正则表达式

专门用于高级字符串匹配算法的 DSL。属于通用 DSL，几乎被所有的语言所内置支持，其理论到实际应用的发展，经历了半个多世纪的演变，从一种数学工具，逐步成为计算机科学中不可或缺的部分，极大地提高了文本处理和数据验证的效率。

正则表达式的原理涉及模式匹配（Pattern Match）和有限自动机（Finite Automaton, FA）理论。

模式匹配是指使用一定的语法来代表和描述一个字符串的特征。给定一个模式，并通过编译，形成一个有限自动机程序，然后使用该模式对目标字符串进行匹配。

模式语法

• 普通字符。26 个英文字母、10 数字、任意其他语言普通文字……

• 特殊字符。这些特殊的符号在正则表达式中拥有特殊含义，如果需要表达这些符号本身，那么需要加上一个\进行转义。

  • .：匹配任意单个字符。
  • 位置匹配。^匹配字符开头，$匹配字符结尾。
  • 分组捕获。()。标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。在 JS 中，在匹配结果数组中的 1 号索引开始的位置是子表达式的结果，如果没有分组，那么该值为空。
  • 数量描述。*：匹配前一个字符或者分组 0 次或多次，+：1 次或多次，?：0 次或 1 次，{0,3}：匹配一个字符 0 到 3 次，闭区间，只有一个数字就是匹配明确指明匹配几次，如{4}；对应有这些字符匹配的非贪婪模式：*?:非贪婪模式，尽可能少的匹配，+?:非贪婪模式，尽可能少的匹配。
  • []：拾取框。从拾取框中任选一个字符进行匹配，[^]：反向拾取，从不在框中的字母中选一个进行匹配 |：或者，选择左右两个字符中的一个进行匹配。
  • 非捕获匹配。用于限制单词的边界。
    1. (?:<pattern>)，匹配一个子表达式，但是不捕获匹配的文本
    2. (?=<pattern>),匹配前一个字符的位置，要求前面的紧挨着的这个位置的字符串能够匹配 pattern
    3. (?<=<pattern>),匹配前一个字符的位置，要求后面的紧挨着的这个位置的字符串能够匹配 pattern eg. (?<=abc).+(?=def)，匹配任意以 abc 开头，def 结尾的字符串
    4. (?!<pattern>),匹配前一个字符的位置，要求前面的紧挨着的这个位置的字符串不能够匹配 pattern
    5. (?<!<pattern>),匹配前一个字符的位置，要求前面的紧挨着的这个位置的字符串不能够匹配 pattern

• 转义字符。

  • \d：匹配数字
  • \r：匹配回车键、\n：匹配换行符、\t：换行符、：空格
  • \s：匹配空白字符，包括空格、制表符、换页符等等
  • \b：匹配单词边界。单词字母符号：字母（a-z，A-Z）、数字（0-9）和下划线（_）。\b 是一个非匹配字符，它不匹配实际的字符，但是匹配一个空位置，这个位置必须是两侧有一个是单词字母字符，另一个不是。

ps

不同操作系统使用不同的控制字符或组合来表示换行：

• Windows：使用回车和换行的组合 \r\n 来表示换行。
• Unix/Linux/macOS：使用换行 \n 来表示换行。
• 旧版 macOS（Mac OS 9 及以前）：使用回车 \r 来表示换行。

带"<"的表示反向查找，就是以 xxx 为左边界，不带"<"的表示正向，以 xxx 为右边界，":"的为双向查找

常用例子

1. 单词，\w、\W(不匹配)、\b(单词边界)
2. 空字符，\s、\S
3. 中文，[\u4e00-\u9fa5]
4. 小数，(-?\d+)(\.\d+)?
5. 邮箱，\b[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,6}\b
6. 边界，(?:xxx).*(?:xxx)、(?<=xxx).*(?=xxx)、(?<!xxx).*(?!xxx)