正则匹配任意字符和空格（正则表达式的匹配规则）

正则表达式的组成元素？

我们在编码过程中无论前端或者后端或多或少会遇到正则表达式，她虽然不是必须的，但是锦上添花是一定的，所以我们有必要去掌握它的规则，读懂他，了解他的语义，直至自己按规则写出自己业务逻辑的正则表达式，比如我们在修改维护人家的代码或者赏析源代码看到类似的字符串

(<(w*)([^>]*)>)|((?<=>).*?(?=<))

如果我们不了解语义规则，是不是心里慌得一P，心里万马奔腾，啥玩意东西？我在哪里，我是谁，我不活了？

还是有必要花点时间来学习下，如果各位同学观赏了上面的表达式产生和作者当初一样的情绪，恭喜你，两种选择，

一：自己面壁去

二：点个关注，给码字的作者一点小小的鼓励再拿个小板凳，仔细听我详细分解

言归正传，我们首先理解正则表达式的第一个基本概念：

元字符(metacharacter)

当一个字符在正则引擎中赋予特殊意义，而不再代表字符本身含义，比如.在ASCII码中为46，在正则表达式语义环境中代表除开换行结束符之外任意字符，这句话究竟什么含义也？换句话说就是比如孙大圣的七十二变，根据具体的场景，他可以变成一只小小鸟，也可以变成一个漂亮小姐姐，或者其他任何东西，从引擎解析的角度可以假装是我们要找的那个东西，到达我们想要搜索结果，和我们sql里面的%通配符一样的语义

拆分正则表达式最小元字符组

文本字符:

代表字符的本身含义，比如字符a代表ASCII 码是97，他可以匹配你搜索字符串任何位置的a字符，相当于精确匹配。

匹配单个字符元字符：

从表达式构建来说，一次匹配模式可以由一个元字符构成，也可以由多个元字符构造一组元字符完成一次匹配，那么读懂正则表达式就必须要求你有一双慧眼，可以把正则表达式拆分成一个（组）一个（组）的一次匹配模式，画重点：拆

• [A-F0-9] 字符集合区间中任意一个字符都可以匹配，匹配一次消费一个搜索字符串字符
• d 0到9任意一个数字
• D 匹配非数字
• [A-Za-z0-9] 匹配任意大小写字母、数字
• w 和上面相同，匹配任意大小写字母、数字，因为正则语言规则最先是linux使用的，这种使用频率过高，语法太繁琐了，作者在引擎中又自定义了一个简单的元字符来表述该语义，如果我们自己实现的正则引擎，你可以随意发挥，用某个简单的符号(元字符)代表某一类语义.
• 一样的道理，其他还有很多，看你用具体哪个语法那种正则引擎，大致差不多，剩下的就仅仅是使用熟悉的过程而且 So easy!

转义序列元字符 ：

当我们想用元字符本身的语义去匹配我们的搜索字符串的时候，用来让正则引擎定义的元字符回归本源，比如我们想匹配IP地址：(d{1,3}.){3}d{1,3} 其中当正则引擎解析到.仅仅能匹配字符.，而不是匹配除开换行结束符之外任意字符。

位置匹配：

（零宽断言）只匹配位置，不匹配字符，不consume字符，比如

• ^ 匹配字符串的边界，行首
• $ 匹配字符串的边界，行尾
• b一个单词的边界

//eg://功能：清理空白行final String regex = "^s*?n";final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);String input = "

替换清理如图文本空行，该表达式可以拆分成三组元字符组：

• regex[0] = ^表示断言一行的起始位置
• regex[1] = s*? 表示匹配任意多个字符匹配空白符(等价于[rntfv ])
• regex[2] = n 表示匹配换行符最后匹配到的结果替换为字符串空，即实现删除空白行

量词元字符：

重复匹配，定位前面(文本元字符|字符元字符|分组元字符组)匹配重复的次数

• ? 匹配字符或者字符集合出现0次或者1次
• * 匹配字符或者字符集合出现0次或者n次
• + 匹配字符或者字符集合出现1次或者N次
• {m} 匹配模式必须出现m次
• {m,} 匹配模式最少出现m次，最多无穷N次
• {m,n} 匹配模式最少m次，最多n次

分组捕获元字符( ):

该分组类所有元字符组匹配看着一个完整分组作为一次匹配，而且查找最近的配对闭合括弧作为一个完整的子模式，注意该分组里面也许有N多个子分组，一定要追溯到所有的子分组闭合之后，分组是正则表达式一个重要的概念，但是对于我们目前仅仅学习如何拆分一个正则表达式够了，具体子表达式具体开文详细讲。

条件选择元字符 或 |:

表示几个并行的条件，只要其中一个满足，就匹配成功

String regex1 = "(li|zh)ang";// regex1:既能匹配liang也可以匹配zhangString regex2 = "[li|zh]ang";// 注意和范围单个字符匹配的不同,regex2这样写可以匹配lang iang |ang zang hang 这种组合

实战：根据上面的准备，我们来拆分开篇正则表达式： (<(w*)([^>]*)>)|((?<=>).*?(?=<))

拆分过程：

//第一次拆分：var group1 = regex[0] = (<(w*)([^>]*)>); (这个我不认识(｡•ˇ‸ˇ•｡))var group2 = regex[1] = | ；（这个我认识，分支条件嘛）var group3 = regex[2] = ((?<=>).*?(?=<))；(这个我不认识(｡•ˇ‸ˇ•｡))//第二次拆分：继续拆分group1元字符组：var group1_child_1 = group1[0] = < （这个我认识哦，原来你是匹配字符<）var group1_child_2 = group1[1] = (w*) (原来你是配置任意大小写字母、数字，想想，哦原来作者这里是匹配html元素标签啊，比如div、img)var group1_child_3 = group1[2] = ([^>]*)(匹配直到出现>前的任意字符)var group1_child_4 = group1[3] = >(匹配字符>)组合起来改组就是匹配一个html元素的开始带属性的标签，比如：<div id="header">，MD，原来如此的简单....继续分解，知道拆分成一个一个有意义的子模式，按规则组织匹配字符，让后我们就能读懂该正则表达式的终极奥义。

总结：

关键字：零宽断言 元字符 分组 拆

有了这几个术语的概念，你可以把一个正则表达式庖丁解牛分成一个一个基础的元字符，弄明白他的意义，中间有不明白的元字符定义，可以查查资料，那么恭喜你，正则表达式你花5分钟就入门了。