全文转自这个github上的万星教程。
什么是正则表达式？
正则表达式是一组由字母和符号组成的特殊文本, 它可以用来从文本中找出满足你想要的格式的句子。
"Regular expression"这个词比较拗口, 我们常使用缩写的术语"regex"或"regexp"。
1. 基本匹配
正则表达式其实就是在执行搜索时的搜索条件，它由一些字母和数字组合而成。
例如，一个正则表达式the，它表达这样一种搜索条件：由字母t开始，接着是h，然后是e。
"the" => The fat cat sat on the mat.
所以上面的字符串中的 "the" 被搜索了出来。
正则表达式是大小写敏感的。
"The" => The fat cat sat on the mat.
2. 元字符
正则表达式中最重要的就是元字符。元字符不代表它们的字面意思，它们都有特殊的含义。而某些元字符在括号中的时候也有特殊的含义，下面是元字符列表：
| 元字符 | 描述 |
|---|---|
. | 句号匹配任意单个字符除了换行符. |
[ ] | 匹配方括号内的任意字符. |
[^ ] | 匹配除了方括号里的任意字符. |
* | 匹配在星号之前的那个字符的大于等于0次的重复. |
+ | 匹配在加号之前的那个字符的大于等于1次的重复. |
{n,m} | 匹配在大括号之前的那个字符的num次重复（n <= num <= m）. |
? | 标记问号之前的那个字符为可选. |
(xyz) | 匹配与xyz完全相等的字符串. |
| | 或运算符，匹配符号前或后的字符 |
\ | 转义字符，用于匹配一些保留的字符 [ ] ( ) { } . * + ? ^ $ \ | |
^ | 匹配是否在行开头 |
$ | 匹配是否在行结尾 |
2.1. 点运算符 .
.是元字符中最简单的例子. .匹配任意单个字符, 但不匹配换行符。 例如, 表达式.ar匹配一个任意字符后面跟着是a和r的字符串。
".ar" => The car parked in the garage.
看下面这个例子：
".ar" => barar
可以看到，我的本意是匹配一个任意字符后面跟上ar，所以我希望匹配到"bar""rar"，但结果并不符合我的预期，只匹配到了"bar"。
这是因为，正则表达式在进行匹配的时候，如果找到了一个匹配的字符串，会在将这个匹配到的字符串提取出来的同时“消耗”掉这个字符串。在上面的例子中，匹配到第一个"bar"后，会将这个"bar"消耗掉，也即从"a"开始继续寻找。所以最终只找出了"bar"。
可以看到，根据正则表达式的这种规则，我们是无法查找到相互重叠的目标字符串的。而为了应对这种情况，我们有两个办法可以走：零宽度断言以及编程语言对正则表达式的额外实现。（可以参考stackoverflow下这个问题：https://stackoverflow.com/questions/11430863/how-to-find-overlapping-matches-with-a-regexp）
零宽度断言将在后面介绍。
而某些编程语言如果实现了功能更加丰富的正则表达式，便可能应对这个问题。例如在Python中，可以使用regex模块来寻找重叠的字符串：
>>> import regex as re
>>> match = re.findall(r'.ar', 'barar', overlapped=True)
>>> print(match)
['bar', 'rar']2.2. 字符集
方括号用来指定一个字符集。 在方括号中使用连字符来指定字符集的范围。一个字符集表示匹配任意一个在字符集范围内的字符。在方括号中的字符集不关心顺序. 例如, 表达式[Tt]he 匹配 the 和 The。
"[Tt]he" => The car parked in the garage.方括号的句号就表示句号。表达式 ar[.] 匹配 ar.字符串。
"ar[.]" => A garage is a good place to park a car.2.2.1. 否定字符集
一般来说 ^ 表示一个字符串的开头, 但它用在一个方括号的开头的时候, 它表示这个字符集是否定的. 例如, 表达式[^c]ar 匹配一个不以c开头的后面跟着ar的字符串。
"[^c]ar" => The car parked in the garage.2.3. 重复次数
后面跟着元字符 +, * or ? 的, 用来指定匹配子模式的次数. 这些元字符在不同的情况下有着不同的意思。
2.3.1. *号
*号匹配在*号之前的那个字符的大于等于0次的重复。例如，a*b匹配b、ab、aab等等。而假如*之前的是一个字符集，则匹配这个字符集整体的大于等于0次重复。例如，[a-z]*12匹配12、a12、abasdkn12等等。
*字符和.字符搭配可以匹配所有的字符串。
2.3.2. +号
+号匹配在+号之前的那个字符的大于等于1次的重复。例如表达式c.+t匹配以首字母c开头以t结尾,中间跟着至少一个字符的字符串。
"c.+t" => The fat cat.
