在日常的開(kāi)發(fā)工作中，正則表達(dá)式猶如空氣般無(wú)所不在，扮演著不可或缺的角色。我們時(shí)常依賴(lài)正則來(lái)解決各類(lèi)問(wèn)題，例如精準(zhǔn)定位符合特定規(guī)則的文本。然而，我注意到許多開(kāi)發(fā)者對(duì)正則持有“復(fù)雜難記”的觀念，難以全面掌握這一強(qiáng)大的工具，以至于每當(dāng)在實(shí)際工作中遇到需要運(yùn)用正則表達(dá)式的情況時(shí)，往往不得不翻閱資料才能編寫(xiě)出合適的正則。

正則表達(dá)式作為一種無(wú)比強(qiáng)大的工具，無(wú)疑值得我們?cè)陂_(kāi)發(fā)過(guò)程中深入學(xué)習(xí)并熟練運(yùn)用。它能幫助我們高效解決各類(lèi)復(fù)雜問(wèn)題，顯著提升工作效率，從而讓我們的編程之旅更加得心應(yīng)手，游刃有余。

什么是正則表達(dá)式

你可以這樣來(lái)理解正則是一個(gè)非常強(qiáng)大的文本處理工具，我們可以利用它來(lái)教驗(yàn)數(shù)據(jù)的有效性，比如用戶輸入的手機(jī)號(hào)是不是符合規(guī)則；另外，也可以用正則從文本中提取需要的內(nèi)容，比如從網(wǎng)頁(yè)中抽取我們需要的數(shù)據(jù)；此外，正則還可以用來(lái)做文本內(nèi)容的替換從而得到我們想要的內(nèi)容，可以說(shuō)正則已經(jīng)滲透到了我們?nèi)粘９ぷ鞯姆椒矫婷?，不難發(fā)現(xiàn)學(xué)習(xí)并利用好正則至關(guān)重要。

怎么理解正則表達(dá)式呢？簡(jiǎn)單來(lái)說(shuō)它就是描述字符串的規(guī)則，最簡(jiǎn)單的正則就是單個(gè)的普通字符，比如字 a 它可以匹配 Hanmeimei is a girl 中的 H 之后的 a 也可以匹配 is 之后的 a，這個(gè)和我們?nèi)粘Ｒ?jiàn)到的普通的字符串查找其實(shí)是一樣的。

除了剛剛說(shuō)的普通的字符串的查找之外，有時(shí)候我們還需要查找符合某個(gè)規(guī)則的文本；比如我們想找出字符串中所有的數(shù)字，而任意數(shù)字在正則中可以用 \d 來(lái)表示，它表示 0～9 這十個(gè)數(shù)字。

單個(gè)的 \d 只能表示一個(gè)數(shù)字我們?nèi)绻诤竺婕由狭吭~，比如 \d{11} 這樣的話就表示 11 位數(shù)字。我們的手機(jī)號(hào)就是 11 位的，如果文本中只有姓名和手機(jī)號(hào)，我們就可以用這個(gè)提取出里面的手機(jī)號(hào)。

正則不僅僅能找出符合要求的文本，還可以對(duì)文本進(jìn)行替換。比如說(shuō)我們有這樣一段文本 the cat cat is in the the hat.，我們想要從文本中找出重復(fù)的單詞把它統(tǒng)一替換成一個(gè)單詞，最終的結(jié)果就是 the cat is in the hat.，可以發(fā)現(xiàn)正則在日常工作中使用非常廣泛也非常重要。

原字符

正則表達(dá)式中其實(shí)有很多的原字符，比如 \d，它在正則中不代表反斜杠和字母 d 而是代表任意的數(shù)字，所謂的原字符就是指正則表達(dá)式中具有特殊含義的那些專(zhuān)用的字符，正則表達(dá)式中原字符非常多那么我們?nèi)绾尾拍苡涀∷鼈兡兀吭谶@里給我給大家介紹一個(gè)方法就是分類(lèi)記憶。

