悠悠楠杉
网站页面
十分钟上手正则表达式（下篇）
06/03
十分钟上手正则表达式（下篇）
在上一篇中，我们初步介绍了正则表达式的概念、基本语法以及如何进行简单的匹配和搜索。本篇将深入探讨正则表达式的进阶用法，包括复杂模式匹配、分组与引用、非贪婪匹配、正向预查与反向预查等高级特性。让我们继续踏上正则表达式的学习之旅，为更高效的文本处理做好准备。
复杂模式匹配
1. 字符类匹配与选择
正则表达式中的字符类[...]允许你匹配方括号内的任何一个字符。例如，[abc]可以匹配'a'、'b'或'c'。如果你需要匹配任意一个数字，可以使用[0-9]。
示例： 匹配一个单词由两个大写字母组成，可以是'A'或'B'开头。
regex
^[AB][A-Z]
2. 排除型字符类
使用[^...]可以匹配不在方括号内的任何字符。例如，[^a-z]可以匹配任何非小写字母的字符。
示例： 匹配不以'a'开头且不包含小写字母的单词。
regex
[^a][^a-z]*[A-Z]
分组与引用
1. 分组（Capturing Groups）
使用圆括号(...)可以将一个或多个字符作为一个整体进行匹配或引用。例如，(\w+)可以匹配一个或多个单词字符并捕获这个整体。
示例： 提取URL中的协议和主机名。
regex
(\w+)://([^/]+)
这里\w+匹配协议（如http），://是字面量，([^/]+)匹配并捕获URL的主机名部分。
2. 引用（Backreferences）
你可以在正则表达式中引用之前捕获的分组，通过\n（n为分组号）实现。这常用于检查模式是否重复出现或进行复杂的结构化匹配。
示例： 验证一个字符串是否为回文（正读和反读相同的字符串）。
regex
^(.)(?:(?!.*\1).)*\1$
这里，\1引用第一个分组（即开头的第一个字符），确保整个字符串除了这个字符外没有其他重复的字符。
非贪婪匹配
默认情况下，正则表达式的量词（如*, +, ?, {n,m}）是贪婪的，会尽可能多地匹配字符。使用?可以将其转换为非贪婪模式，即尽可能少地匹配字符。
示例： 从HTML中提取第一个链接的URL，但仅到第一个出现的双引号为止。
regex
<a href="([^"]*)"
这里加上?使*变为非贪婪模式，确保只匹配到第一个双引号前的URL部分。
正向预查与反向预查
1. 正向预查（Positive Lookahead） (?=...)
正向预查用于声明随后的模式必须出现，但不会消耗任何字符（即不会作为结果的一部分）。这有助于进行“此之后必须跟随...”的验证。
示例： 验证一个单词是否以'vow'开头后跟一个元音字母。
regex
\bvow(?=[aeiou])\w*
这里，(?=[aeiou])是一个正向预查，确保后面是元音字母。
2. 反向预查（Negative Lookahead） (?!...)
与正向预查相反，反向预查用于声明随后的模式不得出现。它同样不消耗字符。这在进行排除性验证时非常有用。
示例： 匹配不包含'ing'作为结尾的单词。 regex \b(?!ing\b)\w* 这里，(?!ing\b)是一个反向预查，确保整个单词不以'ing'结尾。
