正则表达式（Regular Expression，简称正则或Regex）是一种用于字符串模式匹配的工具，能够帮助我们高效地搜索、替换、提取和验证文本。正则表达式的规则包括字符匹配、元字符、量词、位置锚定和分组等内容。以下是正则表达式的详细规则：

1. 字符匹配

• 普通字符：普通字符会按字面意义匹配。例如，a 匹配字符串中的字符 a。
• 转义字符：一些特殊字符如 .、*、+ 需要通过反斜杠 \ 转义，如 \. 匹配的是字符 . 而不是通配符。

2. 元字符

元字符是正则表达式中特殊的字符，用来表达特殊的含义。

• .：匹配任意单个字符（除了换行符）。
  • 例：a.c 可以匹配 abc、a1c 等。
• \d：匹配任何一个数字，等价于 [0-9]。
  • 例：\d{3} 可以匹配三位数字如 123。
• \w：匹配任何字母、数字或下划线，等价于 [A-Za-z0-9_]。
  • 例：\w+ 可以匹配一个或多个字母、数字或下划线。
• \s：匹配任何空白字符（包括空格、制表符、换行符）。
  • 例：\s* 匹配零个或多个空白字符。
• \b：匹配单词边界。
• [ ]：匹配方括号中的任意一个字符。
  • 例：[abc] 匹配 a、b 或 c。
• [^ ]：匹配不在方括号中的任意字符。
  • 例：[^abc] 匹配不是 a、b 或 c 的任何字符。

1. \d
   • 含义：匹配一个数字，等价于[0 - 9]。
   • 示例：正则表达式\d可以匹配字符串 “123abc” 中的 “1”、“2”、“3”。如果要匹配多个数字，可以使用\d+，比如在 “abc123def” 中，\d+会匹配 “123”。
2. \D
   • 含义：匹配一个非数字字符，等价于[^0 - 9]。
   • 示例：在字符串 “abc123def” 中，\D可以匹配 “a”、“b”、“c”、“d”、“e”、“f”，\D+则会匹配 “abc” 和 “def”。
3. \S
   • 含义：匹配一个非空白字符（空白字符包括空格、制表符、换行符等）。
   • 示例：在字符串 “abc def” 中，\S可以匹配 “a”、“b”、“c”、“d”、“e”、“f”，\S+会匹配 “abc” 和 “def”。
4. \s
   • 含义：匹配一个空白字符，包括空格、制表符（\t）、换行符（\n）等。
   • 示例：在文本 “Hello\tWorld\n” 中，\s可以匹配 “\t” 和 “\n”，\s+会匹配 “\t”（一个制表符）和 “\n”（一个换行符）。如果要匹配多个连续的空白字符，例如在一段有多个空格的文本中，\s+就很有用。
5. \w
   • 含义：匹配一个单词字符，包括字母、数字和下划线，等价于[a - zA - Z0 - 9_]。
   • 示例：在字符串 “abc_123” 中，\w可以匹配 “a”、“b”、“c”、“_”、“1”、“2”、“3”，\w+会匹配 “abc_123”。
6. \W
   • 含义：匹配一个非单词字符，等价于[^a - zA - Z0 - 9_]。
   • 示例：在字符串 “abc@123” 中，\W可以匹配 “@”，\W+会匹配 “@”。这在处理包含特殊符号的文本，需要将非单词字符分离出来时很有用。

小写与大写互补，[\d\D]等效于.

• [abc]：匹配由a或b或c组成的单个字符
• a|b|c：匹配由a或b或c组成的单个字符

3. 量词

量词用于指定一个字符或一组字符应该出现的次数。

• \*：匹配前面的字符零次或多次。

  • 例：ab* 匹配 a、ab、abb 等。

• +：匹配前面的字符一次或多次。

  • 例：ab+ 匹配 ab、abb 等，但不匹配 a。

• ?：匹配前面的字符零次或一次。

  • 例：ab? 匹配 a 或 ab。

• {n}：匹配前面的字符恰好 n 次。

  • 例：\d{3} 匹配三个数字。

• {n,}：匹配前面的字符至少 n 次。

  • 例：\d{2,} 匹配至少两位数字。

• {n,m}：匹配前面的字符至少 n 次，但不超过 m 次。

  • 例：\d{2,5} 匹配 2 到 5 位数字。

4. 位置锚定

锚定符用于指定模式应该出现的位置。

• ^：匹配字符串的开头。
  • 例：^abc 匹配以 abc 开头的字符串。
• $：匹配字符串的结尾。
  • 例：abc$ 匹配以 abc 结尾的字符串。
• \b：匹配单词的边界。
  • 例：\bword\b 只匹配单独的 word，而不匹配 sword 或 wording。

5. 分组与捕获

分组允许我们将正则表达式的一部分视为一个整体，并捕获匹配的子字符串。

• ( )：用于分组和捕获。
  • 例：(abc)+ 匹配 abc 或 abcabc。
• (?: )：非捕获组，不会保存匹配的子字符串。
  • 例：(?:abc)+ 匹配 abc 或 abcabc，但不会捕获。
• \n：捕获组的反向引用，n 是一个数字，表示捕获的第 n 组。
  • 例：(\d)\1 匹配两个相同的数字。

6. 其他特殊字符

• |：逻辑或，表示左右两个表达式的任意一个。
  • 例：abc|xyz 匹配 abc 或 xyz。
• \：转义字符，用于匹配元字符本身。
  • 例：\. 匹配字符 .。

7. 修饰符

• (?i)：忽略大小写（case-insensitive）

• (?m)：多行模式（multiline）

• (?s)：单行模式（dotall，使 . 匹配换行符）

• 在正则表达式中，(?msi) 这样的特殊标识被称为 正则表达式的模式修饰符（Pattern Modifiers） 或 正则标志（Regex Flags）。它们用于控制正则表达式的匹配行为，通常出现在正则表达式的开头（或某些语言中通过其他方式指定）。

  不同的编程语言或正则引擎对这些修饰符的支持可能略有不同，但常见的修饰符包括：

  (1) (?i)：忽略大小写（case-insensitive）

  • 使正则表达式不区分大小写匹配。

  (2) (?m)：多行模式（multiline）

  • 使 ^ 和 $ 匹配每一行的开头和结尾，而不仅仅是整个字符串的开头和结尾。

  (3) (?s)：单行模式（dotall）

  • 使 . 匹配包括换行符在内的所有字符（默认 . 不匹配换行符）。

8. 懒惰模式与贪婪模式

正则表达式默认是贪婪匹配（尽可能多地匹配），而懒惰模式是尽可能少地匹配。

• 贪婪匹配：默认模式，量词 *、+ 等是贪婪的，尽可能多地匹配字符。

• 懒惰匹配：在量词后面加 ?

  可以使其变为懒惰模式。

  • 例：ab*? 将匹配尽可能少的 b，而不是尽可能多。

9. ?用于“分组控制”

校验后面内容，但是不匹配后面内容

写法	本质
(?:...)	分组但不记录
(?=...)	后面必须是
(?!...)	后面不能是
(?<=...)	前面必须是
(?<!...)	前面不能是

示例

1. 所有汉字：[一-龥] \p
2. 匹配邮箱地址：[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}
3. 匹配手机号：1[3-9]\d{9}
4. 匹配日期：\d{4}-\d{2}-\d{2}（匹配格式如 2023-09-01）