正则表达式核心（二）

好了，在理解了正则的作用和基本规则之后，该如何写正则呢？
正则表达式是由一系列元素按照语法组成的，我根据他们的特性，基本分为以下6类：

1. 元字符-量词类
2. 元字符-特殊类
3. 特征修饰符Pattern modifier
4. 转义
5. 子组
6. 断言
7. 引用

这样的分类是帮助你理解的，不用背，记住正则是工具，是拿来用的。下面我每一类分别讲重点。

元字符-量词类Repetition

元字符是一些字符被赋予特殊的涵义，使其不再单纯的代表自己，可以理解为正则表达式中的特殊代码，先说最常见的量词。

量词在正则中表示重复的意思，只修饰紧跟它之前的对象，可能是一个字符，可能是一个子组，这一点很重要，新手经常会搞错。

比如 .*abc 匹配 ”aabc”， 但是 .*+abc 不会匹配， 
因为 .*+ 会吃掉整个字符串，从而导致后面剩余的模式得不到匹配。
复制代码

[aeiou]{3,} 匹配至少三个连续的元音字母
复制代码

PHP官方文档里有这么个例子，写的挺好：
/\*.*\*/   //用这个表达式来匹以下字符串，/*任意字符0个或多个*/
/* first comment*/ not comment /*second comment*/
默认情况下会匹配全文
而如果将表达式改为/\*.*?\*/,则只会匹配/* first comment*/

另外，我在上一篇提到广义上的贪婪，看下面2个例子：
用表达式'a*?3'，去匹配a3，按理说它应该只会匹配一个数字3，但其实它同样会匹配a3；
再看一个：'\d+?a',去匹配'133456789654a'，为了能尽量满足匹配，即使使用了懒惰模式，依然会匹配整个字符
这就是广义上的贪婪，对整个表达式而言的最大字符匹配，这个永远生效。
复制代码

另外，我们还可以通过一个不匹配任何字符的子模式后面紧跟一个*来构造一个没有上限的无限循环。比如： (a?)*

元字符-特殊类Meta-characters

需要重点关注：

先介绍它，是因为同样一个元字符和在[]内外有不同含义，
大部分元字符在[]内都失去了它们的特殊含义，但以下几个除外:

^ 仅在作为第一个字符(方括号内)时，表明把[]内的所有字符类取反,
比如[^()]表示所有不是（）的字符；例如，[^aeiou]匹配所有非元音字母的字符。

- 标记字符范围，比如[W-c]等价于[wxyzabc]在大小写不敏感情况下；

\ 转义，这个和[]外一样，同时一些转义字符也可以应用在[]内，
比如\d,\D \w,\W 
复制代码

接下来讲[]外的特殊元字符：

可选分支注意以下3点：
允许匹配空字符串的可选路径；

匹配的处理从左到右尝试每一个可选路径，使用第一个成功匹配的，
所以使用时要注意分支的顺序；

符号前面的所有内容（并非紧跟的）和后面的内容，为2个分支，
如果在子组里使用(|)，则|前面的所有子组内容与|后面的构成2个分支;
复制代码

特征修饰符Pattern Modifier

正则里有一类字符比较特殊，它是用来修改整个匹配规则的，它的效果有3种：

举例说明：
第一种：'/CAT[AEiou]/i'，分隔符/后面的i将整个表达式不再区分大小写
第二种：’/CAT(?i)[AEiou]/',将(?i)直接放到主表达式，影响的是之后的[AEiou]不再区分大小写
第三种：'/(a(?i)Bc|d)/'可以匹配aBC,abC,abD等，这种影响也会穿透到可选分支
复制代码

下面讲几个比较常用的特征修饰符：

特征修饰符在使用中，可以多个并列使用，比如(?im) 设置表明多行模式且大小写不敏感。同样可以用它来取消这些设置， 比如 (?im-sx) 设置了同时取消了PCRE_DOTALL 和 PCRE_EXTENDED模式。