五分鐘搞定正則表達式，若是沒搞定，再加兩分鐘

【這是 ZY 第 18 篇原創文章】

文章概覽

1、正則表達式介紹

正則表達式，又稱規則表達式。（英語：Regular Expression，在代碼中常簡寫爲regex、regexp或RE），計算機科學的一個概念。正則表達式一般被用來檢索、替換那些符合某個模式(規則)的文本。

不用過多介紹，你們對正則表達式應該不太陌生。即便沒有用過，也必定據說過。
咱們先看幾個常見的正則表達式：

匹配 IP 地址
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

匹配電子郵箱
([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})
複製代碼

對於正則表達式，第一映像是一串神祕的字符串。若是不是真正瞭解其規則，看到這字符串，定然是摸不着頭腦。

不過說實話，瞭解其規則之後，看到這數字，也有點頭疼。畢竟正則這個東西，寫時爽歪歪，看時如天書。

話雖這樣說，正則表達式說白了，也就是一連串的規則而已，只要瞭解了規則，一點一點總能看懂。因此不要有畏難情緒。

咱們從最簡單的例子開始，一點一點添加規則，爭取讓你們在學會正則表達式的過程當中感受不到絲毫痛苦。
（這裏有一個網站，tool.oschina.net/regex/#，能夠在…

2、幾個經常使用規則

前面看了那麼複雜的例子，咱們這裏迴歸本源，從一個簡單的例子開始看。

2.1 徹底匹配

正則表達式是用來匹配文本的，如今假設咱們要匹配 "abcdefg" 這一字符串中的 "abc" 三個字母，咱們該怎麼寫呢？

abc
複製代碼

對，不要懷疑，就是這麼簡單。

若是想匹配 "def"，那麼就是

def
複製代碼

是否是很簡單呢？是否是小腦瓜中又透露出一絲疑惑？

若是正則表達式的匹配內容很簡單，也很明確，能夠進行徹底匹配，寫出來的結果就是這樣的。

2.2 符號 |

那咱們再繼續日後看。

仍是 "abcdefg" 字符串，咱們想匹配其中的 "ab" 和 "ef" 兩個子串，怎麼寫呢？按照上面的寫法，就是寫兩個正則 "ab" 和 "ef" 來匹配。這樣能夠，不過略顯麻煩。咱們寫法以下：

ab|ef
複製代碼

這裏咱們新加了 "|" 這個字符，表示 或，即匹配 ab 或者 ef，是否是就方便了許多。

再繼續看，此次咱們須要改變一下待匹配的字符串。

咱們在 "acabcdefgh acbbcdefgh accbcdefgh" 字符串中，要匹配 "abcdef"，"bbcdef"，"cbcdef" 三個子串。

讀者朋友們一看，這題很是簡單，用上面的方法，正則表達式以下：

abcdef|bbcdef|cbcdef
複製代碼

寫法正確，不過略顯繁瑣。咱們的寫法以下：

(a|b|c)bcdef
複製代碼

是否是有些理解 "|" 的使用了呢。

那咱們要匹配 "acabcdef"，"acbbcdef"，"accbcdef" 這三個子串怎麼寫呢？

ac(a|b|c)bcdef
複製代碼

這下子理解 "|" 的使用了吧。並且咱們如今的的寫法，是否是長得有些 」像「 正則表達式了呢？

2.3 符號 []