2.3.3 ?号
正则表达式中?标记前面的字符为“可选”，即出现0或1次。例如，表达式T?he匹配he和The。
"[T]he" => The car is parked in the garage.
2.3.4 {}号
{min, max} 匹配在大括号之前的那个字符大于等于min次且小于等于max次的重复。例如，表达式[0-9]{2, 3}匹配最少两位最多三位的0~9的数字。
"[0-9]{2,3}" => The number was 9.9997 but we rounded it off to 10.0.
我们可以省略第二个参数。 例如，[0-9]{2,} 匹配至少两位 0~9 的数字。
"[0-9]{2,}" => The number was 9.9997 but we rounded it off to 10.0.
如果逗号也省略掉则表示重复固定的次数。 例如，[0-9]{3} 匹配3位数字。
"[0-9]{3}" => The number was 9.9997 but we rounded it off to 10.0.
2.4. Greedy & Lazy
2.4.1 Greedy
假设现在我们要在一个HTML文件中匹配所有的HTML标签。因为这是一个合法的HTML文件，所以先假定出现在尖括号中间的一定是一个有效的HTML标签。
可能初学者会考虑用<.+>来解决这个问题。但请看下面的结果：
"<.+>" => This is a <EM>first</EM> test你可能想匹配的是<EM>而它一口气匹配到了</EM>之后，这并不符合我们的预期。问题的根源在于，+号是贪婪（Greedy）的，+号告诉正则表达式引擎匹配之前的字符尽可能多次的重复。接下来让我们从正则表达式引擎的视角来还原匹配的过程。
首先，正则表达式匹配<，很明显这就是匹配字符串的第一个字符。然后正则表达式匹配.+，.代表除了换行符的任意字符，而+号匹配大于等于1次重复，并且+号是贪婪的。因此，正则表达式引擎将匹配.的尽可能多的重复，于是正则表达式引擎先匹配了字符串的E，然后是M，然后很重要的一步是，>同样被匹配到了，接着往下走，匹配f，可以想到，这个匹配将一直继续到字符串的末尾。当正则表达式到达字符串末尾，.+匹配失败，于是结束这一阶段的匹配。
此时，<.+匹配到了<EM>first</EM> test，并且匹配到达了字符串末尾。所以>无法被匹配，而正则表达式引擎记得之前的.+的匹配次数大于+号的最小匹配次数（一次），于是，它进行了关键的回溯。正则表达式将减小一次.+的匹配次数，然后继续尝试匹配之前剩余未匹配的部分。
所以.+缩减成为<EM>first</EM> tes。但下一个正则表达式>仍然无法匹配到最后一个字符t，于是继续进行回溯。可以想到，当回溯进行到<EM>first</EM的时候，正则表达式>终于能够匹配到了，此时匹配结束，得到了我们看到的结果，即<EM>first</EM>。
2.4.2 Lazy
最快解决这个问题的办法就是，让+号变成懒惰的（Lazy），懒惰同样经常被称为非贪婪的（ungreedy）。为了将+变成懒惰的，直接在后面加一个?号即可。所以现在我们的正则表达式变成了<.+?>，让我们再从正则表达式引擎的视角来一遍。
同样，<最先被匹配到，接下来是.+?，.匹配任意字符，而+号匹配大于等于1次重复，并且此时+号是懒惰的。因此，正则表达式引擎将匹配.的尽可能少的重复，最少为1次。所以第一次正则表达式.+?只匹配了E，接着向后匹配>，与M匹配失败。于是正则表达式引擎进行回溯，增加.+?的匹配次数，现在.+?匹配到了EM，然后向后匹配>，匹配成功，得到结果，<EM>，问题解决。
请注意，上面关于+号的贪婪与懒惰的讨论同样适用于其他的重复次数符号，包括*,+,?,{}。
2.4.3 巧用否定字符集
其实为了解决上面提出的问题，还有另一种更聪明的方法，即否定字符集。
<[^>]+>，像这样应用否定字符集就可以完美的解决这个麻烦。而之所以说这种方法更聪明是因为上面方法中回溯的存在，回溯会拖慢正则表达式的匹配速度。
2.5. (...) 特征标群
