概述：

正则表达式，又称规则表达式。是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。

正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

它最初是科学家对人类神经系统工作原理的早期研究（一种用数学方式来描述神经网络的新方法）。

Unix的主要发明人 Ken Thompson 将它运用到了计算搜索算法、编辑器qed、编辑器ed（太古老了），从此被广泛应用

那么它有啥用？

它能帮你在一大堆杂乱无章的内容中，找到符合特定模式的内容

比如，爬取其它网站的内容并提取有用信息；内容关键字审核；特定文本内容整体替换

这一节将介绍一下正则表达式的一些特殊字符和简单用法

在讲这些字符/符号的时候，我会用 php 来举一些例子，基本上所有语言的正则表达式都大同小异，若你使用的是其它语言，也可直接把表达式拿去使用试试

一、特殊字符（元字符）

特殊字符即在正则表达式中有特定含义的内定字符。就好比 java，php 等语言中的关键字

1、$ 

匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r' 

例子1

$s = 'abcd
efd';

preg_match('#[a-z]+?d$#s',$s,$m);//# # 之间的内容为正则表达式，s为修饰符，# 为php中的边界符号，还有 / 也是边界符
print_r($m);//$m 就是我们匹配到的信息
/*
Array
(
    [0] => efd
)
*/

匹配以 d结尾（d$） 的一串字符，前面可以是任意a到z 的小写字母（[a-z]+?）， 其中 s 为修饰符（后面会讲），就是多行模式(Multiline)，

所以匹配到了第二行的 efd（因为[a-z]+?不匹配换行），若要匹配整个换行的字符串，则：#([a-z]|\r\n)+?d$#s

2、( ) 

 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用

例子2

$s = 'abc123def456';

preg_match_all('#(\d+)#',$s,$m);
print_r($m[1]);
/*
Array
(
    [0] => 123
    [1] => 456
)
*/

匹配并捕获字符串中的所有数字，$m[1] 就是捕获到的内容，关于捕获后的使用，将在下面的 \ 符号介绍

\d 等价于 [0-9]，关于 [] 字符集下面会讲，只要知道 \d 是表示匹配一个数字就行了

3、+

匹配前面的子表达式一次或多次

见例子2

4、*

匹配前面的子表达式零次或多次

见例子2

5、.

匹配除换行符 \n之外的任何单字符

例子3

$s = <<<'TEXT'
test!@#$
TEXT;


preg_match_all('#.#s',$s,$m);
print_r($m);
/*
Array
(
    [0] => Array
        (
            [0] => t
            [1] => e
            [2] => s
            [3] => t
            [4] => !
            [5] => @
            [6] => #
            [7] => $
        )

)
*/

6、[ ]

标记一个中括号表达式字符集合

请看例子1，[a-z] 就是一个字符集合，可以是任意字符，比如我只要匹配 【abc,.】 这个5个字符——[abc,.]

这里有一个特殊的符号 - ，代表一个范围，常用的有 A-Z(大写的字母A到Z)，a-z(小写的字母a到z) ，0-9(数字0到9)

7、?

匹配前面的子表达式零次或一次，或指明一个非贪婪限定符

例子4

$s = <<<'TEXT'
a1a2abbb
TEXT;
//匹配以a开头后面紧跟一个数字或没有数字（用了 ? ）的字符串
preg_match_all('#a\d?#',$s,$m);
print_r($m);

/*
Array
(
    [0] => Array
        (
            [0] => a1
            [1] => a2
            [2] => a
        )

)
*/

8、\

将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。

比如匹配在正则中有特殊含义的字符，如 . 、 \ 、 $ 、 ( 、 [ 等等，这里就讲一下 向后引用(反向引用)

例子5

$s = <<<'TEXT'
<b>this is b</b><i>this is i</i>
TEXT;

preg_match_all('#<([a-z]+)>(.+?)</\1>#i',$s,$m);
echo "<pre>";
print_r($m);
echo "</pre>";

/*
Array
(
    [0] => Array
        (
            [0] => <b>this is b</b>
            [1] => <i>this is i</i>
        )

    [1] => Array
        (
            [0] => b
            [1] => i
        )

    [2] => Array
        (
            [0] => this is b
            [1] => this is i
        )

)
*/

我想匹配标签 b 和 i (或者其它标签)中的内容，总不能为了每一个标签都写一个表达式吧，比如这个：#<b>(.+?)</b>|<i>(.+?)</i>#i；那么多标签不得写死啊

而标签开头和结尾都是一样的，那么把匹配到的开始标签引用到结束位置不就行了？！

还记得例子2中 () 的作用吗，捕获匹配到的内容，供后面使用。而 \1 就是使用第一个 ( 开始所匹配到并被捕获的内容。在这个例子里 \1 就是匹配到的 b 或 i