咱們繼續。
上面的例子，咱們若是不用 "|"，能夠實現麼？

答案是能夠的，寫法以下：

ac[abc]bcdef
複製代碼

是否是看着比上面更清爽一點呢？

咱們這裏引入了一個新的字符 "[]"。

這對中括號是字符集的意思，裏面包含的字符，都是或（"|"）的關係。

咱們還能夠這樣寫：

ac[a-c]bcdef
複製代碼

"[a-c]" 表示的是匹配 a-c 之間的任意字符。

這裏對 "[]" 稍微多說一些，[] 除了能夠放字符集合以及字符範圍之外，還能夠作取反操做。

好比 "[^a-c]" 表示的是匹配 a-c 範圍之外其餘的字符。"[^0-8]" 表示的是匹配 0-8 範圍之外的其餘字符。

到了這裏，咱們已經能夠寫一些簡單的匹配規則了。

2.4 限制符號 * + ? {}

咱們繼續往下看。

咱們如今想匹配 相似 "fooooooooooooooooof" 這樣子的字符串，中間的 "o" 個數咱們不能肯定，上面講到的規則就有點無能爲力了。

那咱們該怎麼寫呢？

fo*f
複製代碼

這裏的 "*" 表示匹配前面的子表達式零次或屢次。

那麼有些讀者朋友會問了，若是想匹配至少有一個 "o" 該怎麼寫呢？

fo+f
複製代碼

這裏的 "+" 表示匹配前面的子表達式一次或屢次。

那麼讀者朋友又問了，若是想匹配 0 個或者者 1 個 該怎麼寫呢？

fo?f
複製代碼

這裏的 "?" 表示匹配前面的子表達式零次或一次。

那麼有些讀者朋友又會問了，若是想匹配肯定次數的 "o" 該怎麼寫呢？

咱們能夠這樣寫：

fo{2}f
複製代碼

上面的規則，會匹配 foof，即匹配 2 個 "o"。

因此，"{n}" 表示匹配前面子表達式 n 次。

那讀者朋友們再次發問，若是想匹配至少 n 個 "o" 該怎麼寫呢？

fo{2,}f
複製代碼

"{n,}" 表示匹配前面子表達式至少 n 次。

那讀者朋友們此次不發問了，會觸類旁通了，那若是想匹配 最少 n 個，最多 m 個呢？

fo{2,5}f
複製代碼

"{n,m}" 表示匹配前面子表達式至少 n 次，至多 m 次。

因此 "*" 等價於 "{0,}"，"+" 等價於 "{1,}"，"?" 等價於 "{0,1}"。

到這裏，咱們能寫的匹配規則更多了，並且能夠說大部分匹配運用上面的規則均可以實現了。

你們能夠回頭看看文章開頭貼的幾段正則表達式，看看是否能看懂了。

固然除此以外，正則裏的規則其實仍是很多的，除了上面幾個，咱們再看幾個比較經常使用的。

2.5 幾個轉義字符

在正則表達式裏，也有一些轉義字符，表示一些特殊的含義。

"\d" 表示匹配數字字符，等價於 "[0-9]"。

"\D" 表示匹配非數字字符，等價於 "[^0-9]"。

"\n" 表示匹配換行符。

"\s" 表示匹配任何空白字符，等價於 "[\f\n\r\t\v]"。

"\S" 表示匹配任何非空白字符，等價於 "[^\f\n\r\t\v]"。

2.6 符號 .

符號 "." 會匹配 "\n" 之外的全部字符，也是比較經常使用的。

2.7 符號 ?

到目前爲止，咱們已經學習了大部分經常使用的正則表達式規則，平常開發基本已經夠用了。

不過使用正則表達式時，限制字符 "* + ? {}" 默認的匹配規則是貪婪的。什麼意思呢？

好比說有一個字符串 "abbbbb"，咱們使用正則表達式 "ab+" 去匹配，匹配的結果是 "abbbbbbb"，會盡量多的去匹配知足的字符。

咱們若是想盡量少的匹配知足的字符，那麼就在限定符後面加 "?"。

"ab+?" 匹配的結果就是 ab。

"?" 符號的非貪婪匹配，在某些狀況下也是頗有用的。

2.8 符號 ()

最後咱們再來看一個符號 "()"，小括號的含義是分組，能夠理解爲被小括號包含的子表達式就是一個分組，在前面介紹 "|" 的時候咱們使用過。

不過度組也分不少類型。

"(pattern)" 小括號單純的包含了子表達式，表示此分組能夠被捕獲。捕獲的意思就是此分組的內容會被保存下來，後續能夠從匹配的集合中獲取到。

"(?:pattern)" 小括號中增長了 ?: 前綴，表示此分組不能夠被捕獲。後續匹配的集合中就不會包含此分組信息。
這樣說下來，不太好理解。這裏須要結合具體開發語言的實現來講。先留個懸念，後面會講到。

"(?=pattern)" 小括號中增長了 ?= 前綴，表示的是匹配此分組，可是此分組裏的內容不須要被獲取。

"(?!pattern)" 小括號中增長了 ?! 前綴，表示的是匹配此分組以外的內容，可是此分組裏的內容不須要被獲取。

舉個栗子：
正則表達式 "Windows(?=95|98|NT|2000)" 能夠匹配字符串 "Windows2000" 中的 "Windows"，可是不能匹配 "Windows3.1" 中的 Windowds。

正則表達式 "Windows(?!95|98|NT|2000)" 能夠匹配字符串 "Windows3.1" 中的 "Windows"，可是不能匹配 "Windows2000" 中的 Windowds。

以上就是正則表達式裏一些常見的規則解析。

2.9 看看文章開頭的例子

咱們在文章開頭放了兩個例子，這裏來分析一下。

匹配 IP 地址的正則表達式：
"((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)"

咱們分段來看。

先看第一段 "(2[0-4]\d|25[0-5]|[01]?\d\d?)\.)"，這裏用 "|" 分割了三種匹配狀況。

第一種是 "2[0-4]\d"，即三位數字，第一位是 2，第二位是 0 - 4 之間，第三位是任意數字。

第二種是 "25[0-5]"，三位數字，第一位是 2，第二位是 5，第三位是 0 - 5 之間。

第三種是 "[01]?\d\d?"，第一位是 0 或者 1，匹配零次或一次，第二位和第三位是任意數字，第三位數字匹配零次或一次，也就是 一位數，兩位數，三位數均可能知足這種狀況。

