正则表达式基础（更新中。。。）

问题1：我是怎么接触到并开始学习正则表达式？

答：

   最初看到正则表达式这个词是在接触学习UltraEdit、Notepad++、UEditor等支持正则式搜索的编辑器时，当时还莫名其妙。

   真正开始学习是在自己想下载某个网站的所有图片时，在文章的末尾我会写出实现的方法。
   后来接触了Perl，才开始认识到正则式的强大。还是那句话写得好：“只要你接触了正则式，那么你的Perl程序中少不了它的身影，因为它太好用了。”

开始学习时的热身：

1.正则式和通配符（如*和？）的区别。

答：

   两者基本没有联系，只是同时使用了*和？这两个符号而已，千万不要把它们联想在一起，更不要试图把它们拧在一起理解，不然很有可能你就精神错乱了。

   通配符的'*'表示匹配多个任何字符，我们常用它来匹配*.txt,*.doc等符合某种格式的文档，而'?'与‘*’的不同在于，*匹配多个，而？只匹配一个字符。当然这两者还有很多妙用，这里就不细说了。

    

前面我们知道了*和？在通配符中的用途，而在正则式中它们的意义则完全不同。

真正意义上的开始：

    过多的细节我就不说了，这里我基本把它作为一个正则式各种繁杂元字符的汇总备忘。

    要理解正则式，其实我本人认为只要理解一点就算入门了，就是：

“正则式就是用来匹配符合某种格式的字符串的，而正则式的各种元字符就代表了各种匹配条件，比如：\d 就是在说‘这里是一个数字’，\d* 就是在说‘这里是任意数目的数字，可能是任意多个，也可能是一个都没有’”，

不知道我这样的理解是不是属于狭隘，反正我自己是这么理解的，也不管砖家是怎么说了。

我会按我自己的理解重组各种元字符，而不是像其他介绍中的那么介绍，那样的话，我觉得有点别扭。

各种元字符：

    单个匹配：

        \d  匹配一个数字
        \w  匹配一个单词，计算机所能理解的单词是指：字母或数字或下划线或汉字等
        \s  匹配一个空白，包括空格，制表符，换页符等
        .   匹配一个除了换行符之后的任意一个字符

    指定特定的位置：

        ^   代表开头，          如：^a    匹配以a开头的字符串
        $   代表结尾,           如：a$    匹配以a结尾的字符串

        \b  单词的开头与结尾     如：\babc\b    匹配abc，这样就不会匹配到abcd了  

（它可以匹配围绕在单词周围的标点符号）  

    指定范围：

        [.?!]   匹配?.! 中的其中一个
        [a-z]   所有的小写字母里
        [f-k]   字母‘f’到‘k’之间的字符
        [a-zA-Z0-9] 所有的大小写字母和数字
        [^abc]  不匹配abc中的一个

    各种量词，用来控制次数：

1.  a.从少到多排序：

            ？  匹配0次或者1次，相当于｛0,1｝   

助记： ？   疑问，有？还是 没有？ 这样我们就记住了，可能有，也可能没有嘛。

            +   匹配多于1次，即一定到匹配一次前面的字符。   

助记：+ 加代表一定要有，即至少也要匹配一次

            *   匹配任意多个或者不匹配。

助记：* 在数学中代表任意，可以是零，也可以是无限

            
        b.指定一个重复的范围：
            ｛n｝   重复n次
            ｛m，n｝    重复次数为 m到n 之间的数字，含m与n

  

    分支条件：

        |   意思：或      例子：（Tom|Jack）  匹配Tom或者Jack中的一个


    转义字符（取消特殊含义，或者赋予）：
        \t  \n  \r  (分别的含义：制表符，换行符，回车)

        \\  \^  \. \* 

解释：(\ ^ . 都是在正则式中有特殊含义的，加入 \ 后可以取消它原本的意义，只是作为一个普通的文本字符)

    分组：

        ()  用小括号包含表达式叫分组，所以单独使用(时，需要转义，写成：\(。括号中的内容会记录在反向引用\1 \2 等中

   修饰符：

        i   匹配时不区分大小写
        g   全局匹配

        s   忽略空白

   匹配某一个位置：

    几个规律：

        1. 一般在正则式中，大写字母是作为反义存在的，如:\s代表匹配一个空白，而\S代表着非空

        \D  匹配任意非数字的字符

2. 贪婪模式，和非贪婪模式（勉强模式）

说了这么多，还是上几个实例，大家对照前面的知识点来理解哈。

    \bhi\b.*\bLucy\b        .*表示匹配任意数量的不包含换行的字符，\bhi\b \bLucy\b 意思是单单匹配hi和Lucy，而不匹配类似high或者Lucyman之类的。这条语句会匹配类似，hi,nice to meet you,Lucy.

    0\d{2}-\d{8}        会匹配符合中国的电话号码格式的数字,如100-35838475

    \(?0\d{2}[)-]?\d{8})    匹配多个格式的电话号码，像(010)88886666，或022-22334455，或02912345678，这里的()需要转义

    ^\d{5,12}$              匹配QQ的格式，5到12个数字，比如我的QQ：871892708
    ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)   匹配IP地址的正则表达式

还有几个高级技巧，以后再补充。如果应付不太繁重的正则式工作，上面的就够用了。

正则式的基本规则就是以上了，重点是自己会不会灵活运用。我们要根据我们所有匹配的字符串的特点来写相应的正则表达式。

幕后：

推荐书籍：《精通正则表达式》
最初引我入门的文章："正则表达式30分钟入门教程"

参考文档：揭开正则表达式的神秘面纱

最近我的一个小运用（提取某网站中的所有GIF图片）：

a.某网站，http://7chan.org/gif/，上面有很多很“动感”的GIF图片，我想一次性全部都下载下来然后慢慢筛选，要是一次次右键另存为···，那我估计我迟早得疯掉。

b,基本思路：把所有我想要下载的GIF的链接提取到一个桌面的txt文档中，然后用迅雷批量下载，当然也可以调用wget命令。

c,代码实现：这里我用的是Perl语言，尤其擅长处理正则式。

附代码，勿笑我水平低哈：

#! /usr/bin/perl

open FILE, '> C:\Users\ite\Desktop\resources.txt'; #不能用“”，因为\U \i 会被转制
use 5.010;
use utf8;
use LWP::Simple;
$url = "http://7chan.org/gif/";
$content = get $url;
while ($content =~ s#(https://7chan.org/gif/src/.*?gif)# #){
    say FILE $1;
}