引言
正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+” 描述的特征是“一个 ‘a’ 和 任意个 ‘b’ ”，那么 ‘ab’, ‘abb’, ‘abbbbbbbbbb’ 都符合这个特征。
正则表达式可以用来：
- 验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。
- 用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。
- 用来替换，比普通的替换更强大。
正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首先要理解的。
一、 正则表达式规则
1.1 普通字符
字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是"普通字符"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。
1.2 简单的转义字符
一些不便书写的字符，采用在前面加 "\" 的方法。这些字符其实我们都已经熟知了。
| 表达式 | 可匹配 |
|---|---|
\r,\n | 代表回车和换行符 |
\t | 制表符 |
\\ | 代表\本身 |
还有其他一些在后边章节中有特殊用处的标点符号，在前面加 "\" 后，就代表该符号本身。比如：^, $ 都有特殊意义，如果要想匹配字符串中 "^" 和 "$" 字符，则表达式就需要写成 "\^" 和 "\$"。
| 表达式 | 可匹配 |
|---|---|
\^ | 匹配^符号本身 |
\$ | 匹配$符号本身 |
\. | 匹配小数点.本身 |
这些转义字符的匹配方法与 “普通字符” 是类似的。也是匹配与之相同的一个字符。
1.3 能够与 ‘多种字符’ 匹配的表达式
正则表达式中的一些表示方法，可以匹配 ‘多种字符’ 其中的任意一个字符。比如，表达式 "\d" 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。
| 表达式 | 可匹配 |
|---|---|
\d | 任意一个数字，0~9 中的任意一个 |
\w | 任意一个字母或数字或下划线，也就是A~Z,a~z,0~9,_ 中任意一个 |
\s | 包括空格、制表符、换页符等空白字符的其中任意一个 |
. | 小数点可以匹配除了换行符（\n）以外的任意一个字符 |
1.4 自定义能够匹配 ‘多种字符’ 的表达式
使用方括号 [ ] 包含一系列字符，能够匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。
| 表达式 | 可匹配 |
|---|---|
[ab5@] | 匹配 "a" 或 "b" 或 "5" 或 "@" |
[^abc] | 匹配 "a","b","c" 之外的任意一个字符 |
[f-K] | 匹配 "f"~"k" 之间的任意一个字母 |
[^A-F0-3] | 匹配 "A"~"F","0"~"3" 之外的任意一个字符 |
1.5 修饰匹配次数的特殊符号
前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。
使用方法是：“次数修饰"放在"被修饰的表达式"后边。比如："[bcd][bcd]" 可以写成 "[bcd]{2}"。
| 表达式 | 作用 |
|---|---|
{n} | 表达式重复n次 |
{m,n} | 表达式至少重复m次，最多重复n次 |
{m,} | 表达式至少重复m次 |
? | 匹配表达式0次或者1次，相当于{0,1} |
+ | 表达式至少出现1次，相当于{1,} |
* | 表达式不出现或出现任意次，相当于{0,} |
1.6 其他一些代表抽象意义的特殊符号
一些符号在表达式中代表抽象的特殊意义：
| 表达式 | 作用 |
|---|---|
^ | 与字符串开始的地方匹配，不匹配任何字符 |
$ | 与字符串结束的地方匹配，不匹配任何字符 |
\b | 匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符 |
一些符号可以影响表达式内部的子表达式之间的关系：
| 表达式 | 作用 |
|---|---|
| | | 左右两边表达式之间 “或” 关系，匹配左边或者右边 |
() | (1)在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰 (2)取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到 |
二、正则表达式中的一些高级规则
2.1 匹配次数中的贪婪与非贪婪
在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如："{m,n}", "{m,}", "?", "*", "+"，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。比如，针对文本 "dxxxdxxxd"，举例如下：
| 表达式 | 匹配结果 |
|---|---|
(d)(\w+) | "\w+" 将匹配第一个 "d" 之后的所有字符 "xxxdxxxd" |
(d)(\w+)(d) | "\w+" 将匹配第一个 "d" 和最后一个 "d" 之间的所有字符 "xxxdxxx"。虽然 "\w+" 也能够匹配上最后一个 "d"，但是为了使整个表达式匹配成功，"\w+" 可以 “让出” 它本来能够匹配的最后一个 "d" |
由此可见，"\w+" 在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个 "d"，但那也是为了让整个表达式能够匹配成功。同理，带 "*" 和 "{m,n}" 的表达式都是尽可能地多匹配，带 "?" 的表达式在可匹配可不匹配的时候，也是尽可能的 “要匹配”。这 种匹配原则就叫作 “贪婪” 模式 。
非贪婪模式：
在修饰匹配次数的特殊符号后再加上一个 "?" 号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的 “不匹配”。这种匹配原则叫作 “非贪婪” 模式，也叫作 “勉强” 模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。举例如下，针对文本 "dxxxdxxxd" 举例：
