【正则表达式】正则表达式基本语法元素

字符类

.：匹配除换行符之外的任何单个字符。
[abc]：匹配方括号内的任何字符。
[^abc]：匹配不在方括号内的任何字符。
[a-z]：匹配任何小写字母。
[A-Z]：匹配任何大写字母。
[0-9]：匹配任何数字。
\d：匹配任何数字，等价于 [0-9]。
\D：匹配任何非数字字符。
\w：匹配任何单词字符（等价于 [a-zA-Z0-9_]）。
\W：匹配任何非单词字符。
\s：匹配任何空白字符（如空格、制表符、换行符等）。
\S：匹配任何非空白字符。

量词

*：匹配前面的元素零次或多次。
+：匹配前面的元素一次或多次。
?：匹配前面的元素零次或一次。
{n}：匹配前面的元素恰好 n 次。
{n,}：匹配前面的元素至少 n 次。
{n,m}：匹配前面的元素至少 n 次，但不超过 m 次。

边界匹配

^：匹配输入字符串的开始位置。
$：匹配输入字符串的结束位置。
\b：匹配一个单词边界。
\B：匹配非单词边界。

逻辑和分组

|：匹配 | 两侧的任一模式。
()：捕获括号，用于分组和提取子匹配。
(?:...)：非捕获括号，只用于分组，不提取子匹配。
(?=...)：正向肯定预查，断言自身位置后面能匹配表达式。
(?!...)：正向否定预查，断言自身位置后面不能匹配表达式。
(?<=...)：反向肯定预查，断言自身位置前面能匹配表达式。
(?<!...)：反向否定预查，断言自身位置前面不能匹配表达式。

转义和特殊字符

\：转义字符，用于转义特殊字符或指定特殊序列（如 \n 表示换行符）。

验证正则表达式是否能够成功提取数据

使用https://rubular.com/网站：

解释这里的正则表达式.+uri:(?<uri>[\w\/]+) got a pv, c_time:(?<c_time>\d+), idc:(?<idc>\w+), errno:(?<errno>\d+)：

1. .+：

   • . 匹配任意单个字符（除了换行符）。
   • + 表示前面的元素（即.）可以出现一次或多次。
   • 所以 .+ 匹配任意长度的字符序列（至少一个字符），直到遇到后面的模式为止。

2. uri:：

   • 这部分直接匹配文本中的 “uri:” 字符串。

3. (?<uri>[\w\/]+)：

   • 这是一个命名捕获组，名为 uri。
   • [\w\/]+ 匹配一个或多个单词字符（\w，等价于 [a-zA-Z0-9_]）或斜杠字符（\/）。
   • 这部分用于捕获 URI 路径，它可能包含字母、数字、下划线和斜杠。

4. got a pv,：

   • 这部分直接匹配文本中的 “got a pv,” 字符串。

5. c_time:(?<c_time>\d+)：

   • c_time: 直接匹配文本中的 “c_time:” 字符串。
   • (?<c_time>\d+) 是一个命名捕获组，名为 c_time。
   • \d+ 匹配一个或多个数字字符。
   • 这部分用于捕获 c_time 的值，它应该是一个或多个数字。

6. idc:(?<idc>\w+)：

   • idc: 直接匹配文本中的 “idc:” 字符串。
   • (?<idc>\w+) 是一个命名捕获组，名为 idc。
   • \w+ 匹配一个或多个单词字符。
   • 这部分用于捕获 idc 的值，它应该是一个或多个字母、数字或下划线。

7. errno:(?<errno>\d+)：

   • errno: 直接匹配文本中的 “errno:” 字符串。
   • (?<errno>\d+) 是一个命名捕获组，名为 errno。
   • \d+ 匹配一个或多个数字字符。
   • 这部分用于捕获 errno 的值，它应该是一个或多个数字。