1.运算符优先级
默认情况下，和算术表达式类似，正则表达式按照从左到右顺序计算或匹配，相同优先级的从左到右进行运算，不同优先级的运算先高后低。
从高到低各种正则表达式运算符的优先级如下所示（注：表格数据来源于w3school）：
或运算符（也称为选择运算符）最低的优先级，也就是说，它告诉引擎要么匹配选择符左边的所有表达式，要么匹配右边的所有表达式。
比如有正则表达式 abc|edf，按照优先级，它要么匹配abc要么匹配edf，而不是在c和e之间择其一。
2. 零宽度断言
正则表达式中，有一类是标明位置而不匹配具体字符的特殊标识符。
1. 数量限定符
数量限定符用来指定其紧邻的前表达式的出现次数，数量限定符主要有如下：
以上表格是多数书籍或网上教程对限定符的释义。其中最容易令人产生疑惑的“重复”二字，初学者往往理解为相同内容出现次数，个人认为这个词用得很不好。
对于正则表达式 \d{3},等同于\d\d\d，但用“重复”来强调，容易让人理解为相同结果重复三次，类似于(\d)\1\1的效果。
举例来说，\d{3},匹配123、673、222，但(\d)\1\1只能匹配这三个字符串中的222。而很多初学者往往理解“重复”为后者。
所以，有必要强调，限定符的重复次数是指表达式重复而不是结果重复。
值得注意的是，上下限限定符可以有{n}、{n,m}、{n,}等形式，但是不存在{,m}这种形式，这是一种错误的写法。另外，上下限量词与逗号之间不能有空格，如\d{3, 6}是错误的写法，将无法实现目标匹配：
2.贪婪模式与懒惰模式
“{m,n}”、“{m,}”、“?”、“*”和“+” 为贪婪模式的限定词，也叫做匹配优先量词。被匹配优先量词修饰的子表达式使用的就是贪婪模式，如“(Exp)+”。
在匹配优先量词后加上“?”，即变成属于非贪婪模式的量词，也叫做忽略优先量词，包括：
“{m,n}?”、“{m,}?”、“??”、“*?” 与 “+?”
贪婪模式总是试图尽可能多地匹配目标字符串，如以下HTML代码：
abc<p>第一段</p><p>第二段</p><p>第三段</p>def
我们用正则<p>.*</p> 去匹配
这是一种贪婪模式的匹配得到的匹配结果为：
贪婪模式下它会选定尽可能多的内容，如果 失败则回退一个字符，然后再次尝试回退的过程就叫做回溯，它会每次回退一个字符，直到找到匹配的内容或者没有字符可以回退。用通俗一点的话来说，在拿不准是否要匹配的情况下，优先尝试匹配，并记下这个状态，以备将来“后悔”（也就是回溯）。
我们把正则更改为<p>.*?</p> ,匹配结果如下：
可以看到，在懒惰模式下，它会尽可能少地重复限定量，只要匹配到一个就返回了结果。
我们再更改下正则：<p>.*?</p>def，再看匹配结果：
可以看到，在“整个表达式匹配成功”的前提下，非贪婪模式才真正的影响着子表达式的匹配行为，如果整个表达式匹配失败，非贪婪模式无法影响子表达式的匹配行为。
1. 分组与向后引用
把正则表达式的一部分放在圆括号内，每个括号内的表达式就是一个组。
对于每个组，系统会自动给之一个组编号以便在后文引用，第一个编为1号，第二个为2号，以此类推。。。
例如，对于正则表达式 (agriculture|industry)-(China|Japan|India)其结构如下：
在表达式的后文，以使用\num的格式引用某个分组（其中num为正整数，表示第几个分组），如 (agriculture|industry)-(China|Japan|India)-\1，其结构变成了如下图：
(agriculture|industry)-(China|Japan|India)-\1能匹配字符串agriculture-China-agriculture：
其中\1就是第一个分组的引用，以agriculture开头就必须以agriculture结束。
如果我们不想使用系统自动生成的编号，或者由于组数太多不便一个个数，可以使用给组命名的方式实现向后引用，命名格式为：
(?<groupName>expression)
引用格式为:
\k<groupName>
如有如下正则表达式，可匹配HTML的标签：
^<(.+)\s.*>\w+<\/\1>$
其中:
^ 表示行的开始 < 表示HTML的开始标签 (.+) 为标签名，如可匹配a、ul、font、...等标签名 \s 表示一个空格 .* 表示标签内的任意字符，可以匹配属性及属性值等内容 \w+ 为标签内的文字 <\/为结束标签标记 </ \1 向前引用标签名 > 封闭结束标签 $ 表示行的结束
结构如下：
匹配效果如下：
