1.簡介
- 正則表達式，是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種匹配邏輯。從而實現以匹配邏輯為核心的一系列搜索、提取、替換等功能。
- 正則表達式已經被廣泛地應用在編程語言、編輯器、指令腳本當中，是工作中的一把利器。
-
先來系統地看一下正則表達式的語法（只列舉了筆者認為常用的部分）：
正則表達式.png-31.4kB
暫時對正則表達式使用沒有概念也沒關系，后面會有詳細說明，這里先有一個大概的了解即可。
- 學習正則表達式時，有一個方便的正則語法驗證工具非常重要。這里推薦https://regexper.com，它除了可以檢查正則的語法，還能將我們的正則邏輯用圖形化的方式表達出來。比如對用一個郵箱正則
^[\w-]+@[\w-]+(\.[\w-]+)+$，圖示如下：
email.png-8kB
2.基礎
在基礎部分，將為大家介紹如何使用字符匹配、位置匹配和次數匹配：
1.字符匹配
- 匹配任意字符 “.”
- 例如
a.c的圖示為：
img.png-1.8kB - 也可以多個點連用，比如
a..c：
img.png-2kB
當然，使用次數匹配（下文詳細介紹）也可以達到相同的效果，a.{2}c：
img.png-2.7kB
- 或邏輯 “|”
- “|”默認會將兩邊所有的字符作為參數。例如
1a|b3：
img.png-1.9kB
如果想指定參數范圍必須使用子表達式（下文詳細介紹）1(a|b)3：
3.png)
img.png-3.3kB
- 字符集合 “[]”
- “[]”可以匹配幾個特定字符中的一個。例如
1[abc]3：
img.png-2.5kB - “[]”也可以作用在字符組區間上。例如
1[a-c]3：
img.png-2.1kB
類似的，[a-z]表示字母a到z之間的任意一個字母，[0-9]表示0到9之間的任意一個數字。 - “[]”和“^”搭配，可以表示非字符集的匹配。例如
1[^a-c]3：
img.png-2.1kB
即，把^放在[]里最前面的位置，表示任意一個非[]中字符的字符。
- 轉義、特定類型字符 “\”
- “\”在很多編程語言代表轉義字符，在正則表達式中也是一樣的。比如“.”是一個元字符（正則表達式中代表特殊含義的字符），表示任意一個字符。那如果想要表示“.”本身的含義，就需要寫成“\.”。例如
a\.c專指匹配“a點c”這三個字符的字符串：
img.png-0.9kB - “\”在正則表達式中除了代表轉義，還可以與其他字母組合，表示指定類型字符。例如“\d”表示任何數字，
a\dc：
img.png-1.4kB
將字母大寫，表示“非”的意思，例如任意一個非數字的字符，可以用“\D”表示，a\Dc：
img.png-1.7kB
類似的有：
| 元字符 | 描述 |
|---|---|
| \d | 任何數字 (同 [0-9]) |
| \D | 任何非數字 (同 [^0-9]) |
| \w | 所有的文字數字式字符：大小寫字母、數字和下劃線 (同 [a-zA-Z0-9_]) |
| \W | (同 [^a-zA-Z0-9_]) |
| \s | 所有的空白字符 (同 [\f\n\r\t\v]) |
| \S | 所有的非空白字符 (同 [^\f\n\r\t\v]) |
2.位置匹配
- 行邊界匹配的元字符是“^”和“
`：
img.png-2.2kB
3.次數匹配
- 出現0個或1個 “?”
