正则表达式 看完这些就够了
又好久没写文章了，最近攒了几个话题，还没来得及写，在年末的最后一天，还是要写一篇，跨年啦~一篇文章写到2020年。不抛弃不放弃，过几年再看看现在写的，就如同我现在看之前写的。还有就是刚刚研究了一下如何做个标题党，来了一个（哈哈）。废话不多说，开始正题。
我们都会或多或是的用到过正则匹配，大家真的清楚用的是哪种正则吗？各种语言的正则又有哪些异同呢？
目录
2.1.3 [阻止回溯匹配（Possessive repeats）]
2.1.4 [反向引用（回引 back references）]
4 boost::regex 和 std::regex 的性能对比
1 各种各样的正则表达式
翻看boost, cplusplus的官方文档可以看出来，主要有三种正则表达式：基本的正则表达式（Basic RegEx），扩展的正则表达式(Extended RegEx)，Perl正则表达式（Perl RegEx）.
图 1 boost 库中主要支持的三种正则表达式。boost::regex 默认使用的是 Perl 正则表达式。
图2 c++标准库中主要支持的正则表达式。std::regex 默认使用使用的是 ECMAScript 正则表达式（后面再来讲讲ECMAScript是什么）。
2 boost::regex 的简单介绍
boost::regex e1(my_expression); 默认设置的式boost::regex::perl，perl 和其他正则类型比较起来支持的内容更多，兼容性也就更好。
2.1 Perl 正则表达式
2.1.1 基本字符含义
除了下面的字符以外，其他字符都和自己匹配，
. [ { } ( ) \ * + ? | ^ $
. 表示任意一个字符
^ 匹配开头字符
$ 匹配结尾字符
() 子表达式，可以把子表达式作为一个单元进行正则处理。
这里有个副作用，在结果中会有匹配子串的字段，小括号里面用 ?: 可以屏蔽捕获。例如(?:ab)+
*匹配前面的原子（preceding atom）0次或多次
+匹配前面的原子（preceding atom）1次或多次
?匹配前面的原子（preceding atom）0次或1次
a{n} 匹配a字符n次
a{n,} 匹配a字符n次或更多次
a{n, m} 匹配a字符n到m次
2.1.2 [贪婪模式] 和 [非贪婪模式]
贪婪模式会尽可能多的匹配，如 字符串abcdc, 正则a*c，会匹配到abcdc，而非贪婪匹配结果为abc，匹配到结果就好，不需要匹配的那么多。非贪婪模式需要添加 ？表示，如a*?c.
*?表示匹配前面的原子0次或多次，最短匹配
+?表示匹配前面的原子1次或多次，最短匹配
??表示匹配前面的原子0次或1次，最短匹配
{n,}? 匹配前面的原子n次或多次，最短匹配
{n, m}? 匹配n到m次，最短匹配
2.1.3 [阻止回溯匹配（Possessive repeats）]
默认，如果剩下的表达式匹配失败了，那么是允许回溯，再次进行匹配的，但是可以阻止回溯。
下面的 加号 + 表示不回溯。
*+表示匹配前面的原子0次或多次，不允许回溯
++表示匹配前面的原子1次或多次，不允许回溯
?+表示匹配前面的原子0次或1次，不允许回溯
{n,}+ 匹配前面的原子n次或多次，不允许回溯
{n, m}+ 匹配n到m次，不允许回溯
2.1.4 [反向引用（回引 back references）]
就是用 \n , n为1-9，引用当前正则前面的子表达式。
例如 ^(a*)[^a]*\1$，这里的 \1 表示引用该正则表达式中第一个子表达式 (*a). 也可以使用 \g1 等价于 \1. （这里需要注意的是，匹配字符串aaabbaaa， 但是不会匹配aaabba，\1位置的子串要和引用的第一个子表达式所匹配的子串一致，才能匹配。）
\g{n} 这里的n可以大于9.
\g-1 引用最后一个子表达式。
\g{-2} 引用倒数第二个子表达式。？
\g{one} 或 \k<one>引用名为“one”的子表达式。
子表达式命名方式：(?<name>expression) 或 (?'name'expression)
2.1.5 [替换 alternation]
expression1 | expression2 或 （expression1 | expression2 ） 表示 expression1 或 expression2.
注意：不允许其中一个表达式是空的，如 |abc, expression1为空，这样的表示方法不被允许，可以转换为 (?:)|abc 或是 (?:abc)??
2.1.6 [字符集合]
用 [] 表示字符集合，可以匹配其中的任意一个字符，[]后面可以配合*，+，？，{n, m} 使用，表示匹配几次。
单一字符表示：[abc]
字符序列表示：[a-z]
2.1.7 [取反]
用^表示取反，如[^a-c]，匹配不在a-c范围的任意字符。
2.1.8 [字符类]
用 [[:name:]]，匹配字符类（name字符类名），如[[:lower:]] （等价于\L）匹配小写字符。
下面列举了boost.regex 支持的字符类。
2.1.9 [单词边界]
< 匹配单词开始
> 匹配单词结尾
\b 匹配单词开始和结尾，如\bword\b
\B 匹配非单词的边界，也就是匹配符号和符号，单词和单词的边界，不匹配单词和符号的边界。
还有一些正则，用的不多，这里就不介绍了。。。
2.2 POSIX extended 正则表达式
boost::regex e1(my_expression, boost::regex::extended);
大部分用法和 perf 正则是一样的，通过看文档没有perf支持的丰富，不过常用的基本能够满足。
区别: \< 匹配单词开始 \> 匹配单词结尾
2.3 POSIX Basic 正则表达式
boost::regex e1(my_expression, boost::regex::basic);
和perf，POSIX extended 比较起来 支持的正则表达更少了。
基本支持：.[\*^$ 这几个字符表达特殊含义，其他的字符都与自身匹配。
子表达式需要用\( , \)，小括号前加\.
2.4 boost 正则操作主要使用的接口
#include <boost/regex.hpp>
regex_match 需要字符串和正则表达式完全匹配，主要用于验证数据输入。
regex_search 查找字符串和正则表达式匹配的部分，不要求完全匹配。
regex_replace 对所有正则匹配的位置进行替换。
3 std::regex 的简单介绍
标准库的正则和boost::perl的正则基本兼容，这里不再一一列举。
主要的函数接口也同boost，有regex_match， regex_search， regex_replace。
4 boost::regex 和 std::regex 的性能对比
这里有PCRE，boost, std 的性能对比。
5 谈谈其他语言的 regex
PHP的正则叫做PCRE ,有一些和perl不同之处，具体见： https://www.php.net/manual/zh/reference.pcre.pattern.differences.php
6 正则表达式工具
6.1 正则表达式在线分析工具regexper
这个是 支持JavaScript-style正则表达式的可视化分析工具，除了js外的正则规则，像子串命名，反向引用等不支持。
从他的gitlib（ https://gitlab.com/javallone/regexper-static）中可以看出也有人提出支持其他的正则类型的需求，不过作者的初衷还是只支持js的正则，不过js的正则常用的正则都兼容，也是基本够用的。
6.2 perl在线正则测试工具
6.3 正则表达式在线测试工具
不过这个工具自测有些特别的perl 并不支持， perl的还是使用第2个工具比较好。
6.4 各种语言正则的写法工具
支持js, php, go,rb,py, java.
参考资料：
boost::regex ：https://www.boost.org/doc/libs/1_72_0/libs/regex/doc/html/boost_regex/syntax/perl_syntax.html
c++ std::regex : http://www.cplusplus.com/reference/regex/basic_regex/basic_regex/