*、+、?、{}都是针对之前出现的一个字符的重复次数来进行匹配，而如果之前的模式为(...)的话，则是匹配()中的子模式的重复次数。例如，(ab)*匹配连续出现0个或更多个ab。
我们还可以在()中用或字符|表示或。例如，(c|g|p)ar匹配car或gar或par。
"(c|g|p)ar" => The car is parked in the garage.
2.6. |或运算符
或运算符就表示或，用作判断条件。
例如 (T|t)he|car 匹配 (T|t)he 或 car。
"(T|t)he|car" => The car is parked in the garage.
2.7. 转义字符
反斜线 \ 在表达式中用于转码紧跟其后的字符。用于指定 { } [ ] / \ + * . $ ^ | ? 这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线 \。
例如 . 是用来匹配除换行符外的所有字符的。如果想要匹配句子中的 . 则要写成 \. 以下这个例子 \.?是选择性匹配.。
"(f|c|m)at.?" => The fat cat sat on the mat.
2.8. 锚点
正则表达式中，想要匹配指定的模式出现在字符串的开头或者结尾就要用到锚点。^表示开头，$表示结尾。
2.8.1 ^号
^用来检查指定的模式是否在所匹配的字符串的开头。
例如，在abc中用正则表达式^a会得到结果a，但如果正则表达式是^b将匹配不到任何结果。因为b并不在字符串abc的开头。
例如，^(T|t)he 匹配在字符串开头的 The 或 the 。
"^(T|t)he" => The car is parked in the garage.
2.8.2. $号
同理，$号用于检查指定的模式是否在所匹配的字符串的结尾。
例如，(at\.)$ 匹配在字符串结尾的 at. 。
"(at.)$" => The fat cat. sat. on the mat.3. 简写字符集
正则表达式提供一些常用的字符集简写。如下:
| 简写 | 描述 |
|---|---|
. | 除换行符外的所有字符 |
\w | 匹配所有字母数字下划线，等同于 [a-zA-Z0-9_] |
\W | 匹配所有非字母数字下划线，即符号，等同于： [^\w] |
\d | 匹配数字： [0-9] |
\D | 匹配非数字： [^\d] |
\s | 匹配所有空格字符，等同于： [\t\n\f\r\p{Z}] |
\S | 匹配所有非空格字符： [^\s] |
\f | 匹配一个换页符 |
\n | 匹配一个换行符 |
\r | 匹配一个回车符 |
\t | 匹配一个制表符 |
\v | 匹配一个垂直制表符 |
\p | 匹配 CR/LF（等同于 \r\n），用来匹配 DOS 行终止符 |
4. 零宽度断言（前后预查）
先行断言和后发断言都属于非捕获簇（不捕获文本 ，也不针对组合计进行计数）。 先行断言用于判断所匹配的格式是否在另一个确定的格式之前，匹配结果不包含该确定格式（仅作为约束）。
例如，我们想要获得所有跟在 $ 符号后的数字，我们可以使用正后发断言 (?<=\$)[0-9\.]*。 这个表达式匹配 $ 开头，之后跟着 0,1,2,3,4,5,6,7,8,9,. 这些字符可以出现大于等于 0 次。
零宽度断言如下：
| 符号 | 描述 |
|---|---|
?= | 正先行断言-存在 |
?! | 负先行断言-排除 |
?<= | 正后发断言-存在 |
?<! | 负后发断言-排除 |
4.1. ?=...正先行断言
?=... 正先行断言，表示在正先行断言之前的表达式的后面必须要跟有正先行断言?=...中...定义的内容。
匹配结果只包含正先行断言之前的表达式。
定义正先行断言要使用()。在括号内部使用一个问号和等号：(?=...)。
例如，表达式 (T|t)he(?=\sfat) 匹配 The 和 the，在括号中我们又定义了正先行断言 (?=\sfat) ，即 The 和 the 后面紧跟着 空格fat。
"(T|t)he(?=\sfat)" => The fat cat sat on the mat.
