# 正则表达式

正则表达式（Regular Expression）用于在文本中匹配、查找和替换特定模式。Legado 源规则中，以 `:`
开头的规则即为正则表达式，可用于书籍列表和目录列表的提取。

[[toc]]

## 基本匹配

正则表达式是我们用于在文本中检索字母和数字的模式。例如正则表达式 `cat`，表示：字母 `c` 后面跟着一个字母
`a`，再后面跟着一个字母 `t`。

正则表达式通常区分大小写，因此 `Cat` 与字符串 "cat" 不匹配。

## 元字符

元字符是正则表达式的基本组成元素。

|   元字符   | 说明                    |
|:-------:|-----------------------|
|   `.`   | 匹配除换行符以外的任意字符         |
|  `[ ]`  | 字符类，匹配方括号中包含的任意字符     |
| `[^ ]`  | 否定字符类，匹配方括号中不包含的任意字符  |
|   `*`   | 匹配前面的子表达式零次或多次        |
|   `+`   | 匹配前面的子表达式一次或多次        |
|   `?`   | 匹配前面的子表达式零次或一次        |
| `{n,m}` | 匹配前面字符至少 n 次，但不超过 m 次 |
| `(xyz)` | 字符组，按照确切的顺序匹配字符 xyz   |
|  `\|`   | 分支结构，匹配符号之前的字符或后面的字符  |
|   `\`   | 转义符                   |
|   `^`   | 匹配行的开始                |
|   `$`   | 匹配行的结束                |

### 英文句号

`.` 可以匹配任意单个字符，但不会匹配换行符。例如 `.ar` 匹配 "car"、"par"、"gar"。

### 字符集

字符集（字符类）使用方括号指定。例如 `[Tt]he` 匹配 "The" 或 "the"。

**否定字符集**：`^` 在方括号内出现时会取消字符集。例如 `[^c]ar` 匹配除了 "car" 以外的 "par"、"gar"。

### 重复

- **星号 `*`**：匹配上一个匹配规则的零次或多次。例如 `[a-z]*` 匹配一行中任意数量的小写字母。
- **加号 `+`**：匹配上一个字符的一次或多次。例如 `c.+t` 匹配 "cat sat on the mat"。
- **问号 `?`**：表示前一个字符是可选的。例如 `[T]?he` 同时匹配 "The" 和 "he"。

### 花括号（量词）

用于指定字符或一组字符可以重复的次数。例如 `[0-9]{2,3}` 匹配至少 2 位但不超过 3 位数字。

### 字符组

写在圆括号内的子模式 `(...)`。例如 `(ab)*` 匹配零个或多个 "ab"。`(c|g|p)ar` 匹配 "car"、"gar" 或 "par"。

### 分支结构

`|` 用来定义分支结构。字符集只在字符级别上有作用，而分支结构在表达式级别上依然可以使用。

### 转义特殊字符

使用 `\` 来转义下一个字符。例如 `(f|c|m)at\.?` 匹配 "fat"、"cat"、"mat" 以及可选的 "." 字符。

### 定位符

- `^` 检查匹配字符是否是起始字符
- `$` 检查匹配字符是否是最后一个字符

## 简写字符集

|  简写  | 说明                          |
|:----:|-----------------------------|
| `.`  | 匹配除换行符以外的任意字符               |
| `\w` | 匹配所有字母和数字的字符：`[a-zA-Z0-9_]` |
| `\W` | 匹配非字母和数字的字符：`[^\w]`         |
| `\d` | 匹配数字：`[0-9]`                |
| `\D` | 匹配非数字：`[^\d]`               |
| `\s` | 匹配空格符：`[\t\n\f\r\p{Z}]`     |
| `\S` | 匹配非空格符：`[^\s]`              |

## 断言

|  符号   | 说明     |
|:-----:|--------|
| `?=`  | 正向先行断言 |
| `?!`  | 负向先行断言 |
| `?<=` | 正向后行断言 |
| `?<!` | 负向后行断言 |

**正向先行断言**：匹配特定模式之后的内容。例如 `(T|t)he(?=\sfat)` 匹配 "The" 或 "the" 后面跟着 "fat"
的情况。

**负向先行断言**：获取不匹配表达式的内容。例如 `(T|t)he(?!\sfat)` 匹配不在 "fat" 前面的 "The" 或 "
the"。

**正向后行断言**：获取在特定模式之前的匹配内容。例如 `(?<=(T|t)he\s)(fat|mat)` 匹配在 "The" 或 "the"
之后的 "fat" 和 "mat"。

**负向后行断言**：获取不在特定模式之前的匹配内容。

## 标记

| 标记  | 说明     |
|:---:|--------|
| `i` | 不区分大小写 |
| `g` | 全局搜索   |
| `m` | 多行匹配   |

## 常用正则表达式

| 用途      | 正则表达式                        |
|---------|------------------------------|
| 数字      | `\d+$`                       |
| 用户名     | `^[\w\d_.]{4,16}$`           |
| 字母数字字符  | `^[a-zA-Z0-9]*$`             |
| 小写字母    | `[a-z]+$`                    |
| 大写字母    | `[A-Z]+$`                    |
| HTML 标签 | `<[^>]+?>`                   |
| 求更求转发致谢 | `[\(（【].*?[求更谢乐发推].*?[】）\)]` |
| 查找最新章节  | `您可以.*?查找最新章节`               |
| PS/ps   | `(?i)ps\b.*`                 |