第一段末尾是 "\." 做爲分隔符。

再來看第二段 "{3}"，這個表示前面的子表達式重複三次，也就是 IP 地址的前三個字節。

再看第三段 "(2[0-4]\d|25[0-5]|[01]?\d\d?)"，和第一段是同樣的。

匹配電子郵箱：
"([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})"

也是分段來看。

第一段 "([a-z0-9_\.-]+)"，表示匹配 a-z 範圍內的字母，0-9 範圍的數字，以及 "_"，"."，"-" 三個字符，"+" 表示至少有一個字符。

第二段 "@" 表示匹配 "@" 字符。

第三段 "([\da-z\.-]+)"，"\d" 表示匹配任意數字，a-z 範圍的字母，"."，"-" 兩個字符，"+" 至少有一個字符。

第四段 "\." 表示匹配 "." 字符。

第五段 "([a-z\.]{2,6})"，表示匹配 a-z 範圍的字母，"." 字符，"{2,6}" 表示至少 2 個字符，至多 6 個字符。

通過上面的講解，你們應該對正則表達式有了進一步的瞭解。

3、在代碼中如何使用

在瞭解了正則表達式的規則之後，咱們看一下在實際代碼中是如何使用的。

這裏以 Java 代碼做爲示例。

在 Java 中，關於正則表達式的主要有兩個類，Pattern 和 Matcher。

咱們看一下具體如何使用。

package com.zy.java;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ReTest {
    public static void main(String[] args) {
        String str = "grilboy1girlboy2boy3girl";
        String pattern = "boy([0-9])";

        // 建立 Pattern 對象
        Pattern r = Pattern.compile(pattern);
        // 建立 matcher 對象
        Matcher m = r.matcher(str);
        while (m.find()) {
            System.out.println("match boy: " + m.group(0));
            System.out.println("match boy number: " + m.group(1));
        }

        String phoneNumber = "18888888888";
        String phonePattern = "^[1](([3][0-9])|([4][5-9])|([5][0-3,5-9])|([6][5,6])|([7][0-8])|([8][0-9])|([9][1,8,9]))[0-9]{8}$";
        r = Pattern.compile(phonePattern);
        m = r.matcher(phoneNumber);
        System.out.println("is phone number: " + m.matches());

        r = Pattern.compile(pattern);
        String[] res = r.split(str);
        for (String s : res) {
            System.out.println("split res: " + s);
        }
    }
}
複製代碼

上面代碼運行的結果以下：

match boy: boy1
match boy number: 1
match boy: boy2
match boy number: 2
match boy: boy3
match boynumber: 3
is phone number: true
split res: gril
split res: girl
split res: 
split res: girl

Process finished with exit code 0
複製代碼

在 Java 中使用正則表達式分三步走：

1. 寫好正則表達式
2. Pattern.compile 生成 Pattern 對象
3. 調用 Pattern 相關的正則操做

Pattern 類中有幾個方法會比較經常使用：

Pattern#matcher 生成 Matcher，能夠對正則表達式進行匹配，以及獲取匹配的內容。

Pattern#split 根據正則表達式內容劃分字符串。

Matcher 類中也有幾個方法比較經常使用：

Matcher#find 尋找下一個知足規則的子串，一般用在查找子串中。

Matcher#matches 用來判斷整個字符串是否知足匹配規則，經常使用的相似匹配電話號碼，郵箱等等。

Matcher#group 就是獲取咱們在上面講到的 "()" 小括號分組。默認 group(0) 整個串的匹配，group(1)，group(2) 等等日後順延，就是小括號內的分組。

在咱們上面的例子中的正則表達式是 "boy([0-9])"，用來獲取字符串中的 boy，而括號中的分組是 boy 的編號，在生成 Matcher 之後，調用 Matcher#group(0) 獲取的是整個匹配內容，Matcher#group(1) 獲取的是小括號分組的內容。

