半小時學會正則表達式（上）

正則表達式（Regular Expression）在代碼中經常簡寫爲regex。正則表達式一般被用來檢索、替換那些符合某個規則的文本，它是一種強大而靈活的文本處理工具。

正則描述了一個規則，經過這個規則能夠匹配一類字符串。

如何學習正則？

一、學習正則表達式的語法規則
二、練習使用正則並能解決實際問題

針對上面的每一個點我會分別寫一篇文章來講明，用最短的時間學會正則表達式。

這篇文章講述正則表達式的語法和使用說明，讓你半小時學會正則表達式。

學習正則表達式語法，主要就是學習元字符以及它們在正則表達式上下文中的行爲。

爲了便於理解，文章全部示例的正則表達式用「regex=正則」表示，「=」號後面就是正則表達式，匹配到的字符會用顏色標註出來，連續匹配到的字符用一深一淺兩種顏色區分。好比：regex=\d+，其中\d+就是一個正則，它匹配任意多於1個的數字，以下：

regex=\d+匹配的字符串

正則表達式語法彙總

元字符：
普通字符、標準字符、特殊字符、限定字符（量詞）、定位字符（邊界字符）。

普通字符：
字母[a-zA-Z]、數字[0-9]、下劃線[-]、漢字，標點符號

匹配字母a能夠regex=a
匹配字母b能夠regex=b
匹配字母a或者b能夠regex=a|b，這個正則引入一個特殊字符「|」，專業名稱爲「或」，你也能夠叫它「豎線」，總之它表示「或」的意思。

匹配字母a或者b或者c能夠regex=a|b|c
匹配字母a或者b或者c或者d能夠regex=a|b|c|d
明顯發現這麼寫有點傻了，若是匹配全部26個字母，這種寫法就太二了。

這裏引入兩個特殊字符方括號「[ ]」和中劃線「-」
「[ ]」，專業名稱爲「字符集合」，你也能夠叫它「方括號」。
「-」，表示「範圍」，你也能夠叫它「到」，regex=[a-z]匹配從a到z26個字母的任意一個。

那麼匹配字母a或者b或者c或者d能夠regex=[abcd]
匹配數字1到8的任意數字能夠regex=[1-8]，這樣就不會匹配到0與9這2個數字了，以下：

regex=[1-8]匹配的字符串

標準字符集合：
標準字符集合是可以與「多種普通字符」匹配的簡單表達式，好比：\d、\w、\s

匹配數字0到9的任意數字能夠regex=[0-9]也能夠regex=\d
標準字符集要注意區分大小寫，大寫是相反的意思
regex=\D，則匹配非數字字符，即不能匹配數字0到9，以下：

regex=\D匹配的字符串

下面是一些經常使用的標準字符說明

標準字符	含義
\d	匹配0-9中的任意一個數字，等效於[0-9]
\D	匹配非數字字符，等效於[^0-9]
\w	匹配任意一個字母、數字或下劃線，等效於[^A-Za-z0-9_]
\W	與任何非字母、數字或下劃線字符匹配，等效於[^A-Za-z0-9_]
\s	匹配任何空白字符，包括空格、製表符、換頁符，等效於 ?[\f\n\r\t\v]
\S	匹配任何非空白字符，等效於[^\f\n\r\t\v]
\n	匹配換行符
\r	匹配一個回車符
\t	匹配製表符
\v	匹配垂直製表符
\f	匹配換頁符

特殊字符：
這些字符在正則表達式中表示特殊的含義，好比：*，+，？，\，等等

「\」是轉義字符，用於匹配特殊字符

匹配反斜槓「\」能夠regex=\\，由於「\」是特殊字符，因此須要在它前邊再加一個「\」進行轉義

匹配星號「*」，能夠regex=\*，由於「*」是特殊字符，因此須要在它前邊再加一個「\」進行轉義

下面是一些經常使用的特殊字符說明，後面都會講到

特殊字符	含義
\	轉義字符，將下一個字符標記爲一個特殊字符
^	匹配字符串開始的位置
$	匹配字符串結尾的位置
*	零次或屢次匹配前面的字符或子表達式
+	一次或屢次匹配前面的字符或子表達式
?	零次或一次匹配前面的字符或子表達式
.	「點」 匹配除「\r\n」以外的任何單個字符
|	或
[ ]	字符集合
( )	分組，要匹配圓括號字符，請使用 「(」 ?或 「)」

