正则表达式语法详解
正則表達式的發展
1956 年, 一位叫 Stephen Kleene 的數學家在 McCulloch 和 Pitts 早期工作的基礎上，發表了一篇標題為"神經網事件的表示法"的論文，引入了正則表達式的概念。正則表達式就是用來描述他稱為"正則集的代數"的表達式，因此采用"正則表達式"這個術語。
隨后，發現可以將這一工作應用于使用 Ken Thompson 的計算搜索算法的一些早期研究，Ken Thompson 是 Unix 的主要發明人。正則表達式的第一個實用應用程序就是 Unix 中的 qed 編輯器。
應用領域
目前，正則表達式已經在很多軟件中得到廣泛的應用，包括 *nix（Linux, Unix等）、HP 等操作系統，PHP、C#、Java 等開發環境，以及很多的應用軟件中，都可以看到正則表達式的影子。
語法講解
我們先學習下正則表達式的語法。
從下面的HTML文件中去找到標題和配圖，并展示出來。
<!doctype html><html><head><meta charset="UTF-8"><meta name="Generator" content="EditPlus?"><meta name="Author" content=""><meta name="Keywords" content=""><meta name="Description" content=""><title>太陽花</title></head><body><img src="https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1583316055260&di=959e455d95596926fb9eaf132b94fae6&imgtype=0&src=http%3A%2F%2Fa3.att.hudong.com%2F68%2F61%2F300000839764127060614318218_950.jpg"><p>美麗的照片</p></body></html>這里會有人覺得這個很搞笑，直接查title和img就可以了。但是在非常復雜的HTML界面中，光靠JAVA帶的查title和img就不夠了，甚至一些文本自身還會帶title和img，這會帶來很大的影響。
什么是正則表達式
正則表達式 是由普通字符（例如字符 a 到 z）以及特殊字符（稱為"元字符"，）組成的文字模式。模式描述在搜索文本時要匹配的一個或多個字符串。正則表達式作為一個模板，將某個字符模式與所搜索的字符串進行匹配。
普通字符
普通字符包括沒有顯式指定為元字符的所有可打印和不可打印字符。這包括所有大寫A ~ Z和小寫字母a ~ z、所有數字0~9、所有標點符號和一些其他符號。
非打印字符
非打印字符也可以是正則表達式的組成部分。下表列出了表示非打印字符的轉義序列：
| \cx | 匹配由x指明的控制字符。 |
| \f | 匹配一個換頁符。等價于 \x0c 和 \cL。 |
| \n | 匹配一個換行符。等價于 \x0a 和 \cJ。 |
| \r | 匹配一個回車符。等價于 \x0d 和 \cM。 |
| \s | 匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。 |
| \t | 匹配一個制表符。等價于 \x09 和 \cI。 |
| \v | 匹配一個垂直制表符。等價于 \x0b 和 \cK。 |
特殊字符
所謂特殊字符，就是一些有特殊含義的字符。比如* 就代表著所有的字符，如果想要查找，則需要通過 \ * 來表達。
許多元字符要求在試圖匹配它們時特別對待。若要匹配這些特殊字符，必須首先使字符"轉義"，即，將反斜杠字符 () 放在它們前面。下表列出了正則表達式中的特殊字符：
| $ | 匹配輸入字符串的結尾位置。如果設置了 RegExp 對象的 Multiline 屬性，則 字符本身，請使用 $。 |
| ( ) | 標記一個子表達式的開始和結束位置。子表達式可以獲取供以后使用。要匹配這些字符，請使用 ( 和 )。 |
| * | 匹配前面的子表達式零次或多次。要匹配 * 字符，請使用 *。 |
| + | 匹配前面的子表達式一次或多次。要匹配 + 字符，請使用 +。 |
| . | 匹配除換行符 \n之外的任何單字符。要匹配 .，請使用 \。 |
| [ | 標記一個中括號表達式的開始。要匹配 [，請使用 [。 |
| ? | 匹配前面的子表達式零次或一次，或指明一個非貪婪限定符。要匹配 ? 字符，請使用 ?。 |
| \ | 將下一個字符標記為或特殊字符、或原義字符、或向后引用、或八進制轉義符。例如， ‘n’ 匹配字符 ‘n’?！痋n’ 匹配換行符。序列 ‘\’ 匹配 “”，而 ‘(’ 則匹配 “(”。 |
| ^ | 匹配輸入字符串的開始位置，除非在方括號表達式中使用，此時它表示不接受該字符集合。要匹配 ^ 字符本身，請使用 ^。 |
