正则表达式里匹配次数的元字符有： （一） {0,1}、{0,}、{1,}、{3} 逗号前面次数到逗号后面次数 （二） ?、?? 0次或1次 （三） * 0次以上，即0~n （四） + 1次以上，即1~n

下面深入讲解下这几个元字符的意义：

 

（一） {0,1}、{0,}、{1,}、{3} 逗号前面次数到逗号后面次数

上面列了几种都是{}用于表示次数时常见的写法。 1. {0,1} 匹配0次或1次 2. {0,} 匹配0次以上，逗号后面为空表示无限次的意思 3. {1,} 匹配1次以上 4. {3} 匹配3次，它是{3,3}的简写形式

需要注意的是，前面数字大于后面数字是会报错的

有时候会看到[0-9]{1}这样的写法，其实这样写也算是多余的，它等价[0-9]，正则里没有添加量词修饰的匹配都是按1次算。

 

（二） ?、?? 0次或1次

? 匹配0次或1次，可以理解为{0,1}的简写，常见用法有： 1. https? 用于匹配http或https 2. (https?://)? 用于匹配域名前缀https?://可有可无的情况。 另外，需要了解的是，?是匹配优先的，这是什么意思呢？ 所谓匹配优先，就是字面意思，能匹配我就先匹配。 下面举例说明一下： 源码：www.zjmainstay.cn 正则：^(www\.)?(.+)$ 匹配结果是：分组1得到了www.，分组2得到了zjmainstay.cn 从这里可以看出，对于(www\.)?部分的正则，它先进行了匹配，然后.+部分再匹配。 那么，如果我们想要把www.留给后面的.+去匹配怎么办？ 我们需要找到一个非匹配优先的方法，对于非匹配优先，接触过非贪婪模式的读者可能马上想到非贪婪模式，不错，利用非贪婪模式可以解决这个问题： 正则：^(www\.)*?(.+)$ 当然，使用正则：^(www\.){0,1}?(.+)$也是可以的，而且这个更接近原本的意思。 另外，很多人可能没见过，其实我们还能用：^(www\.)??(.+)$实现。这里的??是?的非匹配优先版本。

 

（三） * 0次以上，即0~n

* 0次或任意次，可以理解为{0,}的简写，常见用法有： 1. .* 贪婪模式，匹配优先，匹配除换行外的任意字符0次以上 2. .*? 非贪婪模式，非匹配优先，匹配除换行外的任意字符0次以上 3.

大家可能发现，.*? 这里也有?，但是它已经脱离了前面对?介绍的0次或1次的范围，没错，只是为了让大家不至于混淆，我没有把它归入上面的?当中。 我们可以理解为，?只要跟本文所说的几个计次量词结合，就形成非贪婪模式。甚至，连??你都可以认为是结合后的0次或1次的非贪婪模式，反正也能解释通不是？

 

（四） + 1次以上，即1~n

+ 与 * 除了匹配次数意义上有所差别，常见用法都类似，它强调的是至少匹配1次以上，可以理解为{1,}的简写。 1. .+ 贪婪模式，匹配优先，匹配除换行外的任意字符1次以上 2. .+? 非贪婪模式，非匹配优先，匹配除换行外的任意字符1次以上 3.

 

总结

量词本身使用时，都是贪婪模式匹配，而量词和?能结合成非贪婪模式匹配。 贪婪模式匹配就是尽可能多地匹配，非贪婪模式匹配就是尽可能少地匹配。

转载于:https://www.cnblogs.com/tsql/p/6386210.html

    最近在做基于Nutch网络爬虫爬取数据及一些数据处理的内容，涉及到在网络爬虫爬取到的HTML文件中提取一些用户名，之前想的一直是导入数据库再进行操作，从而忽略了强大的Vim。

    问题来源：

    根据网络爬虫爬取了一些淘宝BBS的一些数据，dump出一些HTML文件数据，一共120多万行，如下所示: 

    分析发现，含有用户名的具有统一的class=“ext-ellipasis”,想把如lzxxcom这样的用户全部提取出来。

   实现思路：

   1：先提取出ext-ellopsis所在的行。

   2：根据正则表达式提取所需要的用户信息。

   具体实现

   1：vim查询pattern出现的个数 

     命令:--------:%s/pattern/&/g

     解释:&代表的意思就是用来表示前面比对的字串，所以做这个指令其实对档案本身并不会有什麽改变。但是由於做的是全域的取代置换，vim会告诉你有从多少行中多少个字串被取代。轻轻松松很漂亮地用一行命令解决这个问题。

   

    可以看出一共找到18057个ext-ellipsis.

   2:先提取出ext-ellipsis所在的行

    用g命令轻松搞定

    :g/pattern/d用于删除带有指定搜索内容的行。      :g!/pattern/d用于删除不带指定搜索内容的行。:g!命令也有一个别名是:v。

    使用:g!/ext-ellipsis/d 命令结果如下所示：

    

   3：根据正则表达式提取所需要的用户信息

    Vim打开文件后，使用如下正则表达式

    :%s/.*="\(.*\)".*/\1/g

    得到如下结果

    

   其中肯定有不少的重复的

   进行以下操作

   删除重复的用户名:

   :g/^\(.*\)$\1$/d                //去除重复行      :g/\%(^\1$\)\@<=\(.*\)$/d       //功能同上，也是去除重复行      :g/\%(^\1\>.*$\)\@<=\(\k\+\).*$/d //功能同上，也是去除重复行 

   再进行排序：

   :sort                         //可以直接排序，这个太好用了

   得到如下结果：

    

  4：分行及E488:Trailingcharacters

  原因为此特殊符号在替换中有特殊意义

  比如-----:%s///\r/g(根据/进行分行)这样会出错，因为/有特殊含义。

     必须改为-----:%s/\//\r/g  才可以

 

   参考网站如下所示：

   http://www.oschina.net/question/347219_124969-------提取文本指定内容

   http://bbs.51cto.com/thread-964013-1.html----------删除重复行

   http://edu.21cn.com/linux/g_188_793259-1.htm---------计算多少个搜寻关键词

   http://www.cppblog.com/kefeng/archive/2010/10/20/130574.aspx?opt=admin-------正则表达式