一文带你快速掌握正则表达式

作者：叶筱    原载于：叶筱工作站公众号   发表时间：4月7日

 

     大家好，我是叶筱。我们在日常学习或者开发中，经常会遇到正则表达式，可以说正则无处不在。因为正则表达式在几乎所有语言中都可以使用，无论是前端的JavaScript、还是后端的Java、Python、C#。他们都提供了相应的接口或函数支持正则表达式。但是我们在大学选择的计算机专业课，或者在学习一些开发实战课中，都鲜有关于正则表达式的专门课程，很多本应该是正则表达式能完成的事情，却让大家用了其他稀奇古怪的表达方式；再或者，你在实际学习开发中，很明确这里是使用正则表达式，但是每次使用时，你都需要重新翻看资料，去重新理解正则表达式语法，以至于用到一些较为复杂的正则表达式就会被卡住，难以进行下去。

接下来我就用一篇文章，带大家一起快速上手正则表达式，本文共3000余字，预计需要10分钟。

---

目录

前言导入

1、元字符

2、贪婪、子组与环视

写在最后

---

前言导入

在开始之前，相信有许多小伙伴，还在问正则是什么东西？是啊，对于初次听到的同学肯定对“正则”充满了问号。

正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

当然，艰涩难懂的概念很难让人理解它，甚至于还想收藏本文、然后关闭。其实正则你可以理解成一个文本处理工具，但是它非常强大。我们可以用它来校验数据的有效性，比如我们在平常注册账号或者填写表单的时候，但凡我们手机号出现错误，输入框就能及时提醒，这里就是利用了正则表达式进行校验；还有我们利用正则表达式可以快速从文本中提取需要内容，比如我们很常见的就是在网络爬虫中进行内容筛选和抓取；当然它还可以对符合规则的文本内容进行替换，比如Notepad++就是一个支持正则表达式的文本工具，我们可以轻松用它来把我们“千万级别”文中出现的指定内容进行替换，并且高效、快速、完全，妈妈再也不用担心我抄写作业了！

说到这里，可见正则表达式的重要性，那我们应该如何理解正则表达式呢？简单来说，它就是描述字符串的规则，最简单的正则就是匹配单个普通字符，例如我们在下面的例子中匹配字符o，这里就类似于我们平常常用的字符串查找是异曲同工的：

有时候我们还想找出字符串中符合某种规则的文本，比如找出字符串中的所有数字，如果用普通方法，肯定需要进行很多次重复工作，但是利用正则表达式就不一样了：

      这里就出来一个知识点，我们在正则中利用“d”（digit）来表示0-9这10个数字，如果我们在“d”后面加上一些量词变成“d{4}”，这样就会表示匹配4位的数字，这里大概许多小伙伴就能举一反三了，比如匹配手机号“d{11}”等等。

      我们接下来看一下，正则表达式如何进行替换，这里使用的是https://regex101.com/网站提供的正则表达式测试：

 

元字符

接下来我们先介绍一下元字符。元字符对于正则表达式是一个非常重要的基础概念，它是一种代表特殊含义的专用字符，相当于正则表达式中有含义的“单词”，只有掌握这些“单词”，在了解一些基础的“语法”，就能看懂初步看懂较为复杂的正则表达式。

        我们首先了解看下基础和空白符，这里包含的内容在之前我们举过的例子中展示过，还记得怎么初步匹配手机号码？对了，用“/d{11}”就可以了。

      这些都需要你牢牢去记住，尤其是大小写含义还不一样，千万不要写错，否则可能得到的答案和你想的大相径庭。

 

      我们往往并不是单独匹配一个字符，我们常常需要匹配一串字符，并且还对字符的内容有一定的期望，接下来我们来看一下量词和范围都有哪些内容：

      看到这里，我们就可以对一个手机号进行更加合理的匹配或校验，因为之前我们写的“/d{11}”可以匹配到手机号，但不完全都是手机号，例如00000000000明显就不是手机号，所以我们利用量词和范围对手机号的正则表达式重新进行改写：

