正则表达式入门，一篇就够了

【干货】8分钟正则表达式入门！

大家使用操作系统和办公软件的时候，或多或少会使用通配符这个工具，比如打开终端，输入dir *.txt。然而通配符仅限于问号(?)和星号(*)等等，其中?匹配1个字符，*匹配0到多个字符。这些功能实在太单一了！

作为一名（伪）攻城狮，你可能需要处理大量不同形式的文本，包括新闻稿、程序代码、报表、单词表、诗歌、email、html等等。

我们需要一个所向无敌的“语言”！那就是！正则表达式！！！

没错，这种功能强大的“通用模式语言”，能够解决几乎一切问题。比如，检查用户提供的电子邮件是否符合正确的语法格式。比如，把制表符分隔的文本改成CSV。比如，批量转换日期格式！比如，找到莎士比亚诗歌中所有重复的单词！比如，为URL添加链接！

PART 1. 思维框架

那么，让我们的主角——正则表达式闪亮登场吧！

正如前面所言，我们可以把正则表达式看成一种“语言”。由单词和语法构成，其中语法就是元字符（metacharacter），即具有特殊含义的字符，而单词就是普通字符。按照“语法”把“单词”组合起来，就能实现匹配、搜索和替换的功能。

就像任何语言一样，正则表达式由小的构建模块单元（building block unit）组成，每个单独的构建模块都很简单，但是将它们以无穷多种方式组合就能表达不同的意思。而我们需要练就一种思维框架，以最准确、精练、易读的方式将它们结合！

在阅读了3本评分最高的正则表达式书籍后，我将正则表达式的知识体系作出如下整理：

按照上面的思维导图，我们将学习正则表达式的基本语法，也就是元字符，分4个部分展开：

PART 2. 元字符

(1) 单字符.和转义符\

首先，点号.匹配任意单个字符，例如输入2021.2.5，可以匹配2021/2/5，2021-2-5等日期格式。

如果我们需要匹配点号本身，我们可以在前面加一个转义符\，又称跳脱字符（escape character），将后面的句号由元字符变成普通字符，例如\.txt。注意是反斜杠，不是正斜杠/(表示除法)。

转义符除了这个功效，还有两个作用：

一、将某些非元字符变成元字符序列，例如将<>变成单词分界符\<\>。

二、后面接普通字符时被忽略掉。

下图列举了常用「转义符+字母」构成的元字符序列，均匹配单个字符：

(2) 量词：?*+{}

量词紧跟一个单字符（或字符序列）之后，用来指定前者出现的次数。因此不可单独使用。

?问号表示可选项，也就是前面的字符可有可无，数学上的意义是前面的字符出现0~1次。例如t?he。

*星号表示前面的字符出现0~无穷次。例如t*he。

+加号表示前面的字符出现1~无穷次。例如t+he。

除了这三个量词，我们也可以使用{}花括号表示次数区间。例如用[0-9]{6,9}来匹配一行6~9位的连续数字，比如邮政编码和电话，或者用[a-z]{4}表示4位单词。

(3) 结构：

[]字符组、排除型字符组、区间

[…]方括号表示字符组，匹配其中列出的任意一个字符。比如gr[ae]y，[Ss]treet。

[^…]是排除型字符组，匹配一个在方括号中未列出的字符。比如q[^u]可以匹配不以qu开头的单词，但不能匹配一个字母q。注意方括号内的脱字符^是排除（negate）的意思，后面我们会介绍脱字符^在括号外是分界符，表示行的起始。

在方括号中加入连字符-表示区间，例如H[1-3]可以匹配html中的标题，即H1、H2或H3。我们也可以写成<.?[Hh][1-6]>用来涵盖大小写等情况。

()子表达式、多选结构和反向引用

(…)可以表示受量词作用的子表达式，比如<HR( *SIZE * = *[0-9]+)?.*>可以匹配size为14的tag，或者未规定size的tag。

括号还有两个作用：

(…|…)是多选结构，匹配竖线分隔两边的任意一个子表达式，比如用(From|Subject|Date):匹配email的不同信息。

(…)(…)\1\2表示反向引用，用\1、\2等表示第一、第二组括号匹配的文本。比如(the).*\1等同于the.*the。

（4）分界符

\b是单词分界符，比如\bcat\b。有时候也可以用\<…\>表示，但各个版本、各个语言不一定都支持这种用法。

至于行分界符，^表示行的起始，$表示行的结束（匹配换行符之前的位置），比如^cat$。也可以用\A和\Z匹配字符串的开头与结尾。

总结

从单字符、量词、字符组到分界符，我们看到小的单元是如何组合成一个个子序列，形成精确、完整的表达式。其中可能包含一些复杂的结构，比如多选结构和反向引用等。

我们也发现，元字符在不同的位置可能代表不同的含义。比如脱字符^在字符组内外，发挥不同的作用。转义符和括号，各有三种功能，等等。

至此就算入门了，为了巩固和深化这些知识点，我们需要结合实际案例，多多运用！下面这些①中英文电子书籍是我比较推荐的，里面有大量练习题，可以在②网站上试着做做：

①参考书籍（按推荐顺序排列）：

精通正则表达式 (Mastering Regular Expressions)

正则表达式必知必会 (Sams Teach Yourself Regular Expressions in 10 Minutes)

正则表达式经典实例 (Regular Expressions Cookbook)

②网站：

https://regex101.com/

我收藏了这些书籍的电子版，大家去我的公众号后台回复“regex”可得！

公众号：鸽婆打字机（ID：gepo666）