正则表达式考点

正则表达式是计算机科学中处理字符串模式匹配和替换的强大工具，广泛应用于文本处理、数据校验、信息抽取等领域。以下是其核心考点梳理：

一、语法基础与核心概念

普通字符：字母、数字、汉字等直接匹配自身。
元字符：
- .：匹配除换行符外的任意单个字符。
- \d与 \D：匹配数字 / 非数字。
- \w与 \W：匹配单词字符（字母、数字、下划线）/ 非单词字符。
- \s与 \S：匹配空白字符（空格、制表符等）/ 非空白字符。
- ^与 $：匹配字符串的开始与结束。
字符类 ：[abc]匹配 a、b 或 c 中的任意一个；[^abc]匹配任意不包含在其中的字符。
量词
- *：匹配前面的子表达式零次或多次。
- +：一次或多次。
- ?：零次或一次。
- {n}：恰好 n 次。
- {n,}：至少 n 次。
- {n,m}：至少 n 次，至多 m 次。
贪婪与非贪婪匹配 ：默认量词是贪婪的（尽可能多匹配），在其后加 ?变为非贪婪（惰性，尽可能少匹配）。
选择、分组与引用
- |：表示"或"关系。
- (pattern)：分组，可捕获子匹配。(?:pattern)为非捕获分组。
- \1, \2：向后引用，引用前面第 n 个分组捕获的内容。
零宽断言
- (?=pattern)：正向肯定预查（先行断言），匹配位置后需满足 pattern。
- (?!pattern)：正向否定预查。
- (?<=pattern)：反向肯定预查（后行断言），匹配位置前需满足 pattern。
- (?<!pattern)：反向否定预查。

转义：在正则中，元字符 .、*、+、?、\`、[、]、(、)、{、}、^、$、|等有特殊含义，要匹配它们本身，需用反斜杠`转义。在编程语言字符串中，正则字面量通常写在字符串内，需注意语言本身的反斜杠转义规则，常需双重转义（如 \\d匹配数字）。
模式修饰符 ：如 i（忽略大小写）、g（全局匹配）、m（多行模式，使 ^和 $匹配行首行尾）、s（单行模式，使 .也能匹配换行符）。
常用模式示例
- 匹配整数：-?\d+
- 匹配浮点数：-?\d+(\.\d+)?
- 匹配邮箱（简化版）：\w+@\w+\.\w+
- 匹配 URL（简化版）：https?://[^\s]+
- 匹配中文字符：[\u4e00-\u9fa5]（在支持 Unicode 的引擎中）。

函数与方法：在不同语言中，常用方法如：
- 测试匹配：test()、match()、search()
- 查找匹配：match()、exec()、findall()、finditer()
- 替换：replace()、sub()、subn()
- 分割：split()
性能优化：
- 避免过度回溯，尤其是涉及嵌套量词时。
- 尽量使用具体字符代替通配符。
- 优先使用非贪婪匹配处理不定长文本。
常见陷阱
- 贪婪匹配导致意外结果。
- 忘记转义特殊字符。
- 对多行文本处理时，未正确使用 ^和 $与多行模式。

正则表达式本质是定义一个字符串的匹配规则，核心在于精确描述所需模式，并理解引擎如何进行匹配、回溯与捕获。