公司使用的markdown解析類庫一直有一些解析上的問題，最近給fix了。而markdown解析主要是對(duì)正則表達(dá)式的使用。中間惡補(bǔ)了一下相關(guān)知識(shí)，在此梳理一下。

什么是正則表達(dá)式

正則表達(dá)式就是用一個(gè)“字符串”來描述一個(gè)特征，然后去驗(yàn)證另一個(gè)“字符串”是否符合這個(gè)特征。簡單的一個(gè)例子：用字符串”a”來驗(yàn)證字符串s是否是”a”，形如s.match(“a”)。概括來說有以下作用：

• 驗(yàn)證字符串是否符合指定特征，比如驗(yàn)證是否是合法的郵件地址。

• 查找字符串，從一個(gè)長的文本中查找符合指定特征的字符串，比查找固定字符串更加靈活。

• 替換字符串，比普通的基于字符串的替換更靈活。

基本規(guī)則

普通字符

字母、數(shù)字、漢字、下劃線、以及后續(xù)沒有特殊定義的標(biāo)點(diǎn)符號(hào)，都是”普通字符”。表達(dá)式中的普通字符，在匹配一個(gè)字符串的時(shí)候，匹配與之相同的一個(gè)字符。如：表達(dá)式 “a”，在匹配字符串 “abcde” 時(shí)，匹配到的內(nèi)容是：“a”。

轉(zhuǎn)義字符

一些不便書寫的字符，采用在前面加 “” 的方法。常見的如：

• : 回車

• : 換行符

• : 制表符

• : “” 本身

此外，還有其他再正則中有特殊用處的標(biāo)點(diǎn)符號(hào)，在前面加 “”后，代表該符號(hào)本身。如：^, “ 字符，需要寫成 “^” 和 “$”。如

• ^: 匹配^符號(hào)本身

• $: 匹配$符號(hào)本身

• .: 匹配小數(shù)點(diǎn). 本身

其匹配規(guī)則和普通字符串是一樣的，如“^”匹配“a^bc”中的“^”。

‘多種字符’匹配

• d：任意一個(gè)數(shù)字，0~9 中的任意一個(gè)

• w：任意一個(gè)字母或數(shù)字或下劃線，也就是 A~Z,a~z,0~9,_ 中任意一個(gè)

• s：包括空格、制表符、換頁符等空白字符的其中任意一個(gè)

• .：小數(shù)點(diǎn)可以匹配除了換行符以外的任意一個(gè)字符

如：表達(dá)式 “dtestd”匹配”1test2”。

除了正則自帶的“多種字符”匹配外，還可以通過中括號(hào)[]來自定義。

• 使用[ ]包含一系列字符，能夠匹配其中任意一個(gè)字符。

• 用 [^ ]包含一系列字符，則能夠匹配其中字符之外的任意一個(gè)字符。

如：[123]匹配 “1”或”2”或“3”;[^abc]匹配 “a”、”b”、”c” 之外的任意一個(gè)字符。

這里需要注意的是，在使用[]時(shí)，只有會(huì)改變字符組含義的才需要轉(zhuǎn)義，

• 反斜線必須轉(zhuǎn)義

• 方括號(hào)必須轉(zhuǎn)義

• 「^」在首和「-」在中必須轉(zhuǎn)義

其他情況即使是特殊字符也不需要轉(zhuǎn)義，如：

• [aeiou]

• [$.*+?{}()|]

• [abc^123-]

匹配次數(shù)

“次數(shù)修飾”放在”被修飾的正則表達(dá)式”后邊，可以匹配多次。如：

• {n}: 表達(dá)式重復(fù)n次，比如：“d{2}” 相當(dāng)于 “dd”。

• {m,n}:表達(dá)式至少重復(fù)m次，最多重復(fù)n次，比如：“a{1,3}”可以匹配 “a”或”aa”或”aaa”。

• {m,}: 表達(dá)式至少重復(fù)m次，比如：“d{2,}”可以匹配 “12”,“123”,“12345678”。

• ?: 匹配表達(dá)式0次或者1次，相當(dāng)于 {0,1}，比如：“a[b]?”可以匹配”a”,“ab”。

• +: 表達(dá)式至少出現(xiàn)1次，相當(dāng)于 {1,}，比如：“a+”可以匹配”a”,“aa”,“aaa”。

• *: 表達(dá)式不出現(xiàn)或出現(xiàn)任意次，相當(dāng)于 {0,}，比如：”ab“可以匹配 “a”、”ab”、”abb”。

特殊符號(hào)

