简介

正则表达式,又称规则表达式,通常被用来检索、替换那些符合某个模式(规则)的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。例如,在Perl中就内建了一个功能强大的正则表达式引擎。

学会使用正则表达式可以极大提高我们文本处理效率,并且各大操作系统、编程语言、文本编辑器都已经支持正则表达式

在线正则测试工具https://regex101.com/r/PnzZ4k/1

下面的例子我会使用Sublime Text(对了,这个工具也非常好用)实现

元字符

一般普通字符表示的还是原来的意思,比如字符 e

举例:

640.png

所谓元字符(Metacharacter)就是指那些在正则表达式中具有特殊意义的专用字符

640 (1).png

特殊单字符

640 (2).png

举例1:

640 (3).png

举例2:

640 (4).png

空白符

640 (5).png

举例:

s 能匹配上各种空白符号,也可以匹配上空格

640 (6).png

量词

640 (7).png

举例1:

640 (8).png

举例2:

640 (9).png

范围

640 (10).png

举例:

640 (11).png

贪婪、非贪婪与独占

正则有三种模式:贪婪匹配、非贪婪匹配和独占模式

  • 贪婪匹配:在正则中,表示次数的量词默认是贪婪的,在贪婪模式下,会尝试尽可能最大长度去匹配。
  • 非贪婪匹配:找出长度最小且满足要求的,量词后面要加上英文的问号(?),正则就变成了 a*?

举个例子1:

640 (12).png

匹配结果是:"aaa",""

为什么会匹配到空字符串?

因为星号(*)代表0到多次。

举个例子2:

640 (13).png

640 (14).png

独占模式:

不管是贪婪模式,还是非贪婪模式,都需要发生回溯才能完成相应的功能。

但是在一些场景下,我们不需要回溯,匹配不上返回失败就好了,因此正则中还有另外一种模式,独占模式,它类似贪婪匹配,但匹配过程不会发生回溯,因此在一些场合下性能会更好。

什么是回溯?

例如下面的正则:

regex = "xy{1,3}z"

text = "xyyz"

在匹配时,y{1,3}会尽可能长地去匹配,当匹配完 xyy 后,由于 y 要尽可能匹配最长,即三个,但字符串中后面是个 z 就会导致匹配不上,这时候正则就会向前回溯,吐出当前字符 z,接着用正则中的 z 去匹配

640 (15).png

分组与引用

举个例子:

假设我们现在要去查找15位或18位数字。

根据前面学习的知识,使用量词可以表示出现次数,使用管道符号可以表示多个选择,你应该很快就能写出d15}d{18。

但经过测试,你会发现,这个正则并不能很好地完成任务,因为18位数字也会匹配上前15位

640 (16).png

没有匹配到18位的记录

解决方式

可以用括号括起来表示一个整体

640 (17).png

替换举例

640 (18).png

替换后:

640 (19).png

匹配模式

常见的匹配模式有4种,分别是不区分大小写模式、点号通配模式、多行模式和注释模式

不区分大小写模式

640 (20).png

使用模式修饰符:放在整个正则前面时,表示匹配模式

640 (21).png

点号通配模式

点号它可以匹配上任何符号,但不能匹配换行,如何匹配真正的"任意"符号

640 (22).png

多行匹配模式

多行模式的作用在于,使 ^ 和 $ 能匹配上每行的开头或结尾,我们可以使用模式修饰符号 (?m) 来指定这个模式

640 (23).png

注释模式

为正则添加注释

640 (24).png

断言

断言是指对匹配到的文本位置有要求。

通过一些例子来讲解。

你应该知道 d{11} 能匹配上11位数字,但这11位数字可能是18位身份证号中的一部分。再比如,去查找一个单词,我们要查找 tom,但其它的单词,比如 tomorrow 中也包含了tom

640 (25).png

单词边界

640 (26).png

环视

举例邮政编码的判断:6位数字,且左边不是数字,右边不是数字
640 (27).png