Chapter 1 正则表达式入门

1 正则表达式简介

“正则表达式是描述一组字符串特征的模式，用来匹配特定的字符串。”

                                                                                                               -------图灵奖得主Ken Thompson

正则表达式最早出现于20世纪40年代，30年后真正出现在程序设计领域。如今，正则表达式成为sed，vim，grep，awk等类Linux操作系统衍生出得工具集重要的组成部分。正则表达式威力强大，一行正则表达式往往能实现很大篇幅的普通程序才能实现的功能。然而不幸的是，成为正则表达式的“黑带高手”并不是一件容易的事，通常要通过大量的实践才能达到。

2 学习工具

分别有线上和线下的学习正则表达式的工具。

2.1 Regexpal网站

通过访问http://www.regexpal.com/，可以看到如下图的页面，通过输入正则表达式和测试文本可以看到匹配结果，使用很方便。

2.2 Reggy软件

在mac操作系统下可以下载Reggy软件，软件界面如下图，使用同样十分简单方便，并且不需要联网操作。

3 简单的模式匹配

3.1 匹配数字

\d和[0-9]都能用来单个匹配阿拉伯数字，如果只想匹配某几个数字，比如匹配4和6，可以使用[46]

3.2 匹配非数字

可以通过给上述表达式添加“^”的方式来匹配非数字，即[^\d]，[^0-9]，另外还有一种简答的方式即，\D

3.3 匹配单词字符和非单词字符

\w可用来匹配单词字符，即字母、数字、下划线，在英语环境中等效于[_a-zA-Z0-9]。和匹配非数字的原理一样，\W可以用来匹配空格、标点及其他非字母和非数字字符。

3.4 匹配空白字符和非空白字符

\s可用来匹配空格、制表符、回车符及换行符，即和字符组：[ \t\r\n]的效果一样。不难想象，\S可用来匹配非空白字符。

3.5 匹配任意字符和量词

点号可以匹配除行结束符以外的任意字符，当要匹配一定数目的任意字符时，例如要匹配4个字符，如果使用4个点号：....，会比较麻烦。这时可以使用量词的方法，即.{4}。同时，量词形如：{,4}、{4,6}、{4,}分别表示不多于4个，4-6个及不少于4个。