我們可以把原字符大概的分成這么幾類(lèi)，有基礎(chǔ)常用的、特殊的空白符、表示某個(gè)范圍的、表示邊界的、表示次數(shù)的量詞；原字符雖然非常的多但如果我們按照分類(lèi)去理解記憶，效果就會(huì)好很多。接下來(lái)我們就按照前面說(shuō)的原字符的分類(lèi)來(lái)逐一的進(jìn)行講解。

基礎(chǔ)的原字符

首先非常常用的基礎(chǔ)的原字符，比如英文的點(diǎn)它表示換行以外的任意字符,\d 表示任意的數(shù)字，\w 表示任意的數(shù)字字母或者下滑線，而 \s 表示任意的空白符，另外還有與之對(duì)應(yīng)的 \D、\W 和 \S 分別表示著和原來(lái)相反的意思。

特殊的空白符

接著我們來(lái)看一下空白符有哪些，其實(shí)我們?cè)诰幊讨薪?jīng)常會(huì)遇到比如說(shuō)換行符 \n  TAB 制表符 \t 等，有編程經(jīng)驗(yàn)的同學(xué)應(yīng)該知道在每行文本的結(jié)束的位置都有換行，那么不同的系統(tǒng)會(huì)稍有區(qū)別比如說(shuō)像 Windows 系統(tǒng)是 \r\n，Linux 和 MacOS 是 是\n，那么在正則中這些空白符也是類(lèi)似的只要記住它們就行，平時(shí)使用正則大部分場(chǎng)景我們使用\s 就可以滿足需求。

表示數(shù)量的原字符

剛剛我們說(shuō)到的基礎(chǔ)的原字符也好，空白符也好，它們都只能匹配單個(gè)字符比如說(shuō) \d 只能匹配一個(gè)數(shù)字，有時(shí)候我們需要匹配單個(gè)字符或某個(gè)部分來(lái)重復(fù) N 次或者至少出現(xiàn)一次或者最多出現(xiàn)三次這樣，這就需要我們來(lái)用到表示量次的原字符。

在正則中英文的 * 它代表出現(xiàn) 0 到多次 + 表示出現(xiàn) 1 到多次 ? 表示 0 到 1 次，而 {m,n} 可以表示 m 到 n 次。

就比如說(shuō)由于業(yè)務(wù)需要我們?cè)谌罩浦刑砑恿?user 這樣一個(gè)字段，但舊日志可能是沒(méi)有這個(gè)字段的；這個(gè)時(shí)候我們可以使用 ? 來(lái)表示它出現(xiàn) 0 次或 1 次，在這里就可以表示 User 這個(gè)字段存在和不存在兩種情況。

范圍原字符

學(xué)習(xí)到了量詞我們就可以使用 /d{11} 來(lái)匹配所有的手機(jī)號(hào),但是我們要明白這個(gè)范圍比較大有一些不是手機(jī)號(hào)的也能匹配上,比如說(shuō) 11 個(gè) 0 這個(gè)時(shí)候我們就需要在這一個(gè)特殊的范圍內(nèi)進(jìn)行查找我們符合我們要求的數(shù)字。

管道符號(hào)它是隔開(kāi)多個(gè)正則來(lái)表示滿足其中任意一個(gè)就行，比如 ab|bc 它能匹配上 ab 也能匹配上 bc；中括號(hào)它可以代表多選一可以表示中括號(hào)里面任意單個(gè)字符，所以任意的元音字母我們就可以用 [aeiou] 來(lái)表示；另外中括號(hào)中我們可以用 - 來(lái)表示范圍比如說(shuō) [a-z] 可以表示所有的小寫(xiě)字母；如果中括號(hào)中的第一個(gè)是脫字符(^)它可以表示非，那么就表示不能出現(xiàn)里面的任何一個(gè)單個(gè)元素。

