一、基础概念

正则表达式是一种用于描述文本模式的工具。它是一个字符序列，用于定义搜索模式，可用于文本搜索、文本替换、文本验证等操作。

二、字符匹配

1. 普通字符匹配
   • 普通字符（如字母、数字、大部分标点符号）在正则表达式中匹配其自身。例如，正则表达式abc会匹配文本中连续出现的abc。
2. 特殊字符匹配（元字符）
   • 点号（.）
     • 匹配除换行符\n之外的任意单个字符。例如，a.c可以匹配abc、a c、a!c等。
   • 字符类（[]）
     • 用于匹配一组字符中的任意一个。例如，[abc]可以匹配a、b或者c。
     • 可以使用范围表示法，如[a - z]匹配所有小写字母，[A - Z]匹配所有大写字母，[0 - 9]匹配所有数字。范围可以组合，如[a - zA - Z0 - 9]匹配所有字母和数字。
   • 否定字符类（[^]）
     • 匹配不在字符类中的任意一个字符。例如，[^abc]会匹配除a、b、c之外的任意字符。
   • 预定义字符类（快捷方式）
     • \d：匹配任何数字，等价于[0 - 9]。
     • \D：匹配任何非数字字符，等价于[^0 - 9]。
     • \w：匹配任何单词字符（字母、数字、下划线），等价于[a - zA - Z0 - 9_]。
     • \W：匹配任何非单词字符，等价于[^a - zA - Z0 - 9_]。
     • \s：匹配任何空白字符（空格、制表符、换行符等），等价于[ \t\n\r\f\v]。
     • \S：匹配任何非空白字符，等价于[^ \t\n\r\f\v]。

三、重复匹配

1. 量词（指定匹配次数）
   • 星号（*）
     • 匹配前面的元素零次或多次。例如，a*可以匹配空字符串、a、aa、aaa等。
   • 加号（+）
     • 匹配前面的元素一次或多次。例如，a+可以匹配a、aa、aaa等，但不能匹配空字符串。
   • 问号（?）
     • 匹配前面的元素零次或一次。例如，a?可以匹配空字符串或者a。
   • 花括号（{}）
     • 用于指定前面元素的精确匹配次数。例如，a{3}匹配aaa。
     • 可以指定范围，如a{2,4}匹配aa、aaa或者aaaa。也可以使用开放范围，如a{2,}匹配aa、aaa、aaaa等，至少匹配两次。

四、位置匹配

1. 行首和行尾匹配
   • 脱字符（^）
     • 在正则表达式的开头使用时，表示匹配行首。例如，^abc会匹配以abc开头的行。如果设置了多行模式（在某些编程语言中有相关选项），它会匹配每一行的开头。
   • 美元符号（$）
     • 在正则表达式的结尾使用时，表示匹配行尾。例如，abc$会匹配以abc结尾的行。同样，在多行模式下会匹配每一行的结尾。
2. 单词边界匹配
   • \b
     • 匹配单词的开头或结尾。例如，\bcat\b会匹配单独的单词cat，而不会匹配category中的cat部分。它的边界判断是基于\w和\W的转换，即从单词字符（\w）到非单词字符（\W）或者反之的位置。
   • \B
     • 与\b相反，匹配非单词边界。例如，\Bcat\B不会匹配单独的cat单词，而是可能匹配像bcatd这样的字符串中的cat部分。

五、分组匹配

1. 括号（()）的作用
   • 用于分组，可以将多个字符或表达式组合在一起，当作一个整体进行处理。例如，(abc)+会匹配abc、abcabc等。
   • 分组还可以用于捕获匹配的内容，方便后续提取或替换。例如，在(\d{3})(\d{4})中，\d{3}和\d{4}分别被分组，在替换操作中可以通过\1和\2引用这两个分组。\1引用第一个分组匹配的内容，\2引用第二个分组匹配的内容。
2. 非捕获分组
   • 有时候我们只想分组用于逻辑上的组合，而不想捕获其内容用于后续引用。可以使用(?:)来创建非捕获分组。例如，(?:abc)+的功能和(abc)+类似，但不会创建可引用的捕获组。

六、选择匹配和逻辑匹配

1. 竖线（|）
   • 用于表示选择关系，类似于逻辑或。例如，a|b可以匹配a或者b。可以组合更复杂的表达式，如(abc|def)可以匹配abc或者def。
2. 环视（零宽度断言）
   • 正向前瞻（?=）
     • 用于匹配某个模式后面跟着的内容。例如，a(?=b)会匹配a，但前提是a后面必须跟着b，并且b不被包含在匹配结果中。这是一种零宽度的匹配，即它只检查是否满足条件，但不消耗后面的字符。
   • 负向前瞻（?!）
     • 与正向前瞻相反，用于匹配某个模式后面不跟着的内容。例如，a(?!b)会匹配a，但前提是a后面不能跟着b。
   • 正向后顾（?<=）
     • 用于匹配某个模式前面跟着的内容。例如，(?<=a)b会匹配b，但前提是b前面必须是a。不过要注意，不是所有的正则表达式引擎都支持正向后顾，因为它在实现上相对复杂。
   • 负向后顾（?<!）
     • 与正向后顾相反，用于匹配某个模式前面不跟着的内容。例如，(?<!a)b会匹配b，但前提是b前面不能是a。同样，其支持情况因引擎而异。

七、转义字符

1. 反斜杠（\）的作用
   • 用于转义特殊字符，使其匹配自身。例如，要匹配星号*本身，需要写成\*。
   • 也用于一些特殊的转义序列，如\n（换行符）、\t（制表符）、\r（回车符）等。在处理文本中的换行等特殊格式时很有用。
   • 用于一些特殊的字符序列表示，如\d（数字）、\w（单词字符）等前面提到的预定义字符类，实际上是通过反斜杠来定义特殊的匹配模式。

八、贪婪匹配与非贪婪匹配

1. 贪婪匹配
   • 贪婪匹配是指正则表达式尽可能多地匹配字符。例如，对于字符串aabbb和正则表达式a.*b，贪婪匹配的结果是aabbb，因为.*会尽可能多地匹配中间的字符。
2. 非贪婪匹配（懒惰匹配）
   • 非贪婪匹配（也称为懒惰匹配）是指正则表达式尽可能少地匹配字符。在量词后面添加?可以实现非贪婪匹配。例如，对于同样的字符串aabbb和正则表达式a.*?b，非贪婪匹配的结果是aab，因为.*?会尽可能少地匹配中间的字符，直到遇到第一个b就停止。

九、正则表达式的应用场景

1. 文本搜索
   • 可以在大量文本中查找符合特定模式的内容。例如，在一篇文章中查找所有的电子邮件地址、电话号码、网址等。
2. 文本验证
   • 用于验证用户输入的内容是否符合特定格式。如验证密码是否符合强度要求（包含字母、数字、特殊字符，长度在一定范围内等），验证身份证号码、银行卡号码等格式是否正确。
3. 文本替换
   • 可以将文本中符合特定模式的内容替换为其他内容。例如，将文章中的所有电话号码格式统一，或者将敏感信息（如身份证号码部分数字）替换为星号等。

如何在不同编程语言中使用正则表达式？

列举一些常见的正则表达式错误

分享一些学习正则表达式的资源