正则表达式: 使用regex进行模糊查询
Regex
基本介绍
Regex全称Regular Expression，译为正则表达式或正规表达式Regex最常用于文本内容的模糊搜索，旨在使用一系列的语法规则高效地匹配任意文本- 抽象定义如下：
- 字母表：由所有可能出现的字符组成的集合
- 串：空串以及字符集中的字符的组合
- 语言：串的集合
- 正则表达式：经过形式化描述的规则，文本内容(整个语言)经过给定的正则表达式得到匹配结果(语言的子集，称为正规集)
- 正则表达式用一系列简洁的符号来表示语言(字符串集合)的运算：
- 语言的并(即两边集合的任意元素)：
(r) | (s) - 语言的连接(即在左边集合的任意串后拼接右边集合的任意串)：
(r)(s) - 语言的闭包(即集合中的串出现任意次地连接起来)：
(r)* - 语言的正闭包(即集合中的串出现至少一次地连接起来)：
(r)+实际上是一个语法糖，等价于(r)(r)* - 语言与空串的并(语法糖)，表示集合中的串出现至多一次：
(r)? - 运算的优先级：
* > 连接 > |
- 语言的并(即两边集合的任意元素)：
- 在实现上，正则表达式拥有多套标准
POSIX在制定类Unix操作系统的接口时顺带制定了regex的标准，POSIX标准又分为基础BRE与扩展ERE两种Perl语言经过多次迭代后由于其regex功能十分强大好用，出现了PCRE标准，可以说它是一套工业标准
PCRE
PCRE全称Perl Compatible Regular Expressions，是用C编写的兼容Perl(一种不再流行的语言)正规式语法的正则表达式库 现在的大多数编程语言的正则表达式库属于PCRE派系，因此它也成为了一种标准
匹配、分组、环视
- 默认情况下，正则表达式会正向扫描，并将匹配成功的文本消耗掉，因此实现单遍扫描的效果 如果希望使用已经被扫描过的字符，可以由以下方法实现：
- 默认情况下，正则表达式会贪婪地消耗字符，例如面对
a.*a这样的表达式，它不会遇到两个a就停止而是继续匹配直到遇到最后一个a - 分组：由元字符
()括起，一个分组可以表示一个完整的正则表达式，分组有以下类型：- 匿名捕获分组：类似
(exp)的分组，它会消耗匹配的字符，同时存储它们，随后可用\正整数引用第正整数个分组的匹配结果 注意引用分组结果和完整的正则表达式不一样，它们等价于匹配的结果而不是正则表达式 - 非捕获分组：类似
(?:exp)的分组，它会消耗匹配的字符，但不会存储它们 - 命名捕获分组：类似
(?P<name> exp)的分组，在匿名捕获分组的基础上，它会将匹配结果赋给name，命名分组同时也会占用整数引用(相当于有两个名字) 定义命名捕获分组后，可以使用(?P=<name>)引用由name这个分组匹配到的字符串
- 匿名捕获分组：类似
- 如果希望不消耗字符，即多遍扫描，可以使用环视，或者称为预查
预查是一种零宽度断言，会不消耗字符地检查后续(正向)、之前(反向)的文本是否存在能被
exp匹配上的匹配项 这种行为通常用于条件判断，防止匹配过程中把检查项中间的文本也消耗掉了，导致中间的文本没有经过检查 肯定正向预查：类似(?=exp)的表达式 否定正向预查：类似(?!exp)的表达式，返回肯定正向预查的相反值 肯定反向预查：类似(?<=exp)的表达式 否定反向预查：类似(?<!exp)的表达式 这里的反向指的是在右边表达式的匹配项的位置上，从右到左查找 零宽度断言十分有用，例如当我们需要依据边界来获取内容，但又不希望匹配到边界字符本身的时候，使用预查十分有效
其它常用元字符
- 在实现上，此前所说的
*、+、?等由于拥有额外的含义，因此自然地需要区分转义与非转义，这些字符称为元字符 元字符不一定是转义/非转义字符，例如*、+、?等不需要用\转义就能表达特殊含义，b、z等需要用\转义才能表达特殊含义 .：匹配除\n外的任意字符- 锚点字符：确定匹配位置，它们是零宽度的断言，仅匹配但不消耗字符，可以理解为匹配一个间隙
实际上它们算是一些语法糖，都可以用预查来表示
^：匹配一行的开始位置$：匹配一行的结束位置\b：匹配字母与非字母之间的位置\B：匹配字母与字母之间的位置\G：匹配上一次匹配结束的位置，用于链式搜索\A、\Z、\z：匹配整个文件的开始、第一行结束、结束 - 量词字符：作用于前面的正则表达式，表示匹配的个数
*：匹配任意次?：匹配至多一次+：匹配至少一次{n}：匹配恰好n次{n, }：匹配至少n次{a, b}：匹配至少a次、至多b次- 惰性匹配：在上述量词后添加
?，这个匹配项会尽可能少地匹配字符
- 字符组：匹配集合内的单个字符
[]：字符集合应由[]括住-：在字符集合里，如果被两个字符夹住，则a-b表示从a到b的连续字符 例如[a-z]表示匹配一个a到z的字符^：若出现在[]内的开始位置，则表示反集，匹配不在集合内的单个字符 例如[^a-z]表示匹配一个不是a到z的字符- 此外，还有一些元字符等价于常用的字符组(但可能部分语言不支持)：
\w等价于[a-zA-Z0-9]，\W等价于[^a-zA-Z0-9]\s等价于[ \t\n\r]，\S等价于[^ \t\n\r]\d等价于[0-9]，\D等价于[^0-9]
|：用于分割不同的表达式，通常用法是由()包裹并随之使用量词来实现分支结合多次选择的效果|的优先级是小于()的- 关于转义：需要看被什么环境包裹
- 如果最外层为
()，说明内部会被视为正常的完整的表达式，所有元字符是否转义的规则同上 - 如果除去最外层的所有
()后剩下的最外层为[]，说明内部是字符类，大部分字符(包括元字符)不需要用\转义就能表示普通字符
- 如果最外层为