公司使用的markdown解析类库一直有一些解析上的问题,最近给fix了。而markdown解析主要是对正则表达式的使用。中间恶补了一下相关知识,在此梳理一下。
什么是正则表达式
正则表达式就是用一个“字符串”来描述一个特征,然后去验证另一个“字符串”是否符合这个特征。简单的一个例子:用字符串”a”来验证字符串s是否是”a”,形如s.match(“a”)。概括来说有以下作用:
基本规则
普通字符
字母、数字、汉字、下划线、以及后续没有特殊定义的标点符号,都是”普通字符”。表达式中的普通字符,在匹配一个字符串的时候,匹配与之相同的一个字符。如:表达式 “a”,在匹配字符串 “abcde” 时,匹配到的内容是:“a”。
转义字符
一些不便书写的字符,采用在前面加 “\” 的方法。常见的如:
此外,还有其他再正则中有特殊用处的标点符号,在前面加 “\”后,代表该符号本身。如:^, “ 字符,需要写成 “\^” 和 “$”。如
其匹配规则和普通字符串是一样的,如“\^”匹配“a^bc”中的“^”。
‘多种字符’匹配
如:表达式 “\dtest\d”匹配”1test2”。
除了正则自带的“多种字符”匹配外,还可以通过中括号[]来自定义。
如:[123]匹配 “1”或”2”或“3”;[^abc]匹配 “a”、”b”、”c” 之外的任意一个字符。
这里需要注意的是,在使用[]时,只有会改变字符组含义的才需要转义,
其他情况即使是特殊字符也不需要转义,如:
匹配次数
“次数修饰”放在”被修饰的正则表达式”后边,可以匹配多次。如:
特殊符号
此外,还有一些符号可以影响表达式内部的子表达式之间的关系:
高级规则
贪婪与非贪婪匹配
在使用修饰匹配次数的特殊符号时,有几种表示方法可以使同一个表达式能够匹配不同的次数,比如:“{m,n}”, “{m,}”, “?”, “*”, “+”,具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中,总是尽可能多的匹配。
比如,文本 “axxxaxxxa”,”(a)(\w+)“,其中”\w+“会匹配”xxxaxxxa”,”(a)(\w+)(a)“则会匹配”xxxaxxx”。由此可见,”\w+“ 在匹配的时候,总是尽可能多的匹配符合它规则的字符。
虽然第二个举例中,它没有匹配最后一个 “a”,但那也是为了让整个表达式能够匹配成功。同样的,带 ”“ 和 ”{m,n}“ 的表达式都是尽可能地多匹配,带 ”?“ 的表达式在可匹配可不匹配的时候,也是尽可能的匹配。这种匹配原则就叫作”贪婪”模式。
非贪婪模式则是指的在修饰匹配次数的特殊符号后再加上一个 “?” 号,可以使匹配次数不定的表达式尽可能少的匹配,使可匹配可不匹配的表达式,尽可能的不匹配。
这种匹配原则也叫作 “勉强” 模式。如果少匹配就会导致整个表达式匹配失败的时候,与贪婪模式类似,非贪婪模式会最小限度的再匹配一些,以使整个表达式匹配成功。如,文本 “axxxaxxxa” ,“(a)(\w+?)”,其中”\w+“只会匹配一个“x”。
反向引用
表达式在匹配时,表达式引擎会将小括号 “()” 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候,小括号包含的表达式所匹配到的字符串可以单独获取。当用某种边界来查找,而所要获取的内容又不包含边界时,必须使用小括号来指定所要的范围。如:“<div>(.*?)</div>“即获取div标签内部的内容。
这里小括号包含的正则表达式所匹配到的字符串不仅仅是在匹配结束后才可以使用,在匹配过程中也可以使用。表达式后边的部分,可以引用前面括号内的子匹配已经匹配到的字符串。引用方法是 “\” 加上一个数字。”\1” 引用第1对括号内匹配到的字符串,”\2” 引用第2对括号内匹配到的字符串,以此类推,而如果一对括号内包含另一对括号,则外层的括号先排序号。换句话说,哪一对的左括号 “(” 在前,那这一对就先排序号。
例如:表达式 “(‘|’)(.*?)(\1)“ 在匹配 ” ‘Hello’, “World” “ 时,匹配结果是:成功;匹配到的内容是:” ‘Hello’ “。再次匹配下一个时,可以匹配到 ” “World” “。
预搜索
如前面所讲”^“、”$“、”\b”字符有一个共同点,就是:它们本身不匹配任何字符,只是对 “字符串的两头” 或者 “字符之间的缝隙” 附加了一个条件。同样的,正则中提供了其他基于此原理的机制,来实现预搜索。
格式:”(?=xxxxx)“,在被匹配的字符串中,它对所处的 “缝隙” 或者 “两头” 附加的条件是:所在缝隙的右侧,必须能够匹配上xxxxx这部分的表达式,不影响后边的表达式去真正匹配这个缝隙 之后的字符。如:“Mac (?=book|air)” 在匹配 “Mac pro, Mac air” 时,将只匹配 “Mac air” 中的 “Mac”。
格式:“(?!xxxxx)”,所在缝隙的右侧,必须不能匹配 xxxxx 这部分表达式。如:“hello(?!\w)” 在匹配字符串 “hello,helloworld”时,匹配 hello”。这里使用 “(?!\w)” 和使用 “\b” 效果一样。
和正向预搜索类似,反向预搜索要求的条件是:所在缝隙的 “左侧”,两种格式分别要求必须能够匹配和必须不能够匹配指定表达式,而不是去判断右侧。与 “正向预搜索” 一样的是:它们都 是对所在缝隙的一种附加条件,本身都不匹配任何字符。
其他通用规则
配置为 Multiline 可以使 “^” 匹配1外,还可以匹配换行符之后,下一行开始前3的位置,”$“ 匹配4外,还可以匹配换行符之前,一行结束2的位置。使用(?m)可以设置为Multiline模式。如”(?m)^\n +“。
提示
Intro# 由于项目需要,需要在基于 asp.net mvc 的 Web 项目框架中做权限的控制,...
React 是一个用于构建用户界面的 JAVASCRIPT 库。 React 主要用于构建UI,很多人...
本文章用于帮助自己学习因此只记录一些个人认为比较重要或者还不够熟悉的内容。 ...
使用非对称加密主要是借助openssl的公钥和私钥,用公钥加密私钥解密,或者私钥加...
先看效果 通过此项目可以学习到 Container、AnimatedSwitcher、FadeTransition、...
本文将会分享近期发布的七大GitHub机器学习项目。这些项目广泛覆盖了机器学习的...
微软官方博客于 2 月初再次发布提示,将会在 3 月 9 日停止对经典版 Edge 浏览器...
Protobuf 是google开发的一个序列化和反序列化的协议库,我们可以自己设计传递数...
ASP开发中可能有时候会用大段的if... else 的判断,不过如果是动态Response.writ...
在HTML中,中文的好好学习可以表示为好好学习 在项目中,需要对接短信告警,短信...