逻辑关系：

正则表达式的逻辑关系

正则表达式之间的逻辑关系可以简单地用与、或、非来描述，如表所示。

通常来说，正则表达式可以看做这三种逻辑关系的组合。下面分析这三种逻辑。

1.与

“与” 是正则表达式中最普遍的逻辑关系。一般来说，如果正则表达式中的元素没有任何量词(比如*、?、+)修饰，就是”与”关系。比如正则表达式：

abc

表示同时出现a、b、c三个字符。

连续字符是“与”关系的最佳代表。此外，有些环视结构也可以表达“与”关系。比如顺序肯定环视（？=exp）表示自身出现的位置后面能匹配表达式exp，换而言之，就是在它后面必须出现表达式exp。例如：

\w+(?=ing)

表示单词的后面必须是ing结尾。 
除了顺序肯定环视外，逆序肯定环视也能表达“与”关系。

比如匹配DIV标签里的内容，例如＜div＞logo＜/div＞中的logo，就可用以下正则表达式来匹配：

(?<=div>).*(?=</div>)

(?<=div>) 表示自身（即要匹配的部分）出现的位置前面匹配表达式”<div>” ，(?=</div>) 表示它后面需要匹配的表达式”</div>“，中间的”.*”就是匹配到的内容。

2.或

“或”是正则表达式中容易出现的逻辑关系。 
如果“或”代表元素可以出现，也可以不出现，或者出现的次数不确定，可以用量词来表示“或”关系。比如以下表达式表示在此处，字符a可以出现，也可以不出现：

a?

以下表达式表示在此处，字符串ab必然要出现1次，也可以出现无限多次：

(ab)+

如果“或”表示出现的是某个元素的一个，那么可以使用字符组。比如以下正则表达式表示此处出现的字符是a、b、c中的任何一个：

[abc]

如果要匹配多个字符，则使用分支结构（……｜……）。比如匹配单词foot及其复数形式，就可以用正则表达式：

f(oo|ee)t

或者使用如下形式

f[oe]{2}t

3.非

提到”非”，最容易想到正则表达式中的反义和”^”元字符。比如\d表示数字，那么其对应的\D就表示非数字;[a]表示a字符，那么[^a] 就表示这个字符不是a。

“非”关系最常用来匹配成对的标签，例如双引号字符串的匹配，首位两个双引号很容易匹配，其中的内容肯定不是双引号（暂不考虑转义的情况），所以用[^"] 表示，其长度不确定，用*来限定，所以整个表达式如下：

[^"]*

比如，需要匹配HTML里成对的A标签，先匹配左尖括号，紧接着是a字符，后面可以是任意内容，最后是一个右尖括号。在这对括号之间可以出现空格、字母、数字、引号等字符，但是不能出现“＞”字符，于是就可以用排除型字符组“[＾＞]”来表示。再加上后面的配对标签，整个表达式如下：

<a[^>]*>.*<\/a>

运行下面这段代码验证这个表达式：

<?php
$reg = "#<a[^>]*>(.*)<\/a>#";
$str = '<a href="http://baidu.com">baidu</a>---<a href="http://sohu.com">sohu</a>';
preg_match_all($reg, $str, $m);
print_r($m);12345

运行结果：

Array
(
    [0] => Array
        (
            [0] => <a href="http://baidu.com">baidu</a>---<a href="http://sohu.com">sohu</a>
        )

    [1] => Array
        (
            [0] => baidu</a>---<a href="http://sohu.com">sohu
        )

)12345678910111213

发现结果不符合预期，出现了嵌套匹配。原因在于A标签之间的文本忘了做排除型匹配，于是修改后的正则表达式就成了<a[^>]*>([^<>]*)<\/a>。经过修改后就符合预期了。

<?php
$reg = "#<a[^>]*>([^<>]*)<\/a>#";
$str = '<a href="http://baidu.com">baidu</a>---<a href="http://sohu.com">sohu</a>';
preg_match_all($reg, $str, $m);
print_r($m);

运行结果为：

Array
(
    [0] => Array
        (
            [0] => <a href="http://baidu.com">baidu</a>
            [1] => <a href="http://sohu.com">sohu</a>
        )

    [1] => Array
        (
            [0] => baidu
            [1] => sohu
        )