| { | 標記限定符表達式的開始。要匹配 {，請使用 {。 |
限定符
限定符用來指定正則表達式的一個給定組件必須要出現多少次才能滿足匹配。有*或+或?或{n}或{n,}或{n,m}共6種。
正則表達式的限定符有：
| * | 匹配前面的子表達式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等價于{0,}。 |
| + | 匹配前面的子表達式一次或多次。例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等價于 {1,}。 |
| ? | 匹配前面的子表達式零次或一次。例如，“do(es)?” 可以匹配 “do” 或 “does” 中的"do" 。? 等價于 {0,1}。 |
| {n} | n 是一個非負整數。匹配確定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的兩個 o。 |
| {n,} | n 是一個非負整數。至少匹配n 次。例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o?！畂{1,}’ 等價于 ‘o+’。‘o{0,}’ 則等價于 ‘o*’。 |
| {n,m} | m 和 n 均為非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 將匹配 “fooooood” 中的前三個 o?！畂{0,1}’ 等價于 ‘o?’。請注意在逗號和兩個數之間不能有空格。 |
定位符
定位符使您能夠將正則表達式固定到行首或行尾。它們還使您能夠創建這樣的正則表達式，這些正則表達式出現在一個單詞內、在一個單詞的開頭或者一個單詞的結尾。
定位符用來描述字符串或單詞的邊界，^和$分別指字符串的開始與結束，\b描述單詞的前或后邊界，\B表示非單詞邊界。
正則表達式的限定符有：
| ^ | 匹配輸入字符串開始的位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 還會與 \n 或 \r 之后的位置匹配。 |
| $ | 匹配輸入字符串結尾的位置。如果設置了 RegExp 對象的 Multiline 屬性，$ 還會與 \n 或 \r 之前的位置匹配。 |
| \b | 匹配一個字邊界，即字與空格間的位置。 |
| \B | 非字邊界匹配。 |
注意：不能將限定符與定位點一起使用。由于在緊靠換行或者字邊界的前面或后面不能有一個以上位置，因此不允許諸如 ^* 之類的表達式。
元字符
| \ | 將下一個字符標記為一個特殊字符、或一個原義字符、或一個 向后引用、或一個八進制轉義符。 |
| ^ | 匹配輸入字符串的開始位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。 |
| $ | 匹配輸入字符串的結束位置。如果設置了RegExp 對象的 Multiline 屬性，$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置。 |
| * | 匹配前面的子表達式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等價于{0,}。 |
| + | 匹配前面的子表達式一次或多次。例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等價于 {1,}。 |
| ? | 匹配前面的子表達式零次或一次。例如，“do(es)?” 可以匹配 “do” 或 “does” 中的"do" 。? 等價于 {0,1}。 |
| {n} | n 是一個非負整數。匹配確定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的兩個 o。 |
| {n,} | n 是一個非負整數。至少匹配n 次。例如，‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o?！畂{1,}’ 等價于 ‘o+’?！畂{0,}’ 則等價于 ‘o*’。 |
| {n,m} | m 和 n 均為非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 將匹配 “fooooood” 中的前三個 o?！畂{0,1}’ 等價于 ‘o?’。請注意在逗號和兩個數之間不能有空格。 |
| ? | 當該字符緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串 “oooo”，‘o+?’ 將匹配單個 “o”，而 ‘o+’ 將匹配所有 ‘o’。 |
| . | 匹配除 “\n” 之外的任何單個字符。要匹配包括 ‘\n’ 在內的任何字符，請使用象 ‘[.\n]’ 的模式。 |