需要注意的是，不同语言实现的向后引用格式有所差异：
图片来源《正则指引》一书（作者：余晟）
如果我们使用自命名组，那么正则表达式可更改为^<(?<tagName>.+)\s.*>\w+<\/\k<tagName>>$
可以看到匹配效果是一样的：
需要注意的是，命名分组不是正则的通用规则，不同语言支持组命名的书写格式有很大区别：
图片来源《正则指引》一书（作者：余晟）
2. 取消默认分组存储
在默认情况下，只要用()框定的内容，正则引擎就会自动分配组号，存储匹配分组，这样降低了引擎速度。如果我们不需要向后引用，可以通过(?:value)语法取消默认编组存储，其中“(”后面紧跟的“?:”会告诉引擎对于组(Value)，不存储匹配的值以供后向引用。
如([0-9a-z]*)-(?:\d+)，明确了第二个分组不进行编号存储，不提供向后引用。
字符集
字符集是由一对方括号“[]”括起来的字符集合。表示匹配[]包含的多个中的其中一个。
[1234567890]表示匹配0-9中任意一个字符，记住，是一个,在regexper中图示如下：
[ahsue]表示匹配a、h、s、u、e中任意一个字符，图示如下：
紧跟一个尖括号“^”（此时^不再是匹配位置的元字符），将会对字符集取反。结果是字符集将匹配任何不在方括号中的字符，如：[^ab]表示匹配不含a或b的字符串:
“–”在字符集中可代表范围，如[a-z]表示匹配a、b、c..x、y、z，26字母中的任意一个，[0-9]表示匹配0,1,2,3,4,5,6,7,8,9十个字符中任意一个，等效于[0123456789]。需要注意的是横线符号“-”在“[”开始的第一个字符时，它不再具有范围的特殊意义，而是一个普通字符，如[-23]匹配“-”，“2”，“3”三个字符中任意一个。
我们常用的一些特殊字符，就是字符集的简写，这也是我为什么不把这些特殊字符归为元字符的原因：
\d 代表 [0-9] \w 代表单词字符.这个是随正则表达式实现的不同而有些差异。绝大多数的正则表达式实现的单词字符集都包含了A-Za-z0-9_（单词定义为Unidcode的字母数字或下划线字符） \s 代表“空白字符”。这个也是和不同的实现有关的。在绝大多数的实现中，都包含了空格符和Tab符，以及回车换行符\r\n \S [^\s] \W [^\w] \D [^\d]
只有4个 字符具有特殊含义。它们是：“] \ ^ -”。“]”代表字符集定义的结束；“\”代表转义；“^”代表取反；“-”代表范围定义。不需要转义。例如，要搜索星号或加号+，你可以用”[+]”。当然，如果你对那些通常的元字符进行转义，你的正则表达式一样会工作得很好，但是这会降低可读性。
1. 12个元字符
学正则之前，你肯定翻过很多正则的书籍，被它们介绍的一大堆元字符搞得头大，如\d，\w，^，\A，$，\f……等等几十个，不仅难记而且容易混淆。实际上真正称得上元字符的只有12个，没错，对于元字符，你只需要记住这十二个：
[ ] \ ^ $ . | ? * + ( )
对于这12个元字符，如果你想在正则表达式中将这些字符用作文本字符，你需要用反斜杠“\”对其进行换码 (escape)也称为转义。
—— [] 表示一个字符集。
—— \ 有多重含义。一般情况下表示转义，或特殊字符的开始。如\d,这两个字符在一起，是一个整体，有特殊的含义，表示一个数字。如果与正整数连在一起用，表示向后引用，如\1表示引用第一个分组。
—— ^ 有多重含义。表达式开头位置表示输入字符串的开始位置，在字符集开始的位置中表示取反。
—— $ 表示输入字符串的结束位置。
—— | 逻辑“或”运算符，表示在多个条件中择其一。
—— ? 有多重含义。跟在表达式后，表示量词限定词0次或1次，如\d?；跟在量词限定词后，表示非贪婪模式，如\w{3,5}?；跟在括号开始位置表示特殊指令，如(?=pattern)、(?!pattern)、(?:pattern)、(?<!pattern)等表示零宽度断言，而(?m)放在在整个正则表达式前面，表示采用“多行模式”。
—— * 量词限定词，表示前面的子表达式可出现任意次。
—— + 量词限定词，表示前面的子表达式至少出现一次。
—— ( ) 有多重含义。一般表示表达式分组，与?连用有特殊指令，如(?=pattern)、(?:pattern)
2. 特殊字符
除了12个元字符外，其它有特殊含义字符我称之为特殊字符或简易字符。特殊字符是由转义字符与普通字符结合，形成有特殊含义的一类标识符，如：
|
\d
|
匹配一个数字字符。等价于[0-9]。
|
|
\D
|
匹配一个非数字字符。等价于[^0-9]。
