正则表达式

什么是正则表达式？
正则表达式是程序员用来搜索文本中某些字符的模式匹配标记。正则表达式可以搜索几乎任何东西，具体取决于你如何构造它们。程序员们都在使用它，因为它们对于帮助计算机快速排序数据，并过滤掉可能导致错误的无意义字符非常有价值。

正则表达式看起来很可怕，特别是对于非程序员。看看这个：

1
[a-zA-Z0-9_.±]+@[a-zA-Z0-9_-]+.[a-zA-Z0-9_.-]+
实际上，它并没有那么糟糕，上面那个表达式匹配了电子邮件地址。正如您将看到的，表达式可以分解为单个字符，所有这些字符都告诉程序要查找的内容。正则表达式几乎是通用的。相同的一般语法适用于所有语言，此处和那里只有轻微的变化。大超小志的这篇文章包含Python和JavaScript以及普通旧正则表达式的示例。如果您使用其他语言，请不要担心。几乎所有内容都适用于您选择的语言。

正则表达式基础知识
从技术上讲，没有很多东西不能被认为是正则表达式，因为文本字符串非常简单。如果您使用“niuchao”作为正则表达式，编程语言将搜索该确切的字符串。第一个更动态的匹配字符是“.”字符。在此上下文中，点字符是通配符。如果您正在搜索它，您的程序将返回它找到的任何匹配字符。那么，如果你想寻找一个字符点怎么办？这也不难。如果要使用字符点，请在其前面添加反斜杠，如下所示：“.”。

反斜杠字符
不过，反斜杠在这里扮演了更多角色。大多数主要的正则表达式字符包括反斜杠。看一些例子：

\d：从0到9的数字
\w：“单词字符”字母，数字和下划线
\s：空白字符，包括制表符，换行符和常规空格
如果您使用大写字母而不是其中任何一个，那么您将得到相反的结果。例如，“\D”为您提供除数字之外的所有内容。

类 Class
反斜杠字符很好，但它们仍然有点僵硬。通常，您希望匹配字母，数字或一些特殊字符。将要匹配的字符放在一对方括号“[]”中，您的程序将匹配其中任何一个。这称为正则表达式类。

1
[abcd1234]
上面的例子仍然效率低下。相反，您可以使用短划线指定范围。 例如，所有小写字母：

1
[a-z]
您也可以列出范围。以下表达式匹配所有字母和数字：

1
[a-zA-Z0-9]
如果您要在字符集中包含短划线，请在最后添加它以防止对其进行评估。它也适用于其他特殊字符。

1
[a-zA-Z0-9_.±]
与反斜杠字符一样，您也可以在此处得到相反的结果。在类开头放置一个“^”，将其从结果中排除。这将从结果中排除数字和几个特殊字符：

1
[^0-9_+.-]
组 Group
组使用一组括号来分隔表达式。他们对数据进行分组，允许您的程序定位并使用它。当程序从Web地址中剥离“http://”时，它正在使用正则表达式组来完成该操作。正则表达式允许它以某些标准为目标，并且组允许它将各个部分分开。

组还允许您在一种模式或另一种模式之间进行选择。他们使用一个“|”在表达中充当“或”。下面的表达式将匹配以下任何一个：.com，.org，.net，.edu或.gov。

1
.(com|org|net|edu|gov)
量词
量词正是他们听起来的样子。他们告诉表达你正在寻找的角色的数量。这些是可用的量词：

*：零或更多
+：一个或多个
?：零或一
{3}：括号中的金额
将任何这些量词放在要指定数量的字符或类的末尾。此示例查找标准的八位数电话号码：

1
\d{3}[.-]\d{3}[.-]\d{4}
锚和边界
正则表达式允许您根据文本字符串或单词周围的位置搜索模式。主要用的有这些：

^：字符串的开头
$：字符串的结尾
\b：单词边界（单词的开头或结尾）
如果您只想查找以字母开头的字符串，可以尝试：

1
¹
假设您只想找到“it”这个词，而不是包含字母I和T的单词，这就是你使用单词边界的地方。

1
\b(i|I)t\b

---

1. a-zA-Z ↩︎