正则表达式学习笔记

简介

正则表达式是一种描绘字符串样貌的语言，用来匹配字符串。它不属于某种特定编程语言，其身影几乎无所不在，甚至是VIM等编辑器的重要组成部分。使用正则表达式能显得高端、优雅，因为它难。

下面总结下学习心得。

基本套路：

正则描述字符串的基本方法是：

元素名 + 数量

例如，匹配1个或多个’A’：A+
其中，字符'A'原封不动，“+”是一个**“限定符”**，描述数量，代表一个或多个。

再例如，匹配连续3个数字：\d{3}
其中，\d是一个**“元字符”**，代表一个数字，限定符{3}指定数量为3个。

（元字符指有特殊含义的字符，限定符指指示数量的字符）

掌握了这个基本原则，就能看懂一半正则表达式了。

元素名

普通字符

普通字符直接写，例如abc，就能匹配字符串abcde中的abc。

元字符

想表达特殊含义需要用元字符，常用的有：

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字

指定范围

想表达某个范围用方括号包起来[]，中括号视为一个整体，代表一个字符。

代码	说明
[ABC]	ABC中的一个
[A-Z]	从A到Z中的一个
[0-9a-zA-Z_]	等价于\w
[^abcd]	反义字符组，匹配任意不在括号内的字符。也可以写成[^a-d]

(^出现在方括号里是转义的意思，其它地方用来描述“开始位置”)

转义：

有时很不巧，需要匹配元字符本身，就需要转义，即元字符前面加反斜杠'\'。

比如查找一对[]，应为：\[\]。

如果查找\本身，应为：\\。

数量

常用限定符

代码	说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

以上，有了元素名+数量的组合就能匹配大多模式了。

例如
\d{5,12}，匹配“连续5到12个数字”，如1234567；
\w+[1-9]匹配“一个或多个字符+从1到9的一位数字”，如a1或abc9。

但有时需要描述得更精确些，例如指定只能出现在开始或结束位置等。

再精确点

位置

要描述有些字符只能在开头或结尾出现，就需要描述位置。

代码	说明
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

匹配8位电话号码时，可以使用：^\d{8}$，限制了开始结束，整个字符串都要与其匹配，这样就过滤掉了a12345678，或12345678bcd。

分组：

小括号()依然是传统意义上的分组。

例如，(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。

除了分组外，()还有“捕获”的功能，配合指示符使用可以表示匹配项，\1到\9代表第n个括号分组匹配的文本。

例如：
\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。其中\1代表第一个括号匹配的内容。

（注意：\1到\9必须与()一起服用）

分支：

也就是正则表达式中的“或”，用“|”表示。

123|abc匹配字符串123或abc

注意不要再用多余的方括号[]了！常见错误，匹配(555)或555，写成：[(\(\d{3}\))|\d{3}]。正确写法是：(\(\d{3}\))|\d{3}。

以上是正则表达式的基本套路。

参考资料：

正则还有很多知识，可以参考：

正则表达式30分钟入门教程

Learn Regular Expressions (RegEx) with Ease

Javascript RegExp参考文档

测试工具：

在线测试工具

小结

一点经验是，复杂的正则表达式可以先拿出纸笔写一写，因为手写可以有层次分明的括号和间隔，看起来能稍微清晰点。