正则表达式基础知识

正则表达式（Regular Expression, 简称 RegEx）是一种用于匹配和处理文本的强大工具。它通过使用特殊字符和符号定义的模式，可以灵活地搜索、提取、替换和验证文本内容。以下是正则表达式的基础知识：

1. 普通字符

普通字符代表它们自身的含义，用于匹配文本中相同的字符。例如：

• "hello" 匹配字符串中的 “hello”。

2. 元字符（Metacharacters）

元字符是正则表达式中的特殊字符，用于构建复杂的匹配模式。

元字符	含义
.	匹配任意单个字符（换行符除外）
^	匹配字符串的开头
$	匹配字符串的结尾
*	匹配前面的字符 0 次或多次
+	匹配前面的字符 1 次或多次
?	匹配前面的字符 0 次或 1 次
[]	匹配括号内的任意字符（字符类）
|	逻辑“或”，匹配 | 左右任意一个表达式
()	用于分组，提取匹配的子字符串

3. 字符类（Character Classes）

字符类用于匹配一组字符中的任意一个。字符类是放在方括号 [] 之内的内容。

• [abc]：匹配 a、b 或 c 中的任意一个。
• [a-z]：匹配小写字母 a 到 z 中的任意一个。
• [0-9]：匹配数字 0 到 9 中的任意一个。
• [^abc]：匹配除了 a、b、c 以外的任意字符（以 ^ 开头表示非字符类）。

4. 预定义字符类

预定义字符类是一些简化常用字符集的快捷方式：

符号	含义
\d	匹配任意一个数字（0-9）
\D	匹配任意非数字字符
\w	匹配字母、数字、下划线（等价于 [a-zA-Z0-9_]）
\W	匹配任意非字母、数字、下划线的字符
\s	匹配任意空白字符（空格、制表符等）
\S	匹配任意非空白字符

5. 量词（Quantifiers）

量词用于指定前面的字符或子表达式应该出现的次数。

量词	含义
*	匹配 0 次或多次
+	匹配 1 次或多次
?	匹配 0 次或 1 次
{n}	匹配前面的字符正好出现 n 次
{n,}	匹配前面的字符至少出现 n 次
{n,m}	匹配前面的字符出现 n 到 m 次

6. 锚点（Anchors）

锚点用于锁定匹配的开始或结束位置。

• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• \b：匹配单词边界。
• \B：匹配非单词边界。

7. 分组和捕获

使用圆括号 () 可以对表达式进行分组，方便提取和重复使用。

• (abc)：匹配完整的子字符串 abc。
• 捕获组允许你在匹配之后提取或引用该组内容。

8. 示例

• 匹配一个数字：\d 匹配任意单个数字。
• 匹配一个电话号码格式（如 123-456-7890）：\d{3}-\d{3}-\d{4}。
• 匹配邮箱地址：[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}。

9. 转义字符

元字符在需要作为普通字符使用时，可以通过加反斜杠 \ 来转义。例如：

• \.：匹配实际的小数点，而不是任意字符。

10. 实际例子

假设你想提取一个文本中的数字并保留两位小数，可以使用正则表达式：\d+\.\d{2}。这个表达式表示：

• \d+：匹配一位或多位数字。
• \.：匹配小数点。
• \d{2}：匹配两位数字。

通过这些基础规则，可以匹配并处理不同的文本模式。