正則表達式 影片+PDF 教學 [Regular Expression Teaching]

資料來源: https://www.youtube.com/watch?v=VFOj_sjuBmk

GITHUB: https://github.com/jash-git/Regular-Expression-Teaching

線上編譯器: https://regex101.com/

正規表示式/ 正規表達式文字摘要

. 點，匹配任何字符
^ 開始錨，匹配字符串的開頭
$ 結束錨，匹配字符串的結尾
* 星號，匹配零個或多個（貪婪）
+ 加號，匹配一個或多個（貪婪）
？ 問題，匹配零或一（非貪婪）
[abc] 字符類，如果{‘a’，’b’，’c’}中的一個匹配則匹配
[^abc] 反相的類，如果不是{‘a’，’b’，’c’}中的一個，則匹配。注意：此功能當前在某些字符範圍內無效！
[a-zA-Z] 字符範圍，範圍的字符集{a-z | A-Z}
\s 空格，\t \f \r \n \v和空格
\S 非空白
\w 字母數字，[a-zA-Z0-9_]
\W 非字母數字
\d 位數字，[0-9]
\D 非數字

. Dot, matches any character
^ Start anchor, matches beginning of string
$ End anchor, matches end of string
* Asterisk, match zero or more (greedy)
+ Plus, match one or more (greedy)
? Question, match zero or one (non-greedy)
[abc] Character class, match if one of {‘a’, ‘b’, ‘c’}
[^abc] Inverted class, match if NOT one of {‘a’, ‘b’, ‘c’} NOTE: This feature is currently broken for some usage of character ranges!
[a-zA-Z] Character ranges, the character set of the ranges { a-z | A-Z }
\s Whitespace, \t \f \r \n \v and spaces
\S Non-whitespace
\w Alphanumeric, [a-zA-Z0-9_]
\W Non-alphanumeric
\d Digits, [0-9]
\D Non-digits 

正則表達式的語法規則：

編號	字元	描述

01	 \	 將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後參照、或一個八進制轉義符。例如，「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。
02	 ^	 匹配輸入字串的開始位置。如果設定了RegExp物件的Multiline屬性，^也匹配「\n」或「\r」之後的位置。
03	 $	 匹配輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性，$也匹配「\n」或「\r」之前的位置。
04	 *	 匹配前面的子運算式零次或多次。例如：Gooo*gle 能匹配 Google、Goooooogle。* 等於 {0,}。
05	 +	 匹配前面的子運算式一次或多次。例如：Gooo+gle 能匹配 Gooogle、Goooooogle，但不能匹配 Google。+ 等於 {1,}
06	 ?	 匹配前面的子運算式零次或一次。例如：Gooo?gle 只能匹配 Gooogle 和 Google。? 等於 {0,1}
07	 {n}	 n是一個非負整數。匹配確定的n次。例如：o{3} 能匹配 Gooogle 的 ooo，但不能匹配 Google。
08	 {n,}	 n是一個非負整數。至少匹配n次。
09	 {n,m}	 m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次
10	 ?	 當該字元緊跟在任何一個其他限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配範式是非貪婪的。非貪婪範式儘可能少的匹配所搜尋的字串，而預設的貪婪範式則儘可能多的匹配所搜尋的字串。
11	 .	 匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元，請使用像「[.\n]」的範式。
12	 (pattern)	 匹配pattern並獲取這一匹配。( ... ) 有群組的意思。例如：(ab) 能匹配 abc 中的 ab，但不能匹配 acc。
13	 (?:pattern)	 匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行儲存供以後使用。例如：run(?:n|ning) 能匹配 running 整個字串，並且從此字串後繼續比對。 
14	 (?=pattern)	 正向預查，在任何匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如：Office(?=2003|2007|2010) 能匹配 Office2003 中的 Office，但不能匹配 Office2005 中的 Office，而從 Office 字串後繼續比對。
15	 (?!pattern)	 負向預查，在任何不匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如：Office(?!2003|2007|2010) 能匹配 Office2005 中的 Office，但不能匹配 Office2010 中的 Office，而從 Office 字串後繼續比對。
16	 x|y	 匹配x或y。
17	 [xyz]	 字符集合。匹配所包含的任意一個字元。
18	 [^xyz]	 負值字符集合。匹配未包含的任意字元。
19	 [a-z]	 字元範圍。匹配指定範圍內的任意字元。
20	 [^a-z]	 負值字元範圍。匹配任何不在指定範圍內的任意字元。
21	 \b	 匹配一個單詞邊界，也就是指單詞和空格間的位置。
22	 \B	 匹配非單詞邊界。
23	 \cx	 匹配由x指明的控制字元。例如，\cM匹配一個Control-M或Enter符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的「c」字元。
24	 \d	 匹配一個數位字元。\d 等於[0-9]。
25	 \D	 匹配一個非數位字元。\D 等於[^0-9]。
26	 \f	 匹配一個換頁符。\f 等於\x0c和\cL。
27	 \n	 匹配一個換行符。\n 等於\x0a和\cJ。
28	 \r	 匹配一個Enter符。\r 等於\x0d和\cM。
29	 \s	 匹配任何空白字元，包括空格、製表符、換頁符等等。\s 等於[\f\n\r\t\v]。
30	 \S	 匹配任何非空白字元。\S 等於[^\f\n\r\t\v]。
31	 \t	 匹配一個製表符。\t 等於\x09和\cI。
32	 \v	 匹配一個垂直製表符。\v 等於\x0b和\cK。
33	 \w	 匹配包括底線的任何單詞字元。\w 等於「[A-Za-z0-9_]」。
34	 \W	 匹配任何非單詞字元。\W 等於「[^A-Za-z0-9_]」。
35	 \xn	 匹配n，其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數位長。例如，「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則運算式中可以使用ASCII編碼。
36	 \num	 匹配num，其中num是一個正整數。對所獲取的匹配的參照。例如，「(.)\1」匹配兩個連續的相同字元。
37	 \n	 標識一個八進制轉義值或一個向後參照。如果\n之前至少n個獲取的子運算式，則n為向後參照。否則，如果n為八進制數位（0-7），則n為一個八進制轉義值。
38	 \nm	 標識一個八進制轉義值或一個向後參照。如果\nm之前至少有nm個獲得子運算式，則nm為向後參照。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後參照。如果前面的條件都不滿足，若n和m均為八進制數位（0-7），則\nm將匹配八進制轉義值nm。
39	 \nml	 如果n為八進制數位（0-3），且m和l均為八進制數位（0-7），則匹配八進制轉義值nml。
40	 \un	 匹配n，其中n是一個用四個十六進制數位表示的Unicode字元。例如，\u00A9匹配版權符號（©）。

詳細完整教學影片:

快速 切割/拆解/分割/拆分 字串 資料 測試範例 [爬蟲(spider)基礎]:

EX: PHP/C# 正則(正規)表達式 HTML 圖片標籤 <img 的URL 內容

測試資料 : <img src="https://example.com/media/photo.jpg" with="600" heigh="400" alt="一張圖片">

PHP 語法 : src="(([\s\S])*?)"
C# 語法 : <img src=""(([\s\S])*?)""

----

EX: PHP/C# 正則(正規)表達式 HTML 超連結標籤 <a 的URL 內容

測試資料: <a href="https://www.baidu.com" rel="nofollow">链接标签</a>

PHP 語法: <a href="(([\s\S])*?)"
C# 語法: <a href=""(([\s\S])*?)""