cjx最近在做爬蟲的項目，急切需要在頁面中抓取自己想要的內容，但是透過邏輯判斷獲取實在是過於複雜。我很慶幸有正規表示式這個利器，很多事情都能夠輕鬆辦到，cjx之前也有了解一些關於正規表示式的知識。不過一直處於理解不徹底的狀態，很難有效的自己寫一個滿意的正規表示式出來。最近在網路上發現有本Jeffrey E.F.Fried寫的 精通正規表示式。 看了第一章突然發現自己能寫幾個正則了，呵呵~~~ cjx突然有一種從屌絲升級成高富帥的感腳...下面對書上的第一章做了下總結~
行的起始和結束
或許最容易理解的元字符就是脫字符號^和美元符號$了，在檢查一行文本時，^代表一行的開始，$代表結束。
讀者最好養成按照字符來理解正規表示式的習慣。 例如，不要這樣：
^cat 匹配以cat開頭的行
而應該這樣理解：
^cat 匹配的是以c作為一行的第一個字符，緊接一個a，緊接一個t的文本。
這兩種理解的結果並無差異，但按照字符來解讀更容易明白新遇到的正則表達式的內部邏輯。
符合若干字元之一
如果我們需要搜尋的是單字"grey"，同時又不確定它是否寫作"gray"，就可以使用正規表示式結構體[...]。它容許使用者列出在某處期望的匹配的字符，通常被稱作字符組。
所以，gr[ea]y的意思是：先找到g，跟著的是一個r，然後是一個a或e，最後是一個y。
在字元組內部，字元租元字元 '-' 表示一個範圍:
[0-9A-Z_!.?] 能夠匹配一個數字、大寫字母、下劃線、驚態號、點號或問號。
排除型字元組
用[^...] 來取代 [...] 這個字元組就會符合任何未列出的字元。例如:[^1-6] 匹配了除了1到6以外的任何字元。這個組中開頭的^表示排除，所以這裡列出的不是希望匹配的字符，而是不希望匹配的字符。
用點號匹配任意字符
元字符. 是用來匹配任意字符的字符組的簡便寫法。如果我們需要在表達式中使用一個"來匹配任何字元" 的佔位符，用點號就很方便。
匹配任意子表達式
元字符 | 是一個非常簡潔的元字符，它的意思就"或" 。依靠它，我們能夠把不同的子表達式組合一個總的表達式，而這個總的表達式又能夠匹配任意的子表達式。
可選項元素
現在來看color和colour的匹配。它們的差別在於，後面的單字比前面的多一個u，我們可以用coloru?r 來解決這個問題。元字元? (也就是問號)代表可選項。把它加在一個字符的後面，就表示此處容許出現這個字符，不過它的出現並非匹配成功的必要條件。
其他量詞:重複出現
+(加號)和*(星號)的作用與問號類似。元字元+ 表示之前緊鄰的元素出現一次或多次，而* 表示之前緊鄰的元素出現任意多次，或不出現。
接下來看類似
括號及反向引用
到目前為止，我們已經見過括號的兩種用途：1.限制多選項的範圍；2.將若干字符組合為一個單元，受問號或星號之類量詞作用。現在我要介紹括號的另外一種用途即反向引用，雖然它在egrep中並不常見(不過流行的GNU版本確實支援這一功能)，但在其他工具軟體中很常見。
在支援反向引用的工具軟體中，括號能夠"記憶"其中的子表達式匹配的文本，不論這些文本是什麼，元字符序列1 都能夠記住它們。
當然，在一個表達式中我們可以使用多個括號。再用1、2、3等來表示第一、第二、第三組括號相符的文字。括號是按照開括號'(' 從左到右的出現順序來進行的，所以([a-z])([0-9])12 中的1代表[a-z] 匹配的內容，而2 代表[0- 9]配對的內容。義符來實現這些特殊元符號的匹配。
一些有用的簡記
t 製表符
n 換行符
r 回車符
s 任何空白字符，如空格、換行、tab縮進等所有的空格符
S 任何空格符之外的任何字符🎠 [a-zA-Z0-9] 在w+ 中非常有用，可以用來匹配一個單字
W 除w 之外的任何字符
d [0-9]，即數字
D 除d 外的任何字符，即[^0-9]
