（二）正则表达式之常用表达式详细解析

最新推荐文章于 2021-08-16 09:32:44 发布

WaveVector

最新推荐文章于 2021-08-16 09:32:44 发布

阅读量1k

点赞数

分类专栏：工程开发

本文链接：https://blog.csdn.net/wendingzhulu/article/details/38374379

版权

工程开发专栏收录该内容

23 篇文章 0 订阅

订阅专栏

背景简介：

今天比较清闲，就看看电子书，又是看到有关正则表达式的资料。之前有整理过一篇正则表达式的语法，《（一）正则表达式快速入手指南之字符集合表达式（包含个人总结）》，以及实战了CodeMirror自动提示功能的扩展。所以，对正则表达式的很多细节还是很迷糊的。既然看到了，那就整理整理吧。

简述：

正则表达式的语法不直观，而且书写规则出奇的复杂，因为它们把某些位置上的字符串解析为运算符，而把仅在位置上稍微不同的相同字符串当作字面量。比不易书写更糟糕的是，正则表达不直观，不易被直接理解，从而修改起来难度也比较高。一般，要正确的阅读正则式，需要对正则表达式的整个复杂性有相当彻底的了解。

但是，从相反的角度，正则表达式非常凝练，是处理字符串匹配的利器，因为可以避免使用逻辑代码处理字符串，从而具有很强的健壮性和扩展性。所以，掌握正则表达式成为程序员一项必备的技能。要熟练掌握这项技能，需要在实战中不断摸爬滚打，才能熟练使用这种高凝练的语言。

就像是查看复杂的代码块，我们需要一步步解析代码的含义。刚开始学习正则式，往往很难做到一眼看穿那么一大串看似杂乱的字符的含义。所以，欲穷千里目，只能放缓脚步，一步步查看，在平时积累一些常用的正则表达式。

案例1、URL匹配

首先，先说明URL的组成。URL是URI的一个子集，是UniformResource Locator的缩写，译为“统一资源定位符”。采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。URL的格式主要由三部分组成：

1. 第一部分是协议

2. 第二部分是存有该资源的主机IP地址或者域名（有时候也会包括端口号）

3. 第三部分是主机资源的具体地址，如目录和文件名等

4. 第四部分是使用GET提交form，请求参数拼接在URL后面

其中，第一部分和第二部分用”://”符号隔开，第二部分和第三部分用“/”符号隔开，第三部分和第四部分用问号?分割，参数用&符号拼接键值对。第一部分和第二部分是不可缺少的，第三、四部分有时候可以忽略。比如：

① http://www.baidu.com —— 没有指定端口号和第三部分

② http://blog.csdn.net/wendingzhulu/article/details/38168039—— 指定第三部分

③ http://www.baidu.com/s?wd=httpparser&rsv_spt=1&issp=1&rsv_bp=0&ie=utf-8&tn=baiduhome_pg&rsv_sug3=9&rsv_sug4=392&rsv_sug1=8&rsv_sug2=0&inputT=5171指定第四部分

如何写这个URL的正则表达式呢，就根据这四部分进行编写。每个部分都对应到一个正则表达式分组上。

1．匹配协议，协议主要有http/https/file等，简单点归纳为由英文字母拼接而成（不一定正确）。那么如下表示

^(?:([A-Za-z]+)){1}

详解：其中^指明字符串匹配的起始点，A-Za-z表示所有大小写英文字符，在中括号内，[A-Za-z]表示任意一个英文字符；后面的+号是量词，[A-Za-z]+表示至少有一个英文字符。然后是小括号，表示分组。分组这个概念之前没有详述，可以参考《正则表达式的分组》（http://www.cnblogs.com/symbol441/articles/957950.html），主要是为了解决重复性字符串定义。接下来对这个分组限定，使用(?:pattern)表示不捕获匹配的子表达式——具体是什么意思，也不是很清楚，待以后考究。然后{1}指定这个组有且仅有一次匹配。

2. 第一和第二部分的衔接

(:\/{2}) /转义，表示\要被匹配2次即://

3. 第二部分，主机名正则式

([0-9.\-A-Za-z]+)，中括号内表示字符范围，+表示匹配1次以上，这个分组即表示主机名由一个或多个数字、字母或.或-组成（PS：这个匹配式比较粗犷，不一定准确）。

4. 端口号

(?::(\d+))? 这个比较简单，不做解释

5．第三部分，具体的目录或者文件路径，可以为空

(?:\/([^?#]*))?

该分组以一个/开始，分组([^?#]*)中^指除?#之外的所有字符（PS：这里也不一定准确），*表示匹配0次或多次（.*可以表示匹配除换行符以为的所有字符）。

6. 第四部分，匹配查询语句——这是我自己写的，不一定准确

\?(([0-9.\-A-Za-z]+)=(\S*)&{0,1})?

匹配从?开始，然后格式是key1=value1&key2=value2这样的形式，做了一下在线测试，当前满足要求