正则表达式

正则表达式

正则表达式有不同的引擎，不同的语言可使用的引擎可能有所不同，导致语法有所差异。常用的是prel语法和javascript中的正则表达式。在UltraEdit中可更改正则表达式的语法

基础语法

元字符

元字符 说明
. 除换行符外的任意字符
\d 匹配数字
\D 匹配非数字
\w 匹配单词字符，数字、字母、下划线，同[0-9a-zA-z_]
\W 匹配非单词字符，同[^0-9a-zA-Z_]
\s 匹配空白字符，同[ \f\n\r\t\v]
\S 匹配非空白字符，同[^ \f\n\r\t\v]
\A 匹配字符串的开始位置
\z 匹配字符串的结束位置
\Z 仅匹配字符串的结尾，或者结尾的换行符之前
\b 匹配单词边界，开始或结束
\B 匹配非单词边界位置，即单词中间
* 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，或用于非贪婪模式
{n} 精确匹配n次
匹配至少n次
{n,m} 匹配n到m次
[xyz] 字符集合，匹配集合中的任一个字符
[^xyz] 非字符集合，匹配不在集合中的任一个字符
[a-d] 字符范围，匹配范围中的任一个字符
[^a-d] 非字符范围，匹配不在字符范围的任一个字符
\uxxxx 匹配4个十六进制xxxx表示的unicode字符
(pattern) 匹配模式并记住匹配项

或语句

ab|cd匹配ab或者cd，不匹配abd和acd。｜的优先级最低，两边的字符先与其他的成组再参与或运算

[]表达式

[abc]匹配"abc"其中一个字符，只能是__单个字符__。如[a-z]匹配一个小写英文字母。

贪婪模式与非贪婪模式

默认情况下，正则表达式的匹配是贪婪模式的，即匹配尽可能多的内容。如

用a.+c匹配abcdec时，会匹配所有的内容，直到第二个c处。

如果想使用非贪婪模式，在模式后添加?（问号）即可，如

用a.+?c匹配abcdec时，会匹配abc，在第一个c处停止。

chatGPT的回答

正则表达式默认是贪婪模式（Greedy Mode），即尽可能匹配更多的字符。如果想使用非贪婪模式（Non-Greedy Mode），即尽可能匹配最少的字符，可以在量词后面添加一个问号（?）。

例如，*是一个贪婪的量词，表示匹配前一个字符出现0次或多次。在它后面加上问号就可以变成非贪婪的量词，即*?，表示匹配前一个字符出现0次或最少次。同理，+、?、{n,m}等量词也可以使用非贪婪模式

零宽断言

零宽断言指一种零宽度的匹配，匹配的是一个位置。可以现解为断言指一个位置。

根据该位置在所需字段的前后可分先行断言和后发断言。

根据出现或不出现匹配字段分为正向和负向。

因为字符串匹配是由左向右的，因此位置后匹配（先行）是预测该位置后面的内容，位置前匹配（后发）是回顾位置前面的内容

匹配不出现某一字段的行

^((?!exp).)*$

(?!exp)表示不出现exp字段的位置，“.”表达任意一个字符。“(?!exp).”即表示不出现exp字段的任一字符，“((?!exp).)*”表示重复零次和多次

非捕获分组

正则表达式中的 (?:pattern) 是非捕获分组（Non-Capturing Group），用于指定一个子表达式，但不捕获匹配的文本。

w3cschool 中的解释

匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。

()表示捕获分组，()会把每个分组里的匹配的值保存起来，从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推