知道了這些我們就可以輕松搞定前面的問(wèn)題，手機(jī)號(hào)的匹配可以這樣優(yōu)化第二位可能 是3~9 那么我們可以寫(xiě)成 [3456789] 或者寫(xiě)成中 [3-9 或者是我們用 [^012] 也就是說(shuō)把 012 排除掉。

邊界原字符

前面我們學(xué)習(xí)了如何匹配文本中包含的內(nèi)容，但是有時(shí)候我們除了要找出符合某種組成規(guī)則的字符外還對(duì)匹配到的文本的位置有要求，比如說(shuō)某個(gè)日志文件我們需要找出每行以時(shí)間開(kāi)頭的日志。這里要使用的正則不僅要滿足時(shí)間的格式要求，它還要滿足匹配道美行的開(kāi)頭才行，這時(shí)我們就需要用到邊界相關(guān)的原字符了。

和剛才說(shuō)到的中括號(hào)中的脫字符不同，如果正則中開(kāi)始是脫字符，它表示每行開(kāi)頭的部分只有滿足正則的規(guī)則的前提下才能夠匹配上；類(lèi)似的正則中有美元的符號(hào) $ 表示匹配行的結(jié)束；而 \b 來(lái)表示匹配的單詞的邊界；\A 和 \Z 它匹配整個(gè)字符串的開(kāi)始和結(jié)束而不是每行的首尾；與 \A 不同的是脫字符可以匹配任意行的開(kāi)頭而不是整個(gè)文本的開(kāi)頭。

貪婪和非貪婪

接著我們來(lái)看一下正則中的貪婪與非貪婪，正則表達(dá)式中表示次數(shù)的量詞默認(rèn)是貪心的；也就是說(shuō)它盡可能的多的去匹配符合要求的內(nèi)容 ，舉個(gè)例子來(lái)說(shuō)我們要找出引號(hào)里面的單詞；可能很多同學(xué)很容易寫(xiě)出 .+ 這樣的正則。

但這樣對(duì)嗎？如果有多個(gè)雙引號(hào)的時(shí)候是不會(huì)正常工作的，因?yàn)楸硎敬螖?shù)的量詞默認(rèn)是貪心的，它要盡可能多的去匹配符合要求的內(nèi)容 ，不過(guò)想要讓它變成非貪婪也很容易我們只需要在量詞后面加上問(wèn)號(hào)就可以了。

從示例中可以看出對(duì)比上的差異左右的文本是一樣的，其中有兩對(duì)雙引號(hào)不同之處在于，圖的左邊不加問(wèn)號(hào)時(shí)是貪婪匹配，可以看到匹配上了第一個(gè)引號(hào)到最后一個(gè)引號(hào)之間的所有的內(nèi)容；而右邊這個(gè)圖它表示 1 到多次，加號(hào)后面有一個(gè)問(wèn)號(hào)，結(jié)果就找到了符合要求的并且長(zhǎng)度是最短的，這就是進(jìn)行了非貪婪的匹配。

環(huán)視

當(dāng)我們對(duì)想要的提取的字符串的左邊或者是右邊的環(huán)境有要求的時(shí)候，比如說(shuō)我們要查找左邊是數(shù)字的字母，這個(gè)時(shí)候我們需要用到正則的環(huán)視，簡(jiǎn)單的說(shuō)環(huán)視就是在我們給定的規(guī)則前或者是規(guī)則后來(lái)加一些限制。

下圖就是利用環(huán)視來(lái)提取出左邊是標(biāo)簽右邊是標(biāo)簽的字符。

子組

們?cè)賮?lái)了解一下正則中的子組，它的功能是將正則分成若干個(gè)小組用擴(kuò)號(hào)來(lái)擴(kuò)起來(lái)，那么將正則保存成一個(gè)子組。子組可以用來(lái)表示某個(gè)部分的內(nèi)容在后面重復(fù)出現(xiàn)或者是對(duì)某個(gè)部分的內(nèi)容進(jìn)行替換。另外，正則匹配的時(shí)候我們還可以指定 flag，比如用點(diǎn)可以匹配所有字符，包括換行多行的匹配模式或者是大小寫(xiě)不敏感的匹配模式。

