五分钟搞定正则表达式,如果没搞定,那就再加两分钟
一、正则表达式介绍
正则表达式,又称规则表达式。(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。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
不用过多介绍,大家对正则表达式应该不太陌生。即使没有用过,也一定听说过。
我们先看几个常见的正则表达式:
匹配 IP 地址
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
匹配电子邮箱
([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})
对于正则表达式,第一映像是一串神秘的字符串。如果不是真正了解其规则,看到这字符串,定然是摸不着头脑。
不过说实话,了解其规则以后,看到这数字,也有点头疼。毕竟正则这个东西,写时爽歪歪,看时如天书。
话虽这样说,正则表达式说白了,也就是一连串的规则而已,只要了解了规则,一点一点总能看懂。所以不要有畏难情绪。
我们从最简单的例子开始,一点一点添加规则,争取让大家在学会正则表达式的过程中感觉不到丝毫痛苦。
(这里有一个网站,http://tool.oschina.net/regex/#,可以在线测试正则表达式的正确性,读者朋友们可以在这上面进行测试,方便学习,我们后面的例子讲解,也用这个工具)。
二、几个常用规则
前面看了那么复杂的例子,我们这里回归本源,从一个简单的例子开始看。
2.1 完全匹配
正则表达式是用来匹配文本的,现在假设我们要匹配 “abcdefg” 这一字符串中的 “abc” 三个字母,我们该怎么写呢?
abc
对,不要怀疑,就是这么简单。
如果想匹配 “def”,那么就是
def
是不是很简单呢?是不是小脑瓜中又透露出一丝疑惑?
如果正则表达式的匹配内容很简单,也很明确,可以进行完全匹配,写出来的结果就是这样的。
2.2 符号 |
那我们再继续往后看。
还是 “abcdefg” 字符串,我们想匹配其中的 “ab” 和 “ef” 两个子串,怎么写呢?按照上面的写法,就是写两个正则 “ab” 和 “ef” 来匹配。这样可以,不过略显麻烦。我们写法如下:
ab|ef
这里我们新加了 "|"
这个字符,表示 或,即匹配 ab 或者 ef,是不是就方便了许多。
再继续看,这次我们需要改变一下待匹配的字符串。
我们在 “acabcdefgh acbbcdefgh accbcdefgh” 字符串中,要匹配 “abcdef”,“bbcdef”,“cbcdef” 三个子串。
读者朋友们一看,这题非常简单,用上面的方法,正则表达式如下:
abcdef|bbcdef|cbcdef
写法正确,不过略显繁琐。我们的写法如下:
(a|b|c)bcdef
是不是有些理解 “|” 的使用了呢。
那我们要匹配 “acabcdef”,“acbbcdef”,“accbcdef” 这三个子串怎么写呢?
ac(a|b|c)bcdef
这下子理解 “|” 的使用了吧。而且我们现在的的写法,是不是长得有些 ”像“ 正则表达式了呢?
2.3 符号 []
我们继续。
上面的例子,我们如果不用 “|”,可以实现么?
答案是可以的,写法如下:
ac[abc]bcdef
是不是看着比上面更清爽一点呢?
我们这里引入了一个新的字符 "[]"
。
这对中括号是字符集的意思,里面包含的字符,都是或("|")的关系。
我们还可以这样写:
ac[a-c]bcdef
“[a-c]” 表示的是匹配 a-c 之间的任意字符。
这里对 “[]” 稍微多说一些,[] 除了可以放字符集合以及字符范围以外,还可以做取反操作。
比如 “[^a-c]” 表示的是匹配 a-c 范围以外其他的字符。"[^0-8]" 表示的是匹配 0-8 范围以外的其他字符。
到了这里,我们已经可以写一些简单的匹配规则了。
2.4 限制符号 * + ? {}
我们继续往下看。
我们现在想匹配 类似 “fooooooooooooooooof” 这样子的字符串,中间的 “o” 个数我们不能确定,上面讲到的规则就有点无能为力了。
那我们该怎么写呢?
fo*f
这里的 "*"
表示匹配前面的子表达式零次或多次。
那么有些读者朋友会问了,如果想匹配至少有一个 “o” 该怎么写呢?
fo+f
这里的 "+"
表示匹配前面的子表达式一次或多次。
那么读者朋友又问了,如果想匹配 0 个或者者 1 个 该怎么写呢?
fo?f
这里的 "?"
表示匹配前面的子表达式零次或一次。
那么有些读者朋友又会问了,如果想匹配确定次数的 “o” 该怎么写呢?
我们可以这样写:
fo{2}f
上面的规则,会匹配 foof,即匹配 2 个 “o”。
所以,"{n}"
表示匹配前面子表达式 n 次。
那读者朋友们再次发问,如果想匹配至少 n 个 “o” 该怎么写呢?
fo{2,}f
"{n,}"
表示匹配前面子表达式至少 n 次。
那读者朋友们这次不发问了,会举一反三了,那如果想匹配 最少 n 个,最多 m 个呢?
fo{2,5}f
"{n,m}"
表示匹配前面子表达式至少 n 次,至多 m 次。
所以 “*” 等价于 “{0,}”,"+" 等价于 “{1,}”,"?" 等价于 “{0,1}”。
到这里,我们能写的匹配规则更多了,而且可以说大部分匹配运用上面的规则都可以实现了。
大家可以回头看看文章开头贴的几段正则表达式,看看是否能看懂了。
当然除此之外,正则里的规则其实还是不少的,除了上面几个,我们再看几个比较常用的。
2.5 几个转义字符
在正则表达式里,也有一些转义字符,表示一些特殊的含义。
"\d"