限定字符（量詞）
限定字符又叫量詞，是用於表示匹配的字符數量的。

匹配任意1位數字能夠regex=\d
匹配任意2位數字能夠regex=\d\d
匹配任意3位數字能夠regex=\d\d\d

匹配任意16位數字，再這麼寫就有點傻了
這裏引入用於表示數量限定字符「{n}」
「{n}」，n是一個非負整數，匹配肯定的n次

注意：regex=\d\d{3}匹配任意4個數字不是6個，量詞只對它前面的字符負責，regex=\d\d{3}匹配的內容以下：

regex=\d\d{3}匹配的字符串

匹配任意16位數字能夠regex=\d{16}
匹配任意16位以上的數字能夠regex=\d{16,}
匹配任意1到16位以上的數字能夠regex=\d{1,16}

regex=\d{1,16}匹配到的字符串

從上圖，咱們能夠看到regex=\d{1,16}，能夠匹配到任意1-16個數字

下面介紹一下匹配次數中的貪婪模式與非貪婪模式：

正則的匹配默認是貪婪模式，即匹配的字符越多越好，
而非貪婪模式是匹配的字符越少越好，在修飾匹配字數的量詞後再加上一個問號「?」便可。

那麼一樣是上面的字符串，regex=\d{1,16}?匹配到什麼呢？

regex=\d{1,16}?匹配到的字符串

由於在{1,16}這個量詞後面加上了問號「?」，表示非貪婪模式，因此只能匹配到1個數字，即匹配的字符越少越好。

下面是一些經常使用的限定字符說明

限定字符	含義
*	零次或屢次匹配前面的字符或子表達式
+	一次或屢次匹配前面的字符或子表達式
?	零次或一次匹配前面的字符或子表達式
{n}	n是一個非負整數，匹配肯定的n次
{n,}	n是非負整數，至少匹配n次
{n,m}	n和m是非負整數，其中n<=m；匹配至少n次，至多m次

匹配0個或多個字母A能夠regex=A*或者regex=A{0,}
匹配至少一個字母A能夠regex=A+或者regex=A{1,}
匹配0個或1字母A能夠regex=A?或者regex=A{0,1}

匹配至少一個LOVE能夠regex=(LOVE)+，匹配的效果以下：

regex=(LOVE)+匹配到的字符串

定位字符（字符邊界）
定位字符也叫字符邊界，標記匹配的不是字符而是符合某種條件的位置，因此定位字符是「零寬的」。

下面是一些經常使用的定位字符說明

定位字符	含義
^	匹配字符串開始的位置，表示開始
$	匹配字符串結尾的位置，表示結尾
\b	匹配一個單詞邊界

匹配以Hello開頭的字符串能夠regex=^Hello

regex=^Hello匹配到的字符串

匹配以Hello結尾的字符串能夠regex=Hello$，以下：

regex=Hello$匹配到的字符串

匹配以H開頭以o結尾的任意長度字符串能夠regex=^H.*o$，以下：

regex=^H.*o$匹配到的字符串

「\b」匹配這樣一個位置：前面的字符和後面的字符不全是\w
若是在「hello,hello1 hello hello1 bhello」這個字符串裏匹配regex=hello\b，
匹配到的結果以下：

regex=hello\b匹配到的字符串

分析一下：爲何hello1匹配不了「hello\b」這個正則？

首先\b是一個定位字符，它是零寬的，標識一個位置，這個位置的前面和這個位置的後面不能全是\w，即不能全是字母數字和下劃線[A-Za-z0-9_]，而hello1的o與1之間的位置前面是o後面是1，先後全是\w，不符合\b匹配的含義，所以hello1不能匹配正則表達式「hello\b」。

可是bhello能夠匹配「hello\b」這個正則，由於hello的結尾的位置，前面是o，後面是空白，因此符合\b匹配的含義，所以bhello能夠匹配「hello\b」這個正則。

自定義字符集合：
方括號[ ]表示字符集合，即[ ]表示自定義集合，用[ ]能夠匹配方括號裏的任意一個字符。

regex=[aeiou]匹配「a」,「e」,「i」,「o」,「u」任意一個字符，也就是能夠匹配集合[aeiou]的任意一個字符。

可是，特殊字符（除了小尖角「^」和中劃線「-」外）被包含到方括號中，就會失去特殊意義，只表明其字符自己。

regex=[abc+?]匹配「a」,「b」,「c」任意一個字符或者「+」,「*」,「?」，即包含在自定義集合中的特殊字符「+」,「*」,「?」*失去了特殊含義，只表示其字符自己的意思。

特殊字符小尖角「^」，本來含義是匹配字符串的開始位置，若是包含在自定義集合[ ]中，則表示取反的意思。
好比：regex=[^aeiou]匹配「a」,「e」,「i」,「o」,「u」以外的任意一個字符。

