检索匹配的利器：正则表达式

正则表达式（Regular Expression，下文简称为RegEx或正则）是一个很棒的利器，它广泛应用于字符串的查找、匹配以及替换等场景，比如检查邮箱、手机号、URL等等。以其简短的表现形式和高效的查找匹配效率总是让人爱不释手。本文旨在帮助大家入门正则并学会解决常见的正则问题，希望能帮到大家。

一. 初识正则

1. 正则给人的直观印象

很多人觉得正则表达式很难，一般有两种情况：第一种是确实看的比较深入，这种大神太少了，至少我现在只认识了一个。另外一种情况就是被正则晦涩难懂的表达形式吓到了。本文主要是针对第二种人，我想说的是正则表达式真的不难，最起码学会初级和中级的应用不难。

2. 一个常见的正则小应用

相信很多人应该碰到过“检测用户输入的手机号或者邮箱是否合法”这种需求。这种例子用正则来做最合适不过了。比如下面的正则就可以判断一个邮箱是否合法。

^([a-zA-Z0-9_\\-\\.]+)@((\\[[0-9]{1,3}\\.[0-9]{1,3}\\.[0-9]{1,3}\\.)|(([a-zA-Z0-9\\-]+\\.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(\\]?)$

我记得学正则之前看到这个表达方式后还是很迷惑的，什么鬼啊，完全看不出和邮箱有什么联系。不过现在看着就感觉很简单了，都是一些基础的正则符号，相信大家看完本文后，再回头看这个表达式会有豁然开朗的感觉。

二. 走进正则表达式的世界

上面说了那么多，目的是为了让大家对正则有个初步的概念。下面主要说明正则的基本语法。看完这部分之后，就能很轻松地看懂上面的那个匹配邮箱地址的正则了。

1. 元字符

元字符其实就是正则中的保留字符，这些字符在正则表达式中有着自己特殊的含义。就像Java中的class和interface关键字一样，他们不是普通的字符串，有着自己特殊的含义。

• 脱字节符：^

意思：代表一行文本的开头
用处：当我们想从一行文本的开头处匹配时，那么这个字符是个很好的选择。

• 美元符号：$

意思：代表一行文本文本的结尾
用处：当我们想匹配到一行文本的结尾时，那么这个字符是个很好的选择。

• 单词分界符：\b

意思：代表一个单词的开始或者结束
用处：当我们想匹配字符串中的某一个单词时，可以用这个符号匹配单词的开始和结束的位置

• 取非符号：^

意思：用在字符串组（下面会讲到）中，代表“非”的意思。
用处：这个符号和脱字节符号是同一个字符，只是用在不同的地方表示不同的意思，下面的字符组的例子我们会用到它。

• 点号通配符：.

意思：你没看错，这个小圆点，代指任何一个字符。（除了换行符）
用处：当我们对某个字符没有任何要求时，可以用它通配任意一个字符。

我对元字符的理解就是：正则匹配其实就是规则匹配，正则表达式其实就是一个规则表达式，元字符就是制定了规则，比如.就代表任意一个字符，具体是什么字符不关心。只有这样，才能抽象出一定的规则，实现更灵活和复杂的匹配。

2. 量词的三个分类

上面提到了一些基础的元字符，一般匹配某一个或某一类字符。下面介绍一下三个量词字符‘*’‘+’‘？’。它们用来修饰基本的正则表达式，表示正则的匹配次数。

分类	匹配次数
*	匹配零次或者多次
+	最少匹配一次，可以匹配多次
?	匹配零次，或者匹配一次

比如，一个用来匹配单词的基本的正则表达式：

\b\w\w\b    // 匹配具有两个字母的单词。

 那么，很显然，上面的正则只能匹配只有两个字符的单词，但是我们的目的是匹配所有的单词，那么该怎么搞呢，我们也没法确定这个单词到底有多少个字符。

这里就会用到量词了，如下：

\b\w\w*\b    //这个正则和上面的那个比，只多了一个字符‘*’意义就完全变了。它表示“有任意多个\w”，这正好符合要求。

上面的例子中多了一个‘*’，意思是，符号‘*’前面的那个字符，出现零次或者多次。

当然，我们也可以改成下面的写法：

\b\w+\b