)
 

注：上述例子也可以使用前一篇博文中讲过的懒惰匹配。修改正则如下：

<a[^>]*>(.*?)<\/a>

除了反义和排除型字符组外，否定环视也能表示“非”这种关系。比如有一串文字：“ab＜p＞onecde＜div＞fgh＜/div＞＜img src=”“＞”。现在需要匹配除P标签外的所有标签。换而言之，就是先匹配所有HTML标签，可以使用如下表达式：

</?\b[^>]+>

匹配闭合的“＜XXX＞”或“＜/XXX＞”标签，然后再排除“XXX”或“/XXX”部分是P的标签，于是使用顺序否定环视，用表达式：

(?!/?p\b)

排除了“＜”或“＜/”这个位置后是P字符的情况，这样就满足需求了。最终的表达式则为：

<(?!/?p\b)[^>]+>

 初等（先来几个简单的，了解一下）

“ab"     表示以ab开头的字符串，例如”abc“ ”abc ed“
    ”ab+"   表示一个字符串，由一个a和至少一个b组成
    "ab?"    表示一个字符串，由一个a和一个或零个b组成
    "ab{2,3}"  表示一个字符串，由一个a和2-3个b组成
    “access|boot" 表示一个字符串,为access或者boot
    "(a|b)*c"  表示一个字符串,  由一个或多个a(或者b) + c 混合而成
    [a-zA-Z] 表示一个字符，为一个字母
    ”[a-zA-Z0-9]$"  表示一个字符串,由一个字母或数字结束。
    错误提示[ab\\d]  中括号中不能由转义字符
     

中等(文本框验证输入）

”[+]{0,1}(\d){1,3}[ ]?([-]?((\d)|[ ]){1,12})+ “         检验普通电话、传真号码：可以“+”或数字开头，可含有减号和空格
    ”http[s]{0,1}:\/\/.+$/ 或 /^http[s]{0,1}:\/\/.{1,n}“   检验URL
    “([0-9A-F]{2})(-[0-9A-F]{2}){5}”                         检验mac地址
    “[-+]?\d+(\.\d+)?”                                              值类型
    “\\d{4}-\\d{1,2}-\\d{1,2}”                                     日期格式2018-7-30
    ”(\\d+){5，11}@(\\w+)\\.(\\w){3}“                        QQ邮箱格式 

常用正则表达式

C++11 正则表达式简单运用

正则表达式(regular expression)是计算机科学中的一个概念，又称规则表达式，通常简写为regex、regexp、RE、regexps、regexes、regexen。

         正则表达式是一种文本模式。正则表达式是强大、便捷、高效的文本处理工具。正则表达式本身，加上如同一门袖珍编程语言的通用模式表示法(general pattern notation)，赋予使用者描述和分析文本的能力。配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修整各种类型的文本和数据。

         完整的正则表达式由两种字符构成：特殊字符(special characters)称为”元字符”(meta characters)，其它为”文字”(literal)，或者是普通文本字符(normal text characters，如字母、数字、汉字、下划线)。正则表达式的元字符提供了更强大的描述能力。

