正则表达式（入门）

正则表达式（regular expression）

引言

正则表达式用于帮助匹配指定规则的字符串，应用在许多场景中，如编译器中的词法分析器，会使用正则表达式去匹配关键字；网站上的注册表单会使用正则去判断密码复杂程度；在爬虫中同样可以使用正则表达式提取需要的信息等等。

工具介绍

1、编辑器内置的搜索工具，如vs code搜索框中使用正则搜索字符串，如下图：

2、自己熟悉的编程语言中调用函数测试

3、在线测试工具 http://regex101.com
输入正则后匹配的文本会以高亮的形式显现

概念

限定符(Quantifiers)：

?: 代表前面出现的内容需要出现0次或者1次，即可有可无

*: 匹配0个或多个字符

+: 匹配出现1次以上的字符

{…}: 符合指定前面出现的次数的字符
出现3次：

出现2到6次：

出现2次以上：

匹配ab多次出现的字符：

“或”运算符(OR Operator)：

字符类(Character Classes)：

可以指定方括号里字符的范围：
[a-z]+: 匹配所有小写英文字符
[A-Z]+: 匹配所有大写英文字符
[a-zA-Z]+: 匹配所有英文字符
[a-zA-Z0-9]: 匹配所有英文字符和数字

^: 匹配代表除了尖号后面列出的以外的字符，如：
[^0-9]+: 匹配代表所有非数字字符（包括换行符）

元字符（Meta-Characters）：

正则表达式中大多数元字符都以反斜杠开头
\d: 代表数字字符
\D: 代表非数字字符
\w: 代表“单词”字符（英文、数字及下划线）
\W: 代表非单词字符
\s：代表空白符（包含Tab和换行符）
\S: 代表非空白字符
.: 代表任意字符
^ 匹配行首
例如^a只会匹配行首的a

$ 匹配行尾
例如a$只会匹配行尾的a

贪婪与懒惰匹配（Greedy VS Lasy Match）

例如想匹配如图html标签,<.+>会把整个字符串全部匹配，因为会匹配尽可能多的字符，因为.代表任意字符包括>:
改为<.+?>，?将正则表达式中的默认的贪婪匹配改为懒惰匹配

实例 1 - RGB 颜色匹配

如图，匹配文本中所有十六进制RGB颜色值：

首先匹配井号，接下来由于代表每一个颜色值的字符都是十六进制，字符一定要出现6次，最后在表达式末尾加入\b代表单词字符边界,避免某些文本也被识别成RGB颜色值，如图例子中的最后一行：

	#[a-fA-F0-9]{6}\b

实例 2 - IPv4 地址匹配

IPv4地址由四段数字构成，数据之间句点隔开，\d+匹配任何长度大于1的数字，\.代表.这个字面量，因为.是元字符，代表任意字符，所以用反斜杠做转义。到IP地址每个部分都是8位的数字，也就是说它的范围介于0~255之间，前三位250. ~ 255.或者200. ~ 249.或者0. ~ 199.，具体如下图自己品：

\b((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)\b

总结

还有很多概念如捕获、断言、递归、平衡组等没有提到，日后继续学习。

其他学习连接：
1、https://github.com/ziishaned/learn-regex/tree/master/translations
2、https://docs.scrapy.org/en/latest/topics/selectors.html
3、正则表达式30分钟入门教程 作者：deerchao
https://deerchao.cn/tutorials/regex/regex.htm

Regex tutorial ——A quick cheatsheet by examples（英文）作者：Jonny Fox
https://medium.com/factory-mind/regex-tutorial-a-simple-cheatsheet-by-examples-649dc1c3f285

Regular Expressions Tutorial（英文）
https://www.regular-expressions.info/tutorial.html

内容转载记录于https://www.bilibili.com/video/BV1da4y1p7iZ