正则表达式解析二

分组，如果要重复多个字符就要使用()（小括号）字符了。()是元字符，如果就像匹配小括号这样的字符，需要用转义。举例：用正则表达式表示IP地址（ip v4），ip地址为类似于192.168.1.1 ，我们可以把它看做是一个长度为3的循环和最后一位不大于255的数字。表示IP地址的每个字节要分情况① 0-199 ② 200-249 ③ 250-255(这里把255也算上，255其实是网络中的广播包，不是正常的可用IP，但是它也是IP地址）。情况①表示成1?[1-9]?d情况②表示成2[0-4]d; 情况③表示成25[0-5]，这样循环我们可以表示成 ((1?[1-9]?d|2[0-4]d|25[0-5]).){3}，最后再加上一个字节，结果（默认012这样的数字不合法）：
```
b((1?[1-9]?d|2[0-4]d|25[0-5]).){3}(1?[1-9]?d|2[0-4]d|25[0-5])b
```
反义。当我们正向表述十分困难的时候，可以使用正则表达式的反义字符。常用的反义字符如下(注意大写)：
- W 匹配任意不是字母、数字和下划线的字符
- S 匹配任意不是空白的字符
- D 匹配任意不是数字的字符
- B 匹配不是单词开始和结束的位置(注意是位置）
- [^a] 匹配除了字符a以外的任意字符，[^abcd]就是匹配除abcd之外的所有字符举个例子：S+ 匹配任何不包含空白字符的字符串，即切割字符串。(a[^)]*) 匹配任何用小括号括起来的以a开头的字符串。
向后引用。当我们使用小括号指定一个子表达式后，正则表达式会默认给我们的子表达式匹配出来的文本加上一个组号，默认规则为：从左到右，以左括号为开始，从1开始（分组0表达整个正则表达式）。1代表分组1匹配到的文本，2代表分组2匹配到的位置。举例：要匹配 hello hello这样的叠词短语，可以使用b([a-zA-Z]+)bs+1b，其中1就表示[a-zA-Z]+匹配到的文本。也可以手动指定分组的名字，语法为 (<name>[a-zA-Z]+)或者('name'[a-zA-Z]+),这样就把分组的名字指定为name。PS：在线的测试工具貌似不支持自定义名字，可以去试试这款工具Regex Tester。关于小括号还有很多语法，下面是一些例子：
- 捕获文本、分组。
  - (bhellob) 匹配、捕获单词hello，并将其自动命名到分组里
  - (?<name>bhellob) 匹配、捕获单词hello，并将其命名到分组name中
  - (?:bhellob) 匹配单词hello，但是不捕获，也不会命名到分组
- 零宽断言。
  - (?=hello) 匹配单词hello前面的位置（注意是位置）
  - (?<=hello) 匹配单词hello后面的位置
  - (?!hello) 匹配后面跟的不是单词hello的位置
  - (?<!hello) 匹配前面不是单词hello的位置
- 注释 (?#这是一段注释) 提供注释方便理解，不会影响周围的语法
零宽断言。零宽断言用来指定特定的位置，类似b、^、$，但是零宽断言更为复杂，功能也更强大。
- (?=hello) ，这个叫做零宽度正预测先行断言，它断言自身位置后面应该有字符串hello。b[a-zA-Z]+(?=ingb)，这个表达式匹配以ing结尾的单词（不包括ing这三个字母)。
- (?<=hello) 叫做零宽度正回顾后发断言，它断言自身位置的全面应该有字符串hello。(?<=www.)w+b,这个会匹配域名网址名字（不包括www.这四个字符)。再如(?<=<(w+)>).*(?=</1)，这个可以用来获取xml文件元素中的值，如<name>yeetrack.com</name>，可以用来匹配yeetrack.com，可以试着分析下。
- 当然也可以上面两个断言同时使用。(?<=s)[a-zA-Z]+(?=s)，匹配以空白字符间隔的字符串。
负向零宽断言。零宽断言用来指定存在的字符串的前后位置，负向零宽断言用来指定不存在的字符串的位置，即确保一些字符不会出现，如我们想匹配一个字符串，这个字符串开头是x，后面的字母不是s的字符串。按照之前的讲解，可以会写出这样的表达式bx[^s][a-zA-Z]*b，这样就可以匹配出xm、xp等，但是它遇到 lux 等这样的x是结尾的单词会出错，原因是[^x]最少要匹配一个字符。如果x是结尾字符，[^x]就会去匹配后面的空格等，然后[a-zA-Z]*就去匹配后面的单词了。这时候负向零度断言就有用了，它只匹配一个位置，不会去匹配任何字符，上面的例子我们可以写出bx(?!s)[a-zA-Z]*b。
注释。(?#这是注释)。如byeew*(?#任意个字符)trackb,中间就附带了一段注释。
贪婪与懒惰。
- 贪婪。当正则表达式匹配字符串时，如果匹配到的字符串出现了嵌套的情况，默认是匹配尽可能多的字符，这称为贪婪匹配。如aw*b 用来匹配开头是a，结尾是b的字符串，现有一字符串addba-fb,匹配结果是全字符串，而不会把里面的addb匹配出来。
- 懒惰。如果我们要匹配尽可能少的字符。我们在相关匹配条件后加上?就可以启用懒惰模式，匹配出尽可能少的字符。如aw*?b 就可以匹配处addb和a-fb。PS：正则表达式默认最先开始匹配的字符拥有最高匹配权，所有上面最先匹配出addb.
  - *? 重复任意次，但尽可能少重复
  - +? 重复1次或多次，但尽可能少重复
  - ?? 重复0次或1次，但尽可能少重复
  - {n,m}? 重复n到m次，但尽可能少重复
  - {n,} 重复n次以上，但尽可能少重复
平衡组和递归匹配。如果我们需要匹配一个xml结构，内含嵌套结构，如<a><b>bbb</b><c>ccc</c></a>，我们用<.+>去匹配，能取到全部的字符串，但是如果尖括号不是成对出现的呢，如<a><b>bbb</b><c>ccc</c></a>>,这样如何取得配对的括号呢，这需要用到栈(stack)。
- (?'text1')把捕获到的文本命名为text1，并压入栈中
- (?'-text1')如果栈不为空，从栈中弹出最后压入的名称为text1的文本；如果栈为空，匹配失败
- (?(text)yes|no) 如果栈中存在名称为text的文本，则继续匹配yes表达式，否则匹配no表达式
- (?!) 零宽负向先行断言，由于后缀表达式为空，恒假。

最终表达式如下：

<                         #最外层的尖括号
    [^<>]*                #最外层的尖括号后面的不是括号的内容
    (
        (
            (?'text'<)    #碰到了尖括号，命名为text，并压入栈中
            [^<>]*       #匹配左尖括号后面的不是尖括号的内容
        )+
        (
            (?'-text'>)   #碰到了右尖括号，将栈中的text弹出
            [^<>]*        #匹配右尖括号后面不是尖括号的内容
        )+
    )*
    (?(text)(?!))         #在遇到最外层的右尖括号前面，判断栈中是否还存在"text"；如果还有，则匹配失败

>                         #最外层的右尖括号

平衡组常用来匹配html标签，如下的例子可以匹配div标签：

<div[^>]*>[^<>]*(((?'text'<div[^>]*>)[^<>]*)+((?'-text'</div>)[^<>]*)+)*(?(text)(?!))</div>.

可以试着分析下。正则表达式解析（一）

正则表达式解析二

相关推荐