| (pattern) | 匹配 pattern 并獲取這一匹配。所獲取的匹配可以從產生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中則使用 9 屬性。要匹配圓括號字符，請使用 ‘(’ 或 ‘)’。 |
| (?:pattern) | 匹配 pattern 但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以后使用。這在使用 “或” 字符 ( |
| (?=pattern) | 正向預查，在任何匹配 pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如，'Windows (?=95 |
| (?!pattern) | 負向預查，在任何不匹配 pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如’Windows (?!95 |
| x | y |
| [xyz] | 字符集合。匹配所包含的任意一個字符。例如， ‘[abc]’ 可以匹配 “plain” 中的 ‘a’。 |
| [^xyz] | 負值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’。 |
| [a-z] | 字符范圍。匹配指定范圍內的任意字符。例如，’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范圍內的任意小寫字母字符。 |
| [^a-z] | 負值字符范圍。匹配任何不在指定范圍內的任意字符。例如，’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范圍內的任意字符。 |
| \b | 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。 |
| \B | 匹配非單詞邊界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。 |
| \cx | 匹配由 x 指明的控制字符。例如， \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 ‘c’ 字符。 |
| \d | 匹配一個數字字符。等價于 [0-9]。 |
| \D | 匹配一個非數字字符。等價于 [^0-9]。 |
| \f | 匹配一個換頁符。等價于 \x0c 和 \cL。 |
| \n | 匹配一個換行符。等價于 \x0a 和 \cJ。 |
| \r | 匹配一個回車符。等價于 \x0d 和 \cM。 |
| \s | 匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。 |
| \t | 匹配一個制表符。等價于 \x09 和 \cI。 |
| \v | 匹配一個垂直制表符。等價于 \x0b 和 \cK。 |
| \w | 匹配包括下劃線的任何單詞字符。等價于’[A-Za-z0-9_]’。 |
| \W | 匹配任何非單詞字符。等價于 ‘[^A-Za-z0-9_]’。 |
| \xn | 匹配 n，其中 n 為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，’\x41’ 匹配 “A”?！痋x041’ 則等價于 ‘\x04’ & “1”。正則表達式中可以使用 ASCII 編碼。 |
| \num | 匹配 num，其中 num 是一個正整數。對所獲取的匹配的引用。例如，’(.)\1’ 匹配兩個連續的相同字符。 |
| \n | 標識一個八進制轉義值或一個向后引用。如果 \n 之前至少 n 個獲取的子表達式，則 n 為向后引用。否則，如果 n 為八進制數字 (0-7)，則 n 為一個八進制轉義值。 |
| \nm | 標識一個八進制轉義值或一個向后引用。如果 \nm 之前至少有 nm 個獲得子表達式，則 nm 為向后引用。如果 \nm 之前至少有 n 個獲取，則 n 為一個后跟文字 m 的向后引用。如果前面的條件都不滿足，若 n 和 m 均為八進制數字 (0-7)，則 \nm 將匹配八進制轉義值 nm。 |
| \nml | 如果 n 為八進制數字 (0-3)，且 m 和 l 均為八進制數字 (0-7)，則匹配八進制轉義值 nml。 |
| \un | 匹配 n，其中 n 是一個用四個十六進制數字表示的 Unicode 字符。例如， \u00A9 匹配版權符號 (?)。 |
問題解答
我們需要查title和img相關數據，那么我們先來分析一下功能需求。
title一般在HTML文件中由標題這樣的格式組成，并且前后應該都只檢測一次，該使用?字段,中間title內容可以為一切內容，那么使用使用.。然后title內容為一個或多個字符，使用*
那么正則表達式可以表示為:
總結