中劃線「-」，在自定義集合[ ]中，表示「範圍」，而不是字符「-」自己，regex=[a-z]，匹配從a到z中26個字母的任意一個。

除小數點「.」外，標準字符集合包含在方括號中，仍然表示集合範圍。
regex=[\d.+]匹配0-9的任意一個數字或者小數點「.」或者加號「+」

也就是說\d在自定義集合中仍然表示數字，可是小數點在字符集合中只表示小數點自己，而不是除「\r\n」以外的任何單個字符。

選擇符和分組

表達式	做用
pattern1|pattern2	或的關係，匹配左邊的pattern1或右邊的pattern2
(pattern)	匹配pattern並獲取這一匹配，並存儲
(?:pattern)	匹配pattern但不獲取匹配結果，也就是不進行存儲

regex=x|y，匹配字符x或y。

( )表示捕獲組，( )的做用以下：
一、括號中的表達式能夠做爲總體被修飾，用來表示匹配括號中表達式的次數，regex=(abc){2,3}，能夠匹配連續的2個或3個abc，以下：

regex=(abc){2,3}匹配到的字符串

二、括號中的表達式匹配到的內容會存儲起來，並能夠獲取到括號中表達式匹配到的內容
三、每一對括號會分配一個編號，使用( )的捕獲根據左括號的順序從1開始自動編號，編號爲0的捕獲是整個正則表達式匹配到的文本。

捕獲組( )能夠把匹配的內容存儲起來，那麼如何獲取( )捕獲到的內容呢，下面介紹反向引用。

反向引用「\number」
每一對括號會分配一個編號，使用( )的捕獲根據左括號的順序從1開始自動編號。經過反向引用，能夠對分組已捕獲的字符串進行引用。
「\number」中的number就是組號

regex=(abc)d\1能夠匹配字符串abcdabc，即\1表示把獲取到的第一組再匹配一次，以下：

regex=(abc)d\1匹配到的字符串

(?:pattern)表示非捕獲組，匹配括號中表達式匹配到的內容，可是不進行存儲匹配到的內容。這在使用 "或" 字符?(|)?來組合一個正則的各個部分是頗有用的。

例如：匹配字符「story」或者「stories」，regex=stor(?:y|ies)就是一個比 regex=story|stories更簡略的表達式。

預搜索（零寬斷言）
預搜索，又叫零寬斷言，又叫環視，它是對位置的匹配，與定位字符（邊界字符）相似。

表達式	做用
(?=pattern)	斷言此位置的後面能匹配表達式pattern
(?<=pattern)	斷言此位置的前面能匹配表達式pattern
(?!pattern)	斷言此位置的後面不能匹配表達式pattern
(?<!pattern)	斷言此位置的前面不能匹配表達式pattern

regex=love (?=story)匹配的結果以下（匹配「love?」後面是story）：

regex=love (?=story)匹配到的字符串

regex=love (?!story)匹配的結果以下（匹配「love 」後面不能是story）：

regex=love (?!story)匹配到的字符串

運算符的優先級
正則表達式從左到右進行計算，並遵循優先級順序，這與算術表達式很是相似。

下表的優先級從高到低排序

運算符	描述
\	轉義字符
(), (?:), (?=), []	圓括號和方括號，分組和自定義集合
*, +, ?, {n}, {n,}, {n,m}	限定字符（量詞）
^, $, 標準字符，字符	定位字符（邊界字符）和字符
|	或

說明：「|」或操做是優先級最低的，它比普通字符的優先級低。
所以，regex=r|loom匹配「r」或「loom」，以下：

regex=r|loom匹配到的字符串

若是想匹配「room」或「loom」，請用括號建立子表達式，regex=(r|l)oom，以下：

regex=(r|l)oom匹配到的字符串

至此，正則表達式的語法介紹完了，你們是否是已經掌握了呢，趕快去體驗一下吧。

最後給你們介紹一下開發中使用正則表達式的流程：
一、分析所要匹配的數據特色，模擬各類測試數據；
二、利用正則工具，寫正則表達式與測試數據進行匹配，從而驗證你寫的正則；
三、在程序裏調用在正則工具中驗證經過的正則表達式。

在這裏給你們推薦一個正則工具「RegexBuddy」，你能夠從網上下載，或者回復關鍵詞「正則表達式」獲取。

做者：追夢人_奮鬥青年 連接：https://www.jianshu.com/p/059f8a66c28a 來源：簡書 簡書著做權歸做者全部，任何形式的轉載都請聯繫做者得到受權並註明出處。