Regex 速记
需要注意的是, 由于正则在不同的流派中表示有所不同,只能整理一些几乎雷同的. 不同流派之间的差异,很多在是否需要转义上,例如 在有些流派里
()要写成\(\)这里整理的主要是 PCRE 流派的正则语法
字符表示
字符缩进表示
: \n,\t,\a,\b,\e,\f,\r,\v
八进制转义
: \num
十六进制转义/Unicode 转义
: \xnum,\x{num},\unum,\Unum
控制字符
: \cchar
字符及相关结构
普通字符组
: [a-z].[^a-z]
几乎能匹配任何字符的元字符
: .
单个字节 : '\C'
Unicode 组合字符序列
: \X
字符组简记(大写为排除)
: \w,\W,\s,\S,\d,\D
Unicode 属性区域和分类
: \p{prop},\P{prop}
POSIX "字符组"方括号表示
: [[:alpha:]]
POSIX "Collating 序列" 方括号表示
: [[.span.-11.]]
POSIX "字符等价类" 方括号表示
: [[=n=]]
锚点及其他 "零长度断言"
行/字符串起点
: ^, \A
行/字符串终点 : '$. \Z, \z'
本次匹配的开始位置/上次匹配的结束位置
: \G
单词分界符
: \b,\B,\<,\>
顺序环视
: (?=...), (?!...)
逆序环视
: (?<=...),(?<!...)
注释和模式修饰词
模式修饰词
: (?modifier),(-?modifier)
: eg:(?i)...(?-i)
模式作用范围
: (?modifier:...)
: eg:(?i:....)
注释
: (?#...),#...
文本范围
: \Q,\E
分组,捕获,条件判断和控制
捕获/分组
: (...),\1,\2
仅用于分组
: (?:...)
命名捕获
: (?<name>...)
固化分组
: (?>...)
多选
: ...|...|...
条件判断
: (?if then|else)
匹配优先量词
: *,+,?,{m,n}
忽略优先量词
: *?,+?,??,{m,n}?
占有优先量词
: *?,++,?+,{m,n}+
命名字符组
关于这些字符组的命名,可以参考susv-ctype.需要注意的是,在 unicode 里,这些字符组的定义要根据 unicode 的定义来判断.会包含额外的同义的字符.
| 组 | 描述 |
|---|---|
| [:alnum:] | |
| [:alpha:] | 字母 |
| [:blank:] | 空白 |
| [:cntrl:] | 控制符 |
| [:digit:] | |
| [:graph:] | 可显示 |
| [:lower:] | 小写 |
| [:upper:] | 大写 |
| [:space:] | 包括 [:blank:], 换行, 回车及其他 |
测试引擎类型
nfa|nfa.not 匹配 nfa.not
| 匹配结果 | 说明 |
|---|---|
| nfa | 传统 NFA |
| nfa.not | POSIX / DFA |
DFA 不支持捕获型括号和回溯
x(.+)+x 匹配 =xx============================================================
| 匹配结果 | 说明 |
|---|---|
| 时间长 | NFA |
| 时间短 | DFA, 但也有可能是混合的或优化的 |
| 引擎 | 工具 |
|---|---|
| DFA | awk, egrep, flex, lex, MySQL, Procmail |
| Tranditional NFA | GNU Emacs, Java, grep, less, more, .NET, PCRE, Perl, PHP, Python, Vi, Ruby, sed |
| POSIX NFA | mawk, Mortricekern System;s utiles, GNU Emacs |
| DFA/NFA | GNU awk, GNU grep, Tcl |
匹配基础
规则 1 : 优先选择最左端的匹配结果
规则 2 : 标准量词是匹配优先的
NFA : 表达式主导
DFA
: 文本主导,不关心表达式的形式
: 即 x*=x?x?...=(x(x(x...)?)?)?
匹配优先量词和忽略优先量词控制,对回溯状态选择,是跳过还是进行.
环视模拟固化分组
: (?>...) => (?=(...))\1
多选结构即非匹配优先,也非忽略优先,而是顺序优先
: eg: (to|tow) =~ "tow" = "to"