## -1 为什么要再谈
虽然之前有一篇日报讲正则表达式，但是内容比较深奥且排版不美观，于是决定“再谈”一次。
## 0 引言：为什么要学习正则表达式
**Regex Match Tracer 安装** 链接: <https://pan.baidu.com/s/13_JR3vzBJw97aP7tQx_6ng> 提取码: `lgrb`
Regex Match Tracer 可以检验正则表达式的正确性。
>在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。**正则表达式**就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。
使用正则表达式可以用来**按一定的方式处理某些字符串**。
>正则表达式是一种查找以及字符串替换操作。正则表达式在文本编辑器中广泛使用，比如正则表达式被用于：
>
>- 检查文本中是否含有指定的特征词
>- 找出文中匹配特征词的位置
>- 从文本中提取信息，比如：字符串的子串
>- 修改文本
>
>与文本编辑器相似，几乎所有的高级编程语言都支持正则表达式。在这样的语境下，“文本”也就是一个字符串，可以执行的操作都是类似的。一些编程语言（比如 Perl，JavaScript）会检查正则表达式的语法。
## 1 入门
如果你想在一段文本中查找 $\tt hi$，你可以使用正则表达式 `hi`。但是，这样的话，$\tt history,high,\cdots$ 中的 `hi` 都会被查到，如果你想精确地查询 $\tt hi$ 这个**单词**，你可以用正则表达式 `\bhi\b`，这里的 `\b` 就是正则表达式的一个**特殊字符**（元字符），代表「单词的分界处」。
### 1.1 元字符
[由于某些原因，你不得不在云剪贴板查看此内容 /kel](/paste/t34zr2ij)
### 1.2 限定符
- `*` ：重复 $0$ 次或更多次。
- `+` ：重复 $1$ 次或更多次。
- `?` ：重复 $0$ 次或 $1$ 次。
- `{n}` ：重复 $n$ 次。
- `{n,}` ：重复 $n$ 次或更多次。
- `{n,m}` ：重复 $n$ 到 $m$ 次。
### 1.3 字符集合
`[123]` 代表匹配 $\tt 1,2,3$ 中的任意一个，也可以使用如 `[0-9]`，这个意义是同 `\d` 一样的。
### 1.4 反义
- `\W` ：匹配任意不是字母，数字，下划线，汉字的字符。
- `\S` ：匹配任意不是空白符的字符。
- `\D` ：匹配任意非数字的字符。
- `\B` ：匹配不是单词开头或结束的位置。
- `[^123]` ：匹配除了 $\tt 1,2,3$ 以外的任何字符。
## 2 进阶
### 2.1 后向引用
使用 `()` 框住一个子表达式后，该表达式会有一个编号（从 $1$ 开始），之后，可以使用 `\组号` 的形式重复编号为 `组号` 的子表达式。
- `(exp)` ：匹配 `exp`，并自动分组。
- `(?<Name>exp)` ：匹配 `exp`，并命名为 `Name`，重复可用 `\k<Name>`。
- `(?:exp)` ：匹配 `exp`，但不捕获匹配的文本，也不给此分组分配组号。
- `(?=exp)` ：匹配 `exp` 前面的位置。
- `(?<=exp)` ：匹配 `exp` 后面的位置。
- `(?!exp)` ：匹配 `exp` 后面的不是 `exp` 的位置。
- `(?<!exp)` ：匹配 `exp` 前面的不是 `exp` 的位置。
- `(?#note)` ：这种类型的分组**不**对正则表达式的处理产生任何影响，用于提供注释让人阅读。
- `\n` ：重复组号为 $n$ 的子表达式。
好的，我们来解释一下：比如 `\b\w+(?=ing)` 会匹配一个单词中 $\tt ing$ 前面的部分，在 `He is playing computer and coding. ` 中会匹配到 $\tt play,cod$。
此外，对于 `\n` 的应用，我也举个例子：匹配四个相同的英语单词，可以使用以下代码：`\b([a-z]+) \1 \1 \1\b`。其中 `\1` 指的是子表达式 `[a-z]+`。
### 2.2 实践
请匹配一个**合法邮箱**，合法邮箱满足：
- 第一部分，由若干个字符组成（包括 `a-z,A-Z,0-9`）。
- 第二部分，由一个 `@` 组成。
- 第三部分，由网站名组成，网站名由若干个字符组成（包括 `a-z,A-Z,0-9`），后缀可用 `.com`。
示例如：`\b([a-zA-Z0-9]+)@\1\.com\b`
（还少了字符串匹配中的哪两个元字符？）
当然，这只是为了简便写的，它只能匹配类似于 `
[email protected]` 这样的网站名与邮箱名相同的邮箱。
### 2.3 贪婪
正则表达式会匹配**尽可能多**的字符，如 `a.*b` 就会匹配一个以 $\tt a$ 开头、$\tt b$ 结尾的最长的字符串。当然，如果你想匹配**尽可能少**的字符，在后面加上一个 `?` 即可。
### 2.4 栈
匹配一个字符串，问 `<>` 是否匹配完整（是否是一个完整的括号序列）
需要语法：
- `(?'Name')` ：把捕获的内容命名为 `Name`，并压入栈（$\bf{Stack}$）。
- `(?'-Name')` ：从栈中压出最后一个压入的名为 `Name` 的内容，若不存在，捕获失败。
- `(?(Name)Yes|No)` ：若栈中有一个名为 `Name` 的内容，则执行 `Yes`，否则执行 `No`。
- `(?!)` ：**直接**断言无法匹配（可以类比为 C++ 中的 `break`）。
于是正则表达式：
```plain
< # 匹配最左边的括号
[^<>]* # 匹配非括号部分
(
(
(?'Stack'<) # 如果匹配到左括号, 压入 "Stack"
[^<>]* # 匹配非括号部分
)+
(
(?'-Stack'>) # 如果匹配到右括号, 弹出 "Stack"
[^<>]* # 匹配非括号部分
)+
)*
(?(Stack)(?!))
>
```
## 3 参考资料
- 3.1 [正则表达式30分钟入门教程（By deerchao）](https://deerchao.cn/tutorials/regex/regex.htm)
- 3.2 [正则表达式 - 微软](https://docs.microsoft.com/zh-cn/dotnet/standard/base-types/regular-expressions)
- 3.3 [Github 的文档](https://github.com/EZLippi/practical-programming-books/blob/master/src/30-minutes-to-learn-regex.md)