         和文本编辑器一样，绝大多数高级编程语言均支持正则表达式，如Perl、Java、Python、C/C++，这些语言都有各自的正则表达式包。

         一个正则表达式仅仅为一个字符串，它没有长度限制。“子表达式”指的是整个正则表达式中的一部分，通常是括号内的表达式，或者是由”|”分割的多选分支。

默认情况下，表达式中的字母是要区分大小写的。

         常用的元字符：

1.       “.”： 匹配除"\n"之外的任何单个字符，若要匹配包括"\n"在内的任意字符，需使用诸如"[\s\S]"之类的模式；
2.        “^”：匹配输入字符串的开始位置，不匹配任何字符，要匹配”^”字符本身，需使用”\^”；
3.       “$”：匹配输入字符串结尾的位置，不匹配任何字符，要匹配”$”字符本身，需使用”\$”；
4.       “*”： 零次或多次匹配前面的字符或子表达式，”*”等效于”{0,}”，如”\^*b”可以匹配”b”、”^b”、”^^b”、…；
5.       “+”： 一次或多次匹配前面的字符或子表达式，等效于”{1,}”，如”a+b”可以匹配”ab”、”aab”、”aaab”、…；
6.       “?”： 零次或一次匹配前面的字符或子表达式，等效于”{0,1}”，如”a[cd]?”可以匹配”a”、”ac”、”ad”； 当此字符紧随任何其他限定符”*”、”+”、”?”、”{n}”、”{n,}”、”{n,m}”之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"；
7.       “|”：将两个匹配条件进行逻辑"或"(Or)运算,如正则表达式”(him|her)”匹配"itbelongs to him"和"it belongs to her"，但是不能匹配"itbelongs to them."；
8.       “\”： 将下一字符标记为特殊字符、文本、反向引用或八进制转义符，如，”n”匹配字符”n”,”\n”匹配换行符，序列”\\”匹配”\”,”\(“匹配”(“；
9.       “\w”：匹配字母或数字或下划线，任意一个字母或数字或下划线，即A~Z，a~z,0~9,_中任意一个；
10.   “\W”：匹配任意不是字母、数字、下划线的字符；
11.   “\s”：匹配任意的空白符，包括空格、制表符、换页符等空白字符的其中任意一个，与”[ \f\n\r\t\v]”等效；
12.   “\S”：匹配任意不是空白符的字符，与”[^\f\n\r\t\v]”等效；
13.   “\d”：匹配数字，任意一个数字，0~9中的任意一个，等效于”[0-9]”；
14.   “\D”：匹配任意非数字的字符，等效于”[^0-9]”；
15.   “\b”： 匹配一个字边界，即字与空格间的位置，也就是单词和空格之间的位置，不匹配任何字符，如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er";
16.   “\B”： 非字边界匹配,"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"；
17.   “\f”：匹配一个换页符，等价于”\x0c”和”\cL”；
18.   “\n”：匹配一个换行符，等价于”\x0a”和”\cJ”；
19.   “\r”：匹配一个回车符，等价于”\x0d”和”\cM”；
20.   “\t”：匹配一个制表符，等价于”\x09”和”\cI”；
21.   “\v”：匹配一个垂直制表符，等价于”\x0b”和”\cK”；
22.   “\cx”：匹配”x”指示的控制字符,如，\cM匹配Control-M或回车符，”x”的值必须在”A-Z”或”a-z”之间,如果不是这样，则假定c就是"c"字符本身；
23.   “{n}”：”n”是非负整数，正好匹配n次，如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配；
24.   “{n,}”：”n”是非负整数,至少匹配n次,如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有”o”，"o{1,}"等效于"o+"，"o{0,}"等效于"o*"；
25.   “{n,m}”：”n”和”m”是非负整数，其中n<=m，匹配至少n次，至多m次，如，"o{1,3}"匹配"fooooood"中的头三个o，'o{0,1}'等效于'o?'，注意,不能将空格插入逗号和数字之间；如”ba{1,3}”可以匹配”ba”或”baa”或”baaa”；
26.   “x|y”：匹配”x”或”y”，如，”z|food”匹配"z"或"food"；”(z|f)ood”匹配"zood"或"food"；
27.   “[xyz]”：字符集，匹配包含的任一字符，如，"[abc]"匹配"plain"中的"a";
28.   “[^xyz]”：反向字符集，匹配未包含的任何字符，匹配除了”xyz”以外的任意字符，如，"[^abc]"匹配"plain"中的"p"；
29.   “[a-z]”：字符范围，匹配指定范围内的任何字符，如，"[a-z]"匹配"a"到"z"范围内的任何小写字母；
30.   “[^a-z]”：反向范围字符，匹配不在指定的范围内的任何字符，如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符；
31.   “( )”：将”(“和”)”之间的表达式定义为”组”group，并且将匹配这个表达式的字符保存到一个临时区域,一个正则表达式中最多可以保存9个，它们可以用”\1”到”\9”的符号来引用；
32.   “(pattern)”：匹配pattern并捕获该匹配的子表达式，可以使用$0…$9属性从结果”匹配”集合中检索捕获的匹配；
33.   “(?:pattern)”：匹配pattern但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配，这对于用”or”字符” (|)”组合模式部件的情况很有用, 如，”industr(?:y|ies)”是比”industry|industries”更简略的表达式；
34.   “(?=pattern)”： 非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始；
35.   “(?!pattern)”： 非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"；

