)表達(dá)式要求\w范圍的字符至少重復(fù)5次，注意與\w{5,}之間的區(qū)別。這里\1代表一個(gè)另外的\w，因此是重復(fù)五次

?

表達(dá)式<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>在匹配<td id='td1' style="bgcolor:white"></td>時(shí)，匹配結(jié)果是成功。如果<td>與</td>不配對(duì)，則會(huì)匹配失敗；如果改成其他配對(duì)，也可以匹配成功。這就是常用的HTML標(biāo)簽匹配方法。

?

這里博主詳細(xì)解釋一下這個(gè)正則表達(dá)式。這個(gè)式子先拆出幾個(gè)括號(hào)，找到優(yōu)先級(jí)高的一下4個(gè)字符串：

1， (\w+)

?2，('|")

3， (=('|").*?\4)

4，? (\w+(=('|").?\4)?\s)

其中，2式指的是'或者”，放到3式中的\4引用的就是2式（因?yàn)?式是第四個(gè)左括號(hào)），然后在3式中的.*?表示了最小的前后具有引號(hào)對(duì)的字符串，在實(shí)例字符串中代表了'td1'或者"bgcolor:white"

后在4式中在3式的后面加了？與\S，因此表示3式只出現(xiàn)0或1次，限制其最多1次，后接空格。所以整個(gè)4式就代表最多出現(xiàn)一次的后接空格的3式子，即代表'td1' 或者"bgcolor:white"

原正則表達(dá)式中在4式后加了*，因此表示越多越好，所以實(shí)例字符串中的兩個(gè)引號(hào)串都被表達(dá)了進(jìn)來(lái)

再之后就是前后的格式標(biāo)識(shí)符，最后的</\1>引用了第一個(gè)（\w+）表達(dá)了前后的字符串對(duì)，這樣整體就表達(dá)出來(lái)了。

總結(jié)

以上是生活随笔為你收集整理的一文搞懂正则表达式的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。