• ^: 與字符串開始的地方匹配，不匹配任何字符,這里如果使用(?m)模式，則匹配每一行的開始。如：“^aaa”無法匹配 “xxxaaaxxx”，可以匹配”aaaxxx”。

• $: 與字符串結(jié)束的地方匹配，不匹配任何字符，這里如果使用(?m)模式，則匹配每一行的結(jié)束。如：“aaa$”無法匹配“xxxaaaxxx”, 可以匹配“xxxaaa”。

• ：匹配一個(gè)單詞邊界，也就是單詞和空格之間的位置，不匹配任何字符。它與 “^”、”$“ 類似，本身不匹配任何字符，但是它要求它在匹配結(jié)果中所處位置的左右兩邊，其中一邊是 “w” 范圍，另一邊是 非“w” 的范圍。。如：“..”匹配“@@abc”的“@a”。

此外，還有一些符號(hào)可以影響表達(dá)式內(nèi)部的子表達(dá)式之間的關(guān)系：

• |: 左右兩邊表達(dá)式之間“或”關(guān)系，匹配左邊或者右邊。

• (): 在被修飾匹配次數(shù)的時(shí)候，括號(hào)中的表達(dá)式可以作為整體被修飾;取匹配結(jié)果的時(shí)候，括號(hào)中的表達(dá)式匹配到的內(nèi)容可以被單獨(dú)得到。如：”(abs*)+“匹配”hi, ab ab ab”中的“ab ab ab”。

高級(jí)規(guī)則

貪婪與非貪婪匹配

在使用修飾匹配次數(shù)的特殊符號(hào)時(shí)，有幾種表示方法可以使同一個(gè)表達(dá)式能夠匹配不同的次數(shù)，比如：“{m,n}”, “{m,}”, “?”, “*”, “+”，具體匹配的次數(shù)隨被匹配的字符串而定。這種重復(fù)匹配不定次數(shù)的表達(dá)式在匹配過程中，總是盡可能多的匹配。

比如，文本 “axxxaxxxa”，”(a)(w+)“，其中”w+“會(huì)匹配”xxxaxxxa”，”(a)(w+)(a)“則會(huì)匹配”xxxaxxx”。由此可見，”w+“ 在匹配的時(shí)候，總是盡可能多的匹配符合它規(guī)則的字符。

雖然第二個(gè)舉例中，它沒有匹配最后一個(gè) “a”，但那也是為了讓整個(gè)表達(dá)式能夠匹配成功。同樣的，帶 ”“ 和 ”{m,n}“ 的表達(dá)式都是盡可能地多匹配，帶 ”?“ 的表達(dá)式在可匹配可不匹配的時(shí)候，也是盡可能的匹配。這種匹配原則就叫作”貪婪”模式。

非貪婪模式則是指的在修飾匹配次數(shù)的特殊符號(hào)后再加上一個(gè) “?” 號(hào)，可以使匹配次數(shù)不定的表達(dá)式盡可能少的匹配，使可匹配可不匹配的表達(dá)式，盡可能的不匹配。

這種匹配原則也叫作 “勉強(qiáng)” 模式。如果少匹配就會(huì)導(dǎo)致整個(gè)表達(dá)式匹配失敗的時(shí)候，與貪婪模式類似，非貪婪模式會(huì)最小限度的再匹配一些，以使整個(gè)表達(dá)式匹配成功。如，文本 “axxxaxxxa” ，“(a)(w+?)”，其中”w+“只會(huì)匹配一個(gè)“x”。

反向引用

表達(dá)式在匹配時(shí)，表達(dá)式引擎會(huì)將小括號(hào) “()” 包含的表達(dá)式所匹配到的字符串記錄下來。在獲取匹配結(jié)果的時(shí)候，小括號(hào)包含的表達(dá)式所匹配到的字符串可以單獨(dú)獲取。當(dāng)用某種邊界來查找，而所要獲取的內(nèi)容又不包含邊界時(shí)，必須使用小括號(hào)來指定所要的范圍。如：“