要匹配某些特殊字符，需在此特殊字符前面加上”\”，如要匹配字符”^”、”$”、”()”、”[]”、”{}”、”.”、”?”、”+”、”*”、”|”，需使用” \^”、” \$”、” \ (“、”\)”、” \ [“、”\]”、” \{“、”\}”、” \.”、” \?”、” \+”、” \*”、” \|”。

在C++/C++11中，GCC版本是4.9.0及以上，VS版本为VS2013及以上时，会有regex头文件，此头文件中会有regex_match、regex_search、regex_replace等函数可供调用，以下是测试代码：

#include "regex.hpp"
#include <regex>
#include <string>
#include <vector>
#include <iostream>

int test_regex_match()
{
    std::string pattern{ "\\d{3}-\\d{8}|\\d{4}-\\d{7}" }; // fixed telephone
    std::regex re(pattern);

    std::vector<std::string> str{ "010-12345678", "0319-9876543", "021-123456789"};

    /* std::regex_match:
        判断一个正则表达式(参数re)是否匹配整个字符序列str,它主要用于验证文本
        注意，这个正则表达式必须匹配被分析串的全部，否则返回false;如果整个序列被成功匹配，返回true
    */

    for (auto tmp : str) {
        bool ret = std::regex_match(tmp, re);
        if (ret) fprintf(stderr, "%s, can match\n", tmp.c_str());
        else fprintf(stderr, "%s, can not match\n", tmp.c_str());
    }

    return 0;
}

int test_regex_search()
{
    std::string pattern{ "http|hppts://\\w*$" }; // url
    std::regex re(pattern);

    std::vector<std::string> str{ "http://blog.csdn.net/fengbingchun", "https://github.com/fengbingchun",
        "abcd://124.456", "abcd https://github.com/fengbingchun 123" };

    /* std::regex_search:
        类似于regex_match,但它不要求整个字符序列完全匹配
        可以用regex_search来查找输入中的一个子序列，该子序列匹配正则表达式re
    */

    for (auto tmp : str) {
        bool ret = std::regex_search(tmp, re);
        if (ret) fprintf(stderr, "%s, can search\n", tmp.c_str());
        else fprintf(stderr, "%s, can not search\n", tmp.c_str());
    }

    return 0;
}

int test_regex_search2()
{
    std::string pattern{ "[a-zA-z]+://[^\\s]*" }; // url
    std::regex re(pattern);

    std::string str{ "my csdn blog addr is: http://blog.csdn.net/fengbingchun , my github addr is: https://github.com/fengbingchun " };
    std::smatch results;
    while (std::regex_search(str, results, re)) {
        for (auto x : results)
            std::cout << x << " ";
        std::cout << std::endl;
        str = results.suffix().str();
    }

    return 0;
}

int test_regex_replace()
{
    std::string pattern{ "\\d{18}|\\d{17}X" }; // id card
    std::regex re(pattern);

    std::vector<std::string> str{ "123456789012345678", "abcd123456789012345678efgh",
        "abcdefbg", "12345678901234567X" };
    std::string fmt{ "********" };

    /* std::regex_replace:
        在整个字符序列中查找正则表达式re的所有匹配
        这个算法每次成功匹配后，就根据参数fmt对匹配字符串进行替换
    */

    for (auto tmp : str) {
        std::string ret = std::regex_replace(tmp, re, fmt);
        fprintf(stderr, "src: %s, dst: %s\n", tmp.c_str(), ret.c_str());
    }

    return 0;
}

int test_regex_replace2()
{
    // reference: http://www.cplusplus.com/reference/regex/regex_replace/
    std::string s("there is a subsequence in the string\n");
    std::regex e("\\b(sub)([^ ]*)");   // matches words beginning by "sub"

    // using string/c-string (3) version:
    std::cout << std::regex_replace(s, e, "sub-$2");

    // using range/c-string (6) version:
    std::string result;
    std::regex_replace(std::back_inserter(result), s.begin(), s.end(), e, "$2");
    std::cout << result;

    // with flags:
    std::cout << std::regex_replace(s, e, "$1 and $2", std::regex_constants::format_no_copy);
    std::cout << std::endl;

    return 0;
}