OpenRefine中的正则表达式

Regular Expression(正则表达式)
----------------------------------------------------------------
在GREL函数（replace/find/match）中使用正则表达式时，需要用//将正则表达式引起来。
正则表达式能够定义一个文本样式，而不需要指定一系列精确的文本集。
通过建立一些字符集来表示需要查找的内容，与数量符，锚符，可选符和组符配合使用就可以满足你的查找需求。
----------------------------------------------------------------
#字符集# ————表示被匹配的字符是什么
正则表达式使用字符集（字母，数字，空格等）来查找字符
. : 代表除换行符以外的任意字符
\d: 代表任何数字，每次都写[0-9]可能比较麻烦，可以用\d来表示任意数字
\D: 代表非数字，可以是字母或者其他字符，等价于[^0-9]
\w: 代表一个任何字母、数字或下划线的字符，注意其不包括空格
\W: 代表一个不是字母、数字或下划线的字符
\s: 代表一个空白符，包括空格、Tab健和换行符
\S: 代表不是空白符的任意字符
\n: 代表换行符
	--1: a.a.a ---> 匹配到至少连续出现三次字母a，并且两个a 之间有一个任意字符，例如: dulcamara/alabaster/salamander
	--2: 19\d\d ---> 匹配到所有20世纪的年份
	--3: 19.. ---> 匹配到所有19开头的四位字符，除了所有20世纪的年份外，还包括19th/19M$等
\: 转义符，表示特殊含义的字符，例如: 真实的.可以表示为\.，反斜杠\可以表示为\\，[可以表示为\[，]可以表示为\]
	--1:[\[\]] ---> 匹配文本包含左方括号[或者右方括号]的字符串
	--2: \[2\] ---> 匹配真实的2，且前后分别有一个左方括号和右方括号，例如: [2]
	--3: \? ---> 匹配真实的?
	--4: \( ---> 匹配真实的(
	--5:  \) ---> 匹配真实的)
	--6: \* ---> 匹配真实的*
	--7: \$ ---> 匹配真实的$
	--8: \| ---> 匹配真实的|
	--9: "|Stones||Bones|||Buildings".replace(/^\|/, "") ---> Stones||Bones|||Buildings，即删除最开始的管道符|
	-10: "|Stones||Bones|||Buildings".replace(/\|+/, "|") ---> |Stones|Bones|Buildings，即将连续出现的多个管道符|改为一个
	-11: "|Stones||Bones|||Buildings".split("|").uniques().join("|") ---> Stones|Bones|Buildings，先分割再去重最后再组合
[]: 方括号[ ]用来指定一系列的待选单个字符集。在方括号内使用 - 来指定字符域的范围。
	--1: [0123456789] ---> 匹配其中任何一个数字
	--2: [0-9] ---> 匹配其中任何一个数字
	--3: [a-z] ---> 匹配所有小写字母
	--4: [A-Z] ---> 匹配所有大写字母
	--5: [0-9a-zA-Z] ---> 匹配所有字母和数字
	--6: analy[sz]e ---> 匹配美式拼写（analyze）和英式拼写（analyse）
	--7: [0-9][a-z] ---> 表示一个数字后面跟至少一个小写字母
	--8: [a-z][0-9][0-9][0-9] ---> 表示一个字母后面跟至少三个数字
	--9: [0-9] [a-z] ---> 表示一个数字和一个字母中间存在一个空格，例如: 1 cm/25 in/12345 meters都符合要求
	-10: [^xyz] ---> 方括号中[]的^表示取反，表示匹配除了[]中的字符
	-11: [^a-zA-Z0-9] ---> 代表不是字母且不是数字，例如: 标点符号/连续空格，但是不包括空值null，因为null不是字符
	-12: [^a-zA-Z0-9]\d[^a-zA-Z0-9] ---> 代表任何一个数字，且其前后都有一个字符，这个字符不是字母及数字，例如: (3)

#数量符# ————表示被匹配字符的数量
?: 前面的字符重复0次或1次
*: 前面的字符重复0次及以上
+: 前面的字符重复1次及以上
{n}: 前面的字符重复n次
{n,}: 前面的字符重复n次及以上
{,n}: 前面的字符重复n次及以下
{n,m}: 前面的字符重复n次-m次
	--1: N\d{5}, ---> 将匹配字母N 开头，后面跟5 位数字，然后是一个逗号

#锚符# ————不是表达有什么字符被匹配，而是要确定字符串的哪个位置被匹配
^: 代表整体字符串的开始位置
$: 代表整体字符串的结束位置
\b: 代表单词的开始位置或结束位置，单词分隔符包括空格、标点符号和换行符
	--1: ^\d ---> 匹配开始为一个数字
	--2: \d$ ---> 匹配结束为一个数字
	--3: ^\d.*\d$ ---> 匹配开始为一个数字，0 个或更多的任意字符（表达式中的点），结尾为一个数字
	--4: ^\d+$ ---> 匹配任意长度的数字
	--5: \b\d{3}\b ---> 匹配三位的数字

#可选符# ————除了前面的方括号[]中的字符表示可选外，有的时候待选的内容不止一个字符
|: 代表或的意思
	--1: glass|wood|steel ---> 匹配glass或者wood或者steel
	--2: \d+|many|few ---> 匹配任意数字或者many或者few
	--3: N\d{5},|N\d{8}, ---> 匹配以N 开头以“，”结尾，中间要么是五位数要么是八位数，其他的都不匹配

#组符# ————如果对一组字符应用数量符，就需要把他们用圆括号( )括起来
(): 代表对括起来的正则表达式表示的字符是一组且具有高优先级，可以用美元符号$跟一个数字来定义组
	--1: (la)+ ---> 匹配la,lala,lalala等，而la+则匹配la, laa, laaa等
	--2: analy(z|s)e ---> 匹配analyze 或者 analyse，等同于analy[zs]e
	--3: analyz(e|ing) ---> 匹配包含analyze 或 analyzing
	--4: "--23rd".replace(/(\d+)rd$/,"No. $1rd:") ---> --No. 23rd:，$1表示第1组，$0代表整个表达式的结果