4.2. ?!...负先行断言
?!...负先行断言，表示在负先行断言之前的表达式的后面必须不能跟有负先行断言?!...中...定义的内容。
表达式 (T|t)he(?!\sfat) 匹配后面不跟着 空格fat的The 和 the。
"(T|t)he(?!\sfat)" => The fat cat sat on the mat.
4.3. ?<=...正后发断言
?<=...正后发断言，表示在正后发断言之后的表达式的前面必须有正后发断言?<=...中...定义的内容。
例如，表达式 (?<=(T|t)he\s)(fat|mat) 匹配前面有The 或 the的fat 和 mat 。
"(?<=(T|t)he\s)(fat|mat)" => Thefatcat sat on themat.
4.4. ?<!...负后发断言
?<!...负后发断言，表示在负后发断言之后的表达式的前面必须没有负后发断言?<!...中...定义的内容。
例如，表达式 (?<!(T|t)he\s)(cat) 匹配前面没有The 或 the的cat。
"(?<!(T|t)he\s)(cat)" => The cat sat on cat.
4.5. 匹配重叠字符串
还记得之前的匹配重叠字符串的问题吗，当时说可以用零宽度断言解决，现在来揭晓答案。
这其实是零宽度断言的一种特殊用法，即不写零宽度断言的待查找表达式，例如之前的例子中，想要在字符串barar中找到重叠的.ar，可以用这种正则表达式：(?=.ar)，即正先行断言之前的表达式不写，这时候相当于仅查找.ar而不需要管其他的约束条件，又因为零宽度断言不消耗找到的字符串，所以可以找到重叠的bar和rar。
5. 标志
标志也叫模式修正符，因为它可以用来修改表达式的搜索结果。这些标志可以任意的组合使用，它也是整个正则表达式的一部分。
| 标志 | 描述 |
|---|---|
| i | 忽略大小写。 |
| g | 全局搜索。 |
| m | 多行修饰符：锚点元字符 ^ $ 工作范围在每行的起始。 |
5.1. 忽略大小写（Case Insensitive）
修饰语 i 用于忽略大小写。 例如，表达式 /The/gi 表示在全局搜索 The，在后面的 i 将其条件修改为忽略大小写，则变成搜索 the 和 The，g 表示全局搜索。
"The" => The fat cat sat on the mat.
"/The/gi" => The fat cat sat on the mat.
5.2. 全局搜索（Global search）
修饰符 g 常用于执行一个全局搜索匹配，即（不仅仅返回第一个匹配的，而是返回全部）。 例如，表达式 /.(at)/g 表示搜索 任意字符（除了换行）+ at，并返回全部结果。
"/.(at)/g" => The fat cat sat on the mat.
6 条评论
这篇文章提供了宝贵的经验和见解，对读者有很大的启发和帮助。
服务器错误：Submission failed, your input does not match the rules!
评论有 bug
测试
test
不错