- “?”表示一個字符可以不出現，或只出現一次。例如
ab?c：
img.png-1.6kB - 需要注意的是，“?”是貪婪匹配的（即優先匹配字符出現次數多情況）。例如下面的Java代碼：
Pattern p=Pattern.compile("ab?");
Matcher m=p.matcher("ab111");
System.out.println("m.find(): " + m.find());
System.out.println("m.group(): " + m.group());
// 輸出
m.find(): true
m.group(): ab
- 但是“?”表示出現0個或1個，也就是說在上面的代碼中，對于“ab111”來說，“a”字符串也應該是“ab?”表達式下的匹配項。那如果才能匹配到“a”呢？這就需要用到“?”元字符的另一個含義了：懶匹配（即優先匹配字符出現次數少的情況）。
- 也就是說，“?”這個元字符比較特殊，它有兩個含義，除了在次數匹配中表示出現0個或1個外，在匹配模式上，它表示使用懶模式。
- 所以上面Java代碼的例子中，如果想要匹配到“a”這個字符串，需要將表達式改為“ab??”：
Pattern p = Pattern.compile("ab??");
Matcher m = p.matcher("ab111");
System.out.println("m.find(): " + m.find());
System.out.println("m.group(): " + m.group());
// 輸出
m.find(): true
m.group(): a
- 出現1個或更多 “+”
- “+”表示一個字符至少出現一次。例如
ab+c：
img.png-1.6kB - 與表示0個或1個的“?”相同，"+"默認也是貪婪模式，如果想要懶模式，則要使用“+?”：
Pattern p = Pattern.compile("\\d+");
Matcher m = p.matcher("aaa2223bb");
System.out.println("m.find(): " + m.find());
System.out.println("m.group(): " + m.group());
p =Pattern.compile("\\d+?");
m = p.matcher("aaa2223bb");
System.out.println("m.find(): " + m.find());
System.out.println("m.group(): " + m.group());
// 輸出
m.find(): true
m.group(): 2223
m.find(): true
m.group(): 2
- 出現0個或更多 “*”
-
"*"表示一個字符可以出現任意次。例如
ab*c：
img.png-1.9kB "*"也是貪婪模式的，用“*?”表示懶模式：
Pattern p = Pattern.compile("\\d*");
Matcher m = p.matcher("2223");
System.out.println("m.find(): " + m.find());
System.out.println("m.group(): " + m.group());
p =Pattern.compile("\\d*?");
m = p.matcher("aaa2223bb");
System.out.println("m.find(): " + m.find());
System.out.println("m.group(): " + m.group());
// 輸出
m.find(): true
m.group(): 2223
m.find(): true
m.group():
- 通用次數匹配 “{}”
- “{}”是次數匹配當中最靈活通用的，它的用法如下：
| 表達式 | 描述 |
|---|---|
| {3} | 精確次數匹配，表示一個字符連續有3個 |
| {3,} | 至少次數匹配，表示一個字符至少連續有3個 |
| {3,5} | 區間次數匹配，表示一個字符連續有3到5個 |
- 所以?和{0,1}的功能是一樣的，+和{1,}的作用是一樣的。
- 我們以區間次數匹配為例，看一下
ab{3,5}c的圖示：
img.png-2.2kB
3.進階
在進階部分，將為大家介紹子表達式和后向引用：
1.子表達式
- 通過()括起來的就是子表達式。
- 為了說明子表達式的用途，先來看一個表示IPv4地址的表達式（為簡單起見，不校驗是否超過了256）：
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}，圖示為：
ip.png-2.9kB - 從上面的表達式我們可以看到
\d{1,3}\.重復了三遍，使用子表達式，可消除重復，表示為：(\d{1,3}\.){3}\d{1,3}，圖示為：
ip2.png-5kB - 除了消除重復，子表達式還有另外一個重要的作用，那就是明確范圍。在之前將邏輯或“|”元字符的時候，曾經提過，“|”會把自己兩邊所有的字符都作為參數，如果只想要部分字符作為參數，則可以使用子表達式。看下面兩個表達式的區別：
-
19|20\d{2}
year1.png-3.1kB -
(19|20)\d{2}
year2.png-4.4kB
2.后向引用
- 后向引用就是將前面的子表達式理解成變量使用。例如\1匹配模式中第一個子表達式，\2匹配第二個子表達式，\3匹配第三個。
- 來看一個例子：
System.out.println(Pattern.compile("<H([1-6])>.*?</H\\1>").matcher("<H1>html_code</H1>").matches());
System.out.println(Pattern.compile("<H([1-6])>.*?</H\\1>").matcher("<H1>html_code</H2>").matches());
// 輸出
true
false
- 上面的Java代碼，用同一個表達式對兩段html代碼進行了匹配性檢查。第一段html代碼“<H1>html_code</H1>”檢查通過；而第二段html代碼“<H1>html_code</H2>”沒有通過，原因就是后向引用“\1”要求必須和前面的子表達式“([1-6])”內容相同。因為他們代表的是同一個變量。
end