經過上面例子，你們應該明白 "()" 的做用了吧。

4、規則全集

下面總結一下正則表達式的全部規則，在使用時能夠查閱，引用自 tool.oschina.net/uploads/api…

字符	描述
\	將下一個字符標記爲一個特殊字符、或一個原義字符、或一個向後引用、或一個八進制轉義符。例如，「n」匹配字符「n」。「\n」匹配一個換行符。串行「\」匹配「\」而「(」則匹配「(」。
^	匹配輸入字符串的開始位置。若是設置了RegExp對象的Multiline屬性，^也匹配「\n」或「\r」以後的位置。
$	匹配輸入字符串的結束位置。若是設置了RegExp對象的Multiline屬性，$也匹配「\n」或「\r」以前的位置。
*	匹配前面的子表達式零次或屢次。例如，zo*能匹配「z」以及「zoo」。*等價於{0,}。
+	匹配前面的子表達式一次或屢次。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價於{1,}。
?	匹配前面的子表達式零次或一次。例如，「do(es)?」能夠匹配「does」或「does」中的「do」。?等價於{0,1}。
{n}	n是一個非負整數。匹配肯定的n次。例如，「o{2}」不能匹配「Bob」中的「o」，可是能匹配「food」中的兩個o。
{n,}	n是一個非負整數。至少匹配n次。例如，「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的全部o。「o{1,}」等價於「o+」。「o{0,}」則等價於「o*」。
{n,m}	m和n均爲非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}」將匹配「fooooood」中的前三個o。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。
?	當該字符緊跟在任何一個其餘限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘量少的匹配所搜索的字符串，而默認的貪婪模式則儘量多的匹配所搜索的字符串。例如，對於字符串「oooo」，「o+?」將匹配單個「o」，而「o+」將匹配全部「o」。
.	匹配除「\n」以外的任何單個字符。要匹配包括「\n」在內的任何字符，請使用像「(.
(pattern)	匹配pattern並獲取這一匹配。所獲取的匹配能夠從產生的Matches集合獲得，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用「(」或「)」。
(?:pattern)	匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供之後使用。這在使用或字符「(
(?=pattern)	正向確定預查，在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不須要獲取供之後使用。例如，「Windows(?=95
(?!pattern)	正向否認預查，在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不須要獲取供之後使用。例如「Windows(?!95
(?<=pattern)	反向確定預查，與正向確定預查類擬，只是方向相反。例如，「(?<=95
(?<!pattern)	反向否認預查，與正向否認預查類擬，只是方向相反。例如「(?<!95
x|y	匹配x或y。例如，「z
[xyz]	字符集合。匹配所包含的任意一個字符。例如，「[abc]」能夠匹配「plain」中的「a」。
[^xyz]	負值字符集合。匹配未包含的任意字符。例如，「[^abc]」能夠匹配「plain」中的「p」。
[a-z]	字符範圍。匹配指定範圍內的任意字符。例如，「[a-z]」能夠匹配「a」到「z」範圍內的任意小寫字母字符。
[^a-z]	負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，「[^a-z]」能夠匹配任何不在「a」到「z」範圍內的任意字符。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，「er\b」能夠匹配「never」中的「er」，但不能匹配「verb」中的「er」。
\B	匹配非單詞邊界。「er\B」能匹配「verb」中的「er」，但不能匹配「never」中的「er」。
\cx	匹配由x指明的控制字符。例如，\cM匹配一個Control-M或回車符。x的值必須爲A-Z或a-z之一。不然，將c視爲一個原義的「c」字符。
\d	匹配一個數字字符。等價於[0-9]。
\D	匹配一個非數字字符。等價於[^0-9]。
\f	匹配一個換頁符。等價於\x0c和\cL。
\n	匹配一個換行符。等價於\x0a和\cJ。
\r	匹配一個回車符。等價於\x0d和\cM。
\s	匹配任何空白字符，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。
\S	匹配任何非空白字符。等價於[^ \f\n\r\t\v]。
\t	匹配一個製表符。等價於\x09和\cI。
\v	匹配一個垂直製表符。等價於\x0b和\cK。
\w	匹配包括下劃線的任何單詞字符。等價於「[A-Za-z0-9_]」。
\W	匹配任何非單詞字符。等價於「[^A-Za-z0-9_]」。
\xn	匹配n，其中n爲十六進制轉義值。十六進制轉義值必須爲肯定的兩個數字長。例如，「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則表達式中可使用ASCII編碼。.
\num	匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「(.)\1」匹配兩個連續的相同字符。
\n	標識一個八進制轉義值或一個向後引用。若是\n以前至少n個獲取的子表達式，則n爲向後引用。不然，若是n爲八進制數字（0-7），則n爲一個八進制轉義值。
\nm	標識一個八進制轉義值或一個向後引用。若是\nm以前至少有nm個得到子表達式，則nm爲向後引用。若是\nm以前至少有n個獲取，則n爲一個後跟文字m的向後引用。若是前面的條件都不知足，若n和m均爲八進制數字（0-7），則\nm將匹配八進制轉義值nm。
\nml	若是n爲八進制數字（0-3），且m和l均爲八進制數字（0-7），則匹配八進制轉義值nml。
\un	匹配n，其中n是一個用四個十六進制數字表示的Unicode字符。例如，\u00A9匹配版權符號（©）。

總結

最後，你們只要多多練習，實際開發中多使用，掌握正則表達式不是難事～

參考資料

tool.oschina.net/uploads/api…