正则是什么

正则表达式是一种字符串模式，用来对某些规则的文本内容进行处理。利用字符串构成成的数据结构，来完成对文本内容的匹配。

经常可以看到正则表达式的句子里包含了一些\d、\w和()之类的符号，这些特殊格式的符号可以看做正则结构中的元素，这些符号也成之为元字符，下面介绍下这些元字符的作用。

常用元字符

下面列出正则中常用元字符及表示意思，这些通用元字符的使用在不同语言中表达作用是相同的。

1. 匹配字符内容

以上表格中元字符为常用通配字符，使用形式如：

\d\d\d                       ---------           123
\w\w\w\w\w\s\w\w\w\w\w       ---------         hello world

但是上述写法存在一个很明显的缺陷，就是\d、\w的重复次数问题。所以下面列举表达次数的元字符

2. 匹配次数

有了表达次数的元字符后，上述形式的字符串模板写法就简单些了

\d{3}                      ---------           123
\w{5}\s{5}                 ---------         hello world

但是只有通配符号、和次数的元字符还不足以应对常用场景：

String line = "hello world!"

这里如果要匹配整个字符串内容，或者只匹配hello这一个单词，也就是需要对字符串的位置进行校验，下面列出匹配位置的元字符

3. 分组符号

在继续之前，首先介绍下"()"，这里的小括号"()"，称之为分组，分组匹配的内容可以在后续的正则中重复使用，只需要指定分组的序号即可。分组的序号是从左往右以此递增的

示例：

 ^(\w{4})\s\1\b    ---------     long long ago  ---  >    匹配"long long"  

分组的作用，除了提供后续引用之外，也用作捕获组，即正则中分组对应的匹配内容

示例：

import re

reg = "(\w{2})(\w{3})"
print(re.match(reg,"hello").groups())
输出结果：
('he', 'llo')
he
llo

由例子中可以看出这里的()分组捕获的匹配内容

有捕获分组，自然也有非捕获分组，在分组开头添加?:，表示该分组对应内容为非捕获分组

示例：

import re

reg = "(?:\w{2})(\w{3})"
print(re.match(reg,"hello").groups())
print(re.match(reg,"hello").group(1))
输出结果：
('llo',)
llo

其中分组的序号由"("出现的顺序确定，第一个"("序号为1，从左往右递增

示例：

import re

reg = "((?:\w{2})(\w{3}))"
print(re.match(reg,"hello").groups())
print(re.match(reg,"hello").group(1))
print(re.match(reg,"hello").group(2))
输出结果：
('hello', 'llo')
hello
llo

4. 匹配位置

这里的元字符只是匹配位置，通过使用位置元字符来限制、过滤指定位置条件的内容。

^(\w{5})\b   -----      hello world ->  匹配内容为: hello

这里的匹配过程是：

• ^指定字符串开头位置
• \w{5}匹配内容
• \b用来匹配"o"于空格之间的位置

5. 其他元字符

关于断言、懒惰匹配相关内容在下一章介绍正则表达式（二）：断言