| 表达式 | 匹配结果 |
|---|---|
(d)(\w+?) | "\w+?" 将尽可能少的匹配第一个 "d" 之后的字符，结果是："\w+?" 只匹配了一个 "x" |
(d)(\w+?)(d) | 为了让整个表达式匹配成功，"\w+?" 不得不匹配 "xxx" 才可以让后边的 "d" 匹配，从而使整个表达式匹配成功。因此，结果是："\w+?" 匹配 "xxx" |
2.2 反向引用 \1,\2…
表达式在匹配时，表达式引擎会将小括号 "( )" 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这一点，在前面的举例中，已经多次展示了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的 "<td>(.*?)</td>"。
其实，“小括号包含的表达式所匹配到的字符串” 不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面 “括号内的子匹配已经匹配到的字符串”。引用方法是 "\" 加上一个数字。"\1" 引用第1对括号内匹配到的字符串，"\2" 引用第2对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号 "(" 在前，那这一对就先排序号。
2.3 预搜索，不匹配；反向预搜索，不匹配
前面的章节中，我讲到了几个代表抽象意义的特殊符号："^"，"$"，"\b"。它们都有一个共同点，那就是：它们本身不匹配任何字符，只是对 “字符串的两头” 或者 “字符之间的缝隙” 附加了一个条件。理解到这个概念以后，本节将继续介绍另外一种对 “两头” 或者 “缝隙” 附加条件的，更加灵活的表示方法。
正向预搜索："(?=xxxxx)"，"(?!xxxxx)"
格式："(?=xxxxx)"，在被匹配的字符串中，它对所处的 “缝隙” 或者 “两头” 附加的条件是：所在缝隙的右侧，必须能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 "\b"，本身不匹配任何字符。"\b" 只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。
反向预搜索："(?<=xxxxx)"，"(?<!xxxxx)"
这两种格式的概念和正向预搜索是类似的，反向预搜索要求的条件是：所在缝隙的 “左侧”，两种格式分别要求必须能够匹配和必须不能够匹配指定表达式，而不是去判断右侧。与 “正向预搜索” 一样的是：它们都是对所在缝隙的一种附加条件，本身都不匹配任何字符。
三、其他通用规则
还有一些在各个正则表达式引擎之间比较通用的规则，在前面的讲解过程中没有提到。
3.1 表达式中，可以使用 “\xXX” 和 “\uXXXX” 表示一个字符（“X” 表示一个十六进制数）
| 形式 | 字符范围 |
|---|---|
\xXX | 编号在 0 ~ 255 范围的字符 |
\uXXXX | 任何字符可以使用 "\u" 再加上其编号的4位十六进制数表示 |
3.2 在表达式 “\s”，"\d”，"\w"，"\b" 表示特殊意义的同时，对应的大写字母表示相反的意义
| 表达式 | 可匹配 |
|---|---|
\S | 匹配所有非空白字符(\s可匹配各个空白字符) |
\D | 匹配所有的非数字字符 |
\W | 匹配所有的字母、数字、下划线以外的字符 |
\B | 匹配非单词边界，即左右两边\w范围或者左右两边都不是\w范围时的字符缝隙 |
3.3 在表达式中有特殊意义，需要添加 “" 才能匹配该字符本身的字符汇总
| 字符 | 说明 |
|---|---|
^ | 匹配输入字符串的开始位置。要匹配 “^” 字符本身，请使用 “^” |
$ | 匹配输入字符串的结尾位置。要匹配 “$” 字符本身，请使用 “$” |
() | 标记一个子表达式的开始和结束位置。要匹配小括号，请使用 “(” 和 “)” |
[] | 用来自定义能够匹配 ‘多种字符’ 的表达式。要匹配中括号，请使用 “[” 和 “]” |
{} | 修饰匹配次数的符号。要匹配大括号，请使用 “{” 和 “}” |
. | 匹配除了换行符（\n）以外的任意一个字符。要匹配小数点本身，请使用 “.” |
? | 修饰匹配次数为 0 次或 1 次。要匹配 “?” 字符本身，请使用 “?” |
+ | 修饰匹配次数为至少 1 次。要匹配 “+” 字符本身，请使用 “+” |
* | 修饰匹配次数为 0 次或任意次。要匹配 “*” 字符本身，请使用 “*” |
| | | 左右两边表达式之间 “或” 关系。匹配 “|” 本身，请使用 “|” |
3.4 括号 “( )” 内的子表达式，如果希望匹配结果不进行记录供以后使用，可以使用 “(?:xxxxx)” 格式
表达式 "(?:(\w)\1)+" 匹配 "a bbccdd efg" 时，结果是 "bbccdd"。括号 "(?:)" 范围的匹配结果不进行记录，因此 "(\w)" 使用 "\1" 来引用。
3.5 常用的表达式属性设置简介：Ignorecase，Singleline，Multiline，Global
| 表达式属性 | 说明 |
|---|---|
| Ignorecase | 默认情况下，表达式中的字母是要区分大小写的。配置为 Ignorecase 可使匹配时不区分大小写。有的表达式引擎，把 “大小写” 概念延伸至 UNICODE 范围的大小写。 |
| Singleline | 默认情况下，小数点 "." 匹配除了换行符（\n）以外的字符。配置为 Singleline 可使小数点可匹配包括换行符在内的所有字符。 |
| Multiline | 默认情况下，表达式 "^" 和 "$" 只匹配字符串的开始 ① 和结尾 ④ 位置。如：①xxxxxxxxx②\n③xxxxxxxxx④配置为 Multiline 可以使 "^" 匹配 ① 外，还可以匹配换行符之后，下一行开始前 ③ 的位置，使 "$" 匹配 ④ 外，还可以匹配换行符之前，一行结束 ② 的位置。 |
| Global | 主要在将表达式用来替换时起作用，配置为 Global 表示替换所有的匹配。 |
转载自正则表达式参考文档