我们可以看到，即便符合了手机号位数的数字也不会被匹配到，当然我们可以看到思维导图里面有许多同义替换，我们还可以这么写“1[^012]d{9}”、“1[3-9][0-9]{9}”等等。

 

有的时候，我们不仅需要匹配到我们想要的内容，并且所在的位置也必须是我们想要的，这时，我们就可以使用边界元字符来解决这个问题。

利用边界元字符我们可以从指定位置格式来匹配字符串，有效地过滤了许多不需要的信息，在这我们要对脱字符（^）和“A”进行一些区分，脱字符可以进行多行匹配，而\A只能匹配字符串开始的位置：

 

 

关于元字符的思维导图源文件，请在公众号“叶筱工作站”(CodeWorkstation)内回复“元字符”，即可获得源文件！

 

 

 

贪婪、子组与环视

   看到这里，对于正则表达式你已经跨入了大门，接下来我们来讲一下正则中的贪婪与非贪婪。在正则表达式中表示次数的量词默认是贪婪的，也就是说它尽可能多的去匹配符合要求的内容。

      那越多结果不是越好吗？为什么还要将贪婪模式变成非贪婪模式呢？非也，比如下面的例子，我想匹配引号内的内容，但是贪婪匹配让我匹配成第一个左引号和最后一个右引号内的内容，这明显是不符合我们需要的，变成非贪婪匹配就会得到想要的内容。

 

      我们有的时候需要进行一些复杂的匹配，可能需要多个正则表达式一起协作才能完成，就是所谓的分治法。这里我们需要利用正则表达式的子组来解决实际问题。

 

      我相信看这篇同学可能多少还对网络爬虫有一定了解，但是如何更加准确地匹配到指定标签的内容呢？这里我们就需要用到环视（Lookaround）：

环视匹配的最终结果就是一个位置，匹配到的内容不保存到最终的匹配结果。这就好像要找某一个河南师大的门，它位于建设东路和牧野大道交叉口往北500米，我们根据这些线索就能确定这是河南师大的小东门，但我们只需要是什么门，结果并不包含这些找门的线索。所以环视的作用相当于对所在位置加了一个附加条件，只有满足这个条件，环视子表达式才能匹配成功。我们来看一个例子🌰来理解一下：

 

废话少说，放码过来

我们还需要在实战多学习，推荐一个免费学习的实战教程：https://www.python123.io/index/tutorials/regex_intro

 

当然还有本文中用于测试正则表达式的网页：https://regex101.com/  （正则101？）

还有一个有助于你理解正则表达式组成的网页：https://regexper.com/

 

还可以通过不同编程语言进行针对性练习：https://www.codewars.com/

 

当然我所讲的正则表达式的内容并没有那么全面，还以可以参考以下资料自主全面学习：

正则表达式—菜鸟教程 ：https://www.runoob.com/regexp/regexp-tutorial.html

JS正则表达式完整教程 ：https://juejin.im/post/5965943ff265da6c30653879

《正则表达式不要背》 ：https://juejin.im/post/5cdcd42551882568651554e6

 

写在最后

    讲到这里，文章就要结束了，也感谢你认真的读到了这里，相信此时的你一定对正则表达式有了一定的了解，这也是我希望看到的，当然如果你还对正则表达式算法的实现好奇，你大可以阅读《算法导论》来刨根问底。可能目前你对正则表达式还是不太明白，没关系，你可以多读读博客或者上视频网站找教程看。或许现在你还没有用到过正则表达式，但是我相信在你反复学习过正则后，在将来的某一天，一定会看见一串奇怪的代码后恍然大悟，这就是知识积累带给你的满足感。

在此也很感谢你关注我的公众号"叶筱工作站"(CodeWorkstation)，我还会不定期地更新一些可能你感兴趣的话题，如果有其他建议或想法，欢迎直接通过微信公众号聊天框给我留言，或者发邮件到：wy304379732@live.com与我联络，期待与你的交流！如果喜欢这篇文章的话，希望能够转发、点个在看，谢谢！

扫码关注我

邮箱：wy304379732@live.com

欢迎在聊天框直接留言哦！