正则表达式书写指南

最近在做 Markdown 转 UBB (Discuz编辑器) 的一个PHP的工具，运用到了正则。故复习了一遍。

基本语法

1. 界定符

表示一个正则表达式的开始和结束

2. 原子

可见原子

• 中文使用 unicode 编码匹配
• 正则表达式中的关键字，需要加\转义
• 其他的直接使用可见的字符

不可见原子

• 空格 直接打空格 即可
• 制表符 \t
• 回车 \n (匹配的时候，看不见)

3. 元字符

原子的筛选方式

• | 匹配两个或者多个分支选择；
• [] 匹配方括号中的任意一个原子；
• [^] 匹配除方括号中的原子之外的任意字符；

原子的集合

• . 匹配除换行符之外的任意字符
• \d 匹配任意一个十进制数字，[0-9]
• \D 匹配任意一个非十进制数字，[^0-9]
• \s 匹配一个不可见原子，[\f\n\r\t\v]
• \S 匹配一个可见原子，[^\f\n\r\t\v]
• \w 匹配任意一个数字、字母或下划线，[0-9a-zA-Z_]
• \W匹配任意一个非数字、字母或下划线，[^0-9a-zA-Z_]

4. 量词

• {n} 表示其前面的原子恰好出现n次
• {n,} 表示其前面的原子最少出现了n次
• {n,m} 表示其前面的原子最少出现了n次，最多出现了m次
• * 匹配0次、1次或者多次其之前的原子，{0,}
• + 匹配1次或者多次其之前的原子，{1,}
• ? 匹配0次或者1次其之前的原子，{0,1}

5. 边界控制

• ^ 匹配字符串开始的位置
• $ 匹配字符串结束的位置

6. 模式单元

• ()匹配其中的整体为一个原子

修正模式

1. 匹配模式

• 贪婪匹配： 匹配结果存在歧义时取其长
• 懒惰匹配： 匹配结果存在歧义时取其短

默认使用的是 贪婪模式，开启 懒惰模式 为 U

2.常见的模式修正

• U/u 懒惰模式/贪婪模式
• i 忽略英文字母大小写
• x 忽略空白
• s . 匹配包括换行的所以字符
• e 留着

附录

• learn-regex