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 |
| 不在[]包含时，匹配单词的边界，也就是w和W的中间 | |
| 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 |
| 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 |
| 回车 CARRIAGE RETURN, u000D | |
| s | 空白字符，[ f p{Z}] |
| S | 非空白字符 |
| 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） |
| 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 |
| 回溯引用，匹配第n个匹配，n ≥ 1 并且 ≤ 总匹配数量 | |
| ooo | 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
Gw
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中的Unicode、String/
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