那么想一想，若是在 () 中还有 ()，如何使用反向引用？

好吧，不用你们想了，我来公布答案。

不管表达式中有多少个 ()，都是以 ( 为顺序（从1开始），放在捕获的区域以供后面使用，最多好像是支持 99 个，没试过

在正则表达式中使用之前匹配并捕获（反向引用）的内容就是用 \1 \2 \3 ....各语言可能不同，比如 js 是 $1 ,java 是 \\1

例子6

$s = <<<'TEXT'
<div><b>this is b</b></div>
<div><span>this is span</span></div>
<span><i>this is i</i></span>
TEXT;

preg_match_all('#<([a-z]+)><([a-z])>(.+?)</\2></\1>#i',$s,$m);
print_r($m);

/*
Array
(
    [0] => Array
        (
            [0] => <div><b>this is b</b></div>
            [1] => <span><i>this is i</i></span>
        )

    [1] => Array
        (
            [0] => div
            [1] => span
        )

    [2] => Array
        (
            [0] => b
            [1] => i
        )

    [3] => Array
        (
            [0] => this is b
            [1] => this is i
        )

)
*/

匹配外层是多字符标签（div span 等）包裹，内层紧跟一个字符的标签（b i 等），因为 ([a-z]) 后面没有跟 + ，说明是匹配一个字符

由于<div><span>this is span</span></div> 不满足内层一个字符的标签，所以没有被匹配

例子7 java 版

import java.util.regex.*;

public class Test {
    public static void main(String[] args) throws Exception {
        String str = "<div><b>this is b</b></div><div><span>this is span</span></div><span><i>this is i</i></span>";
        
        Matcher m = Pattern.compile("<([a-z]+)><([a-z])>(.+?)</\\2></\\1>").matcher(str);
        while(m.find()){
            System.out.println(m.group()+"\n"+m.group(1)+"\n"+m.group(2)+"\n开始位置 : "+m.start()+" \n结束位置 : "+m.end()+"\n\n");
        }
    }
}

输出

<div><b>this is b</b></div>
div
b
开始位置 : 0 
结束位置 : 27


<span><i>this is i</i></span>
span
i
开始位置 : 63 
结束位置 : 92

9、^

匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合

例子8

$s = <<<'TEXT'
1abc
TEXT;
//2def
//ght
//34xyz

preg_match_all('#^\d[^\d]+#',$s,$m);
echo "<pre>";
print_r($m);
echo "</pre>";

/*
Array
(
    [0] => Array
        (
            [0] => 1abc
        )

)
*/

匹配以一个数字开头后面紧跟非数字的字符串，这个例子就把 ^ 的两个概念都讲了，例子的结果就是能匹配 1abc，2def，不能匹配 ght，34xyz

这里讲讲为什么不能匹配 34xyz，因为 3 被 \d 匹配了，而 4 就只能被 [^\d]+ 匹配，但是这个集合只匹配非数字字符串，所以不满足要求，整个字符串都不能被匹配

在一个字符集中用 ^ （一定要在字符集的开始位置）,如 [^abc] ,那么就表示，不匹配abc这三个字母

10、{ }

标记限定符表达式的开始

这个将在限定符一节中将，简单来说就是表示一个范围

11、|

指明两项（多项）之间的一个选择

例子9

$s = <<<'TEXT'
<b>this is b</b><i>this is i</i><span>this is span</span>
TEXT;

preg_match_all('#<(b|i)>(.+?)</\1>#',$s,$m);
print_r($m);

/*
Array
(
    [0] => Array
        (
            [0] => <b>this is b</b>
            [1] => <i>this is i</i>
        )

    [1] => Array
        (
            [0] => b
            [1] => i
        )

    [2] => Array
        (
            [0] => this is b
            [1] => this is i
        )

)
*/

匹配 b 或者 i 标签包裹的内容，若也要匹配 span， 加上即可，#<(b|i|span)>(.+?)</\1>#

特殊字符暂时就介绍这些，单个的字符都很好理解，但想写出复杂的正则表达式却无从下手。

那么如何构造复杂的表达式？

简单来说就是化整为零，正则表达式可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些符号的任意组合。

用多种元字符（特殊字符）与操作符将小的表达式结合在一起来创建更复杂的表达式。

比如 例子5 就用了很多元字符

一定要多练，才能把所有符号牢记于心，都是熟能生巧。

布置一个练习题

待匹配内容

<div>123abc,</div>
<span>456def</span>
<m>a1b2c3</m>

请匹配出 456def

分析下：

1、外面包裹的标签不一定是这几个（div span m）

2、内容是以 数字开头的，后面跟个几个字母

很简单，看上面的几个例子，动动手就可以完成

下一节讲 限定符和符号的运算优先级