案例實(shí)踐

我們回到今天開(kāi)頭提出的問(wèn)題也就是如何將文本中重復(fù)出現(xiàn)的單詞替換成單個(gè)單詞。在這里我們可以分成兩步來(lái)操作，首先我們需要查找出相關(guān)的內(nèi)容然后再對(duì)其進(jìn)行替換。

我們來(lái)先看一下查找部分，我們可以簡(jiǎn)單的用 w+ 來(lái)表示一個(gè)單詞，把它用擴(kuò)號(hào)擴(kuò)起來(lái)意思就是保存成了一個(gè)子組；這是我們寫(xiě)正則中的第一個(gè)子組。然后我們?cè)诳崭裰笥?nbsp;\1，它的意思就是前面的子組再重復(fù)出現(xiàn)一次，這樣的話我們就找到了前面出現(xiàn)的單詞后面又再重復(fù)出現(xiàn)一次相鄰的兩個(gè)單詞。

在替換部分我們使用 \1 來(lái)表示正則中第一個(gè)子組,也就是說(shuō)找到的是什么單詞我們這里就把它替換成什么單詞；然后可以看到最終的結(jié)果那里 cat 和 the 重復(fù)的已經(jīng)移除。這樣的話我們就完成了移除重復(fù)單詞的工作，到這里我們就解決了開(kāi)頭我們提出的問(wèn)題。

那么除了工作中我們能使用到正則在生活中其實(shí)我們也可以用正則來(lái)做一些非常有趣的事情，這里我引入一個(gè)案例比如說(shuō)我們來(lái)用正則來(lái)幫助我們下載電視劇。用正則來(lái)提取出電視劇對(duì)應(yīng)的網(wǎng)址，首先我們可以使用 chrome 或者 firefox 等瀏覽器在百度中搜索相應(yīng)的電視劇的名字。

然后我們單擊右鍵審核元素或者檢查，然后獲取到每一集電視劇的鏈接的 html 代碼，接下來(lái)通過(guò)找出規(guī)律我們就可以寫(xiě)出一個(gè)能匹配上所有電視劇網(wǎng)址的這樣的正則，然后可以點(diǎn)擊查找所有。

最后把查找的內(nèi)容剪切出來(lái)，把剪切出來(lái)的內(nèi)容粘貼到一個(gè)新的地方，通過(guò)替換等方式我們可以在這些網(wǎng)址的開(kāi)頭都加上 you-get 命令

u-get 命令它是一個(gè)資源下載的工具，這個(gè)工具需要自己去安裝才可以使用，最后我們?cè)?nbsp;sell 上執(zhí)行這些命令就可以下載這部電視劇了。

總結(jié)

最后我來(lái)給你總結(jié)一下，正則表達(dá)式中原字符的分類(lèi)記憶，大家可以在腦海中回憶一下，基礎(chǔ)常用的、空白符、范圍、邊界、量詞等；子組則是將一個(gè)正則中的部分內(nèi)容進(jìn)行分組常常用于內(nèi)容的替換；而貪婪和非貪婪其實(shí)就是量詞后面添加問(wèn)號(hào)，去改變匹配次數(shù)的偏好；環(huán)視則是限制匹配內(nèi)容之前或之后要符合某個(gè)規(guī)則。

今天通過(guò)大量的示例讓你加強(qiáng)了對(duì)正則各類(lèi)原字符，貪婪與非貪婪，環(huán)視等方面的理解，掌握了這些內(nèi)容相信你就能夠掌握日常工作中的一些基本使用了。這里給大家推薦一個(gè)網(wǎng)站 https://regex101.com/ 這個(gè)網(wǎng)站是學(xué)習(xí)正則非常棒的一個(gè)工具感興趣可以進(jìn)一步的了解一下。