|
|
\f
|
匹配一个换页符。等价于\x0c和\cL。
|
|
\n
|
匹配一个换行符。等价于\x0a和\cJ。
|
|
\r
|
匹配一个回车符。等价于\x0d和\cM。
|
|
\s
|
匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
|
|
\S
|
匹配任何可见字符。等价于[^ \f\n\r\t\v]。
|
|
\t
|
匹配一个制表符。等价于\x09和\cI。
|
|
\v
|
匹配一个垂直制表符。等价于\x0b和\cK。
|
|
\w
|
匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的”单词”字符使用Unicode字符集。
|
|
\W
|
匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
|
|
\xn
|
匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。
|
|
\num
|
匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
|
|
\n
|
标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
|
|
\nm
|
标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
|
|
\nml
|
如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
|
|
\un
|
匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。
|
特殊字符代表的含义在w3school等网站都可以查到，这里就不做过多介绍。
1. 关于“匹配”一词的理解。
这是正则表达式用的最多的词，但是这个词对于初学者常常给人忽远忽近的感觉，有时候感觉理解了，有时候又觉得被绕进去了，离真正理解还很远。
我们在windows电脑上搜索文件，比如要搜所有MP4格式的视频，可以在搜索栏中输入“*.MP4”,搜索出来的文件就是mp4视频文件，假设搜索结果如下：
精通java.mp4 战狼2.MP4 三国央视版.MP4
用正则词汇来说，“*.MP4”匹配“精通java.mp4”、“战狼2.MP4”、“三国央视版.MP4”等字符串。
用我们通俗的话来说，“*”字符能代表“精通java”、“战狼2”、“三国央视版”等字符串，匹配就是这个正则表达式能代表这个字符串。
匹配结果，就是按照正则表达式的规则，在字符串中能不能找到符合此规则的字符串，能找到多少个字符串。如果不能找到称为不匹配，如果能找到一个或者多个，则每一个都称为一个匹配。
匹配这个词之所以常常令人费解，那是因为很多书把这个词义经常混淆一起用，把初学者搞晕了。
匹配有三种形式的存在：
——形容词性质的匹配：一个字符串“契合”一个正则，用于判断输出true或false。
——动词性质的匹配：在字符串中搜索符合正则的字符串。
——名词性质的匹配：字符串中满足正则的一部分，每一个部分都称为一个匹配。
这几个混在一起，很容易把人搞懵了。其实你只需要记住，匹配就是根据正则表达式这个“规则”，能在字符串中找到子字符串，就是匹配，就是这么简单。
2. 关于字符串的理解
正则表达式是判断、搜索字符串的专门语言，处理的一切对象都是字符串（文本也是字符串的一种，只不过包含换行等特殊符号而已），没有其他数据类型之分。
比如，对“18790”，我们在其它语言如C、Java、PHP中会认为这是一个数字，是一个整体，但是在正则中，它只是由5个数字组成的字符串，对，只是字符串而已，和“abcde”性质是一样的，并非一整数。
在正式进入正则学习之前，先安利几个好用的校验和测试工具：
1. 在线正则结构分析工具 regexper。
regexper以直观的图例展现正则的结构，对分析和编写正则非常有帮助。
2. 正则在线测试工具regex101
regex101使用无需注册，打开即用。它不仅能快速响应匹配结果，设定各种匹配模式，还具有动态展现匹配过程功能的调试模式，对匹配过程以动画形式展现，是一款很赞的正则引擎。
3. 本地正则测试工具RegexBuddy
这是一个比较经典的正则工具，官网地址：http://www.regexbuddy.com/
RegexBuddy是个收费软件，不过网上有很多和谐版的下载，各位自行找度娘要吧。
