正则表达式笔记

后向引用

\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。
\1代表分组1匹配的文本
使用这样的语法：(?<Word>\w+)(或者把尖括号换成'也行：
(?'Word'\w+)),这样就把\w+的组名指定为Word了。
要反向引用这个分组捕获的内容，你可以使用\k<Word>
\b(?<Word>\w+)\b\s+\k<Word>\b

表4.常用分组语法    分类      代码/语法      说明
捕获     (exp)     匹配exp,并捕获文本到自动命名的组里
(?<name>exp)     匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
(?:exp)     匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言     (?=exp)     匹配exp前面的位置
(?<=exp)     匹配exp后面的位置
(?!exp)     匹配后面跟的不是exp的位置
(?<!exp)     匹配前面不是exp的位置
注释     (?#comment)     这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

零宽断言

1.(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。
比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找
I'm singing while you're dancing.时，它会匹配sing和danc。
2.(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。
比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找
reading a book时，它匹配ading。
3.假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，
你可以这样查找需要在前面和里面添加逗号的部分
：((?<=\d)\d{3})+\b，用它对1234567890进行查找时结果是234567890。
4.下面这个例子同时使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。

负向零宽断言

\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的单词。

负向零宽断言能解决这样的问题，因为它只匹配一个位置，并不消费任何字符。
现在，我们可以这样来解决这个问题：\b\w*q(?!u)\w*\b。

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。
例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；
\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

同理，我们可以用(?<!exp),零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp：
(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

注释
小括号的另一种用途是通过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。

婪与懒惰

表5.懒惰限定符    代码/语法      说明
*?     重复任意次，但尽可能少重复
+?     重复1次或更多次，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

处理选项

表6.常用的处理选项    名称      说明
IgnoreCase(忽略大小写)     匹配时不区分大小写。
Multiline(多行模式)     更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)
Singleline(单行模式)     更改.的含义，使它与每一个字符匹配（包括换行符\n）。
IgnorePatternWhitespace(忽略空白)     忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获)     仅捕获已被显式命名的组。

平衡组/递归匹配
    *  (?'group') 把捕获的内容命名为group,并压入堆栈(Stack)
    * (?'-group') 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败
    * (?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分
    * (?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败

平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配嵌套的<div>标签：
<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.