iOS 中的正则表达式符号

最近重新看了一遍 iOS 的正则文档，简单翻译下文档中涉及到的符号

1.正则表达式元字符

符号	说明
\a	响铃, \u0007
\A	匹配输入的开始，只匹配第一行，也就是忽略多行选项
\b	不在[]包含时，匹配单词的边界，也就是\w和\W的中间
\b	在[]包含的集合内，匹配 BACKSPACE, \u0008
\B	当前位置不是单词的边界
\cX	Ctrl+X
\d	所有十进制数字 Nd
\D	所有非十进制数字
\e	ESCAPE, \u001B.
\E	结束\Q...\E引用段
\f	匹配换页符 FORM FEED, \u000C
\G	当前位置是上个匹配的结束处，第一次匹配的是单词的开始
\n	换行符 LINE FEED, \u000A.
\N{UNICODE CHARACTER NAME}	匹配Unicode 命名对应的字符。见参考3
\p{UNICODE PROPERTY NAME}	匹配对应命名字符集里的字符
\P{UNICODE PROPERTY NAME}	匹配不在命名字符集里面的字符
\Q	引用字符直到\E结束，这个引用区间的字符都不需要转义符
\r	回车 CARRIAGE RETURN, \u000D
\s	空白字符，[\t\n\f\r\p{Z}]
\S	非空白字符
\t	水平制表符
\uhhhh	匹配Unicode代码中十六进制代码为hhhh的字符
\Uhhhhhhhh	匹配Unicode代码中十六进制代码为hhhhhhhh的字符，必须是8位，虽然最大的Unicode 值是\U0010ffff
\w	匹配一个单词字符 [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Nd}]
\W	匹配所有的非单词字符
\x{hhhh}	匹配十六进制hhhh表示的字符，支持1-6位
\xhh	匹配2位十六进制hh表示的字符
\X	匹配一个字符群集（Grapheme Cluster）
\Z	匹配输入的结束，如果最后一行后面还有换行符，也匹配
\z	匹配输入的结束
\n	回溯引用，匹配第n个匹配，n ≥ 1 并且 ≤ 总匹配数量
\0ooo	八进制代码为ooo的字符，ooo可以是1到3位。0377是最大的被允许的字符。注意开始的0是必须的，区分8进制和回溯引用
[pattern]	匹配pattern中包含的字符
.	匹配任意字符
^	匹配一个行的开始
$	匹配一个行的结尾
\| 转义符，需要转义的符号有 * ? + [ ( ) { } ^ $	. /

2.操作符

符号	说明
\|	A
*	0或多次，尽可能多匹配
+	1或多次，尽可能多匹配
?	0或1次，1次优先
{n}	匹配n次
{n,}	匹配至少n次，尽可能多匹配
{n,m}	匹配n-m次，不多于m的情况下尽可能多匹配
*?	0或多次，尽可能少匹配
+?	1或多次，尽可能少匹配
??	0或1次，优先0次
{n}?	匹配n次
{n,}?	匹配至少n次，尽可能少匹配
{n,m}?	匹配n-m次，不少于n的情况下尽量少匹配
*+	0或多次，尽可能多匹配
++	1或多次，尽可能多匹配
?+	0或1次，尽可能多匹配
{n}+	匹配n次
{n,}+	匹配至少n次，尽可能多匹配
{n,m}+	n到m次，尽可能多匹配
(...)	匹配区域，子表达式
(?:...)	不选去的子表达式，用来提高效率
(?>...)	固化分组，匹配后就成为一个整体，不留下回溯点防止回溯
(?# ... )	注释
(?= ... )	零宽断言，匹配表达式前面的位置
(?! ... )	零宽断言，匹配后面不是表达式的位置
(?<= ... )	零宽断言,匹配表达式后面的位置,表达式不可以是无边界的（不可以包含 * 和 + 操作符）
(?<! ... )	零宽断言,匹配后面不是表达式的位置,表达式不可以是无边界的（不可以包含 * 和 + 操作符）
(?ismwx-ismwx: ... )	标记设置，设置表达式运算时使用的标记是否有效，或者无效（-）
(?ismwx-ismwx)	标记设置，改变之后位置的正则运算标记

3. 替换模板匹配格式

|$n|匹配第n个表达式，n必须 >= 0 并且小于表达式数量|
||转义符，基本上只有'$' and ''需要|

4. 标记选项

符号	说明
i	不区分大小写
x	允许空格和 #注释出现在表达式中,都会被忽略
s	"."可以匹配换行符，默认回车、换行不被匹配
m	多行匹配，让"^" 和 "$"在每一行都能匹配，而不仅仅只是整个字符串
w	控制\b表示Unicode UAX 29 http://www.unicode.org/reports/tr29/ 规定的边界，还是简单的 word 或 non-word 区别

一些说明

1.什么是 ICU

全称 International Components for Unicode，是一套成熟的 UNICODE 相关开发包。具体见 http://site.icu-project.org/

2.什么是 UNICODE

UNICODE 是一种字符编码方案。具体见 http://www.unicode.org/
每个编码对应一个字符，已经分配的编码都有个name，一组编码形成一个分组
Plane 分为17个组，每组65536个编码
Category 一组类似的字符的集合，有Value代表这个集合
Name 每一个分配了字符的码，都有一个别名
可以见参考5

3.一些 UNICODE 字符组

类名	说明
\p{Z}	任何种类的空白或不可见的分隔符
\p{Zs}	一个不可见但是却会占用空间的空白字符
\p{Zl}	行分隔符U+2028
\p{Zp}	段分隔符U+2029

4. Grapheme Cluster

Unicode grapheme clusters(字符集群)

一个unicode scalar定义的字符和多个unicode scalar定义是一样的，我们称这多个unicode scalar 叫Unicode grapheme clusters
例如
é 可由\u{00e9}表示也可由\u{0065}\u{0301}共同表示，\u{0065}\u{0301}就是grapheme cluster

5.\G的用法

\G\w
test string
可以匹配到 t e s t

6.不连续性

注意不是所有的21位 Unicode 标量都代表一个字符，因为有一些标量是留作未来分配的。已经代表一个典型字符的标量都有自己的名字

参考
1.http://leoliuyt.github.io/2016/10/07/Swift%E4%B8%AD%E7%9A%84Unicode%E3%80%81String/
2.http://www.regular-expressions.info/continue.html
3.http://unicode.org/charts/charindex.html
4.http://www.blogjava.net/zhugf000/archive/2005/12/12/23414.html#ref_unicode_category
5.https://en.wikipedia.org/wiki/Unicode_character_property