转载

五分钟搞定正则表达式

原文链接:https://mp.weixin.qq.com/s?__biz=MzI3OTcyNjQ5MQ==&mid=100000143&idx=1&sn=ee093c504462e4b73ccb471b0f309e1a&chksm=6b42117b5c35986d37b933a8fb862b6107a90eda30525c7ee7d5f616db33460213896e9817ac#rd

文章概览

在这里插入图片描述

一、正则表达式介绍

正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正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。

不用过多介绍,大家对正则表达式应该不太陌生。即使没有用过,也一定听说过。

我们先看几个常见的正则表达式:

  • 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?)

  • 匹配电子邮箱
    ([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})

对于正则表达式,第一映像是一串神秘的字符串。如果不是真正了解其规则,看到这字符串,定然是摸不着头脑。

不过说实话,了解其规则以后,看到这数字,也有点头疼。毕竟正则这个东西,写时爽歪歪,看时如天书。

话虽这样说,正则表达式说白了,也就是一连串的规则而已,只要了解了规则,一点一点总能看懂。所以不要有畏难情绪。

我们从最简单的例子开始,一点一点添加规则,争取让大家在学会正则表达式的过程中感觉不到丝毫痛苦。

(这里有一个网站,http://tool.oschina.net/regex/#,可以在线测试正则表达式的正确性,读者朋友们可以在这上面进行测试,方便学习,我们后面的例子讲解,也用这个工具)。

二、几个常用规则

前面看了那么复杂的例子,我们这里回归本源,从一个简单的例子开始看。

2.1 完全匹配

正则表达式是用来匹配文本的,现在假设我们要匹配 “abcdefg” 这一字符串中的 “abc” 三个字母,我们该怎么写呢?

abc

对,不要怀疑,就是这么简单。

如果想匹配 “def”,那么就是

def

是不是很简单呢?是不是小脑瓜中又透露出一丝疑惑?

如果正则表达式的匹配内容很简单,也很明确,可以进行完全匹配,写出来的结果就是这样的。

2.2 符号 |

那我们再继续往后看。

还是 “abcdefg” 字符串,我们想匹配其中的 “ab” 和 “ef” 两个子串,怎么写呢?按照上面的写法,就是写两个正则 “ab” 和 “ef” 来匹配。这样可以,不过略显麻烦。我们写法如下:

ab|ef

这里我们新加了 "|" 这个字符,表示 或,即匹配 ab 或者 ef,是不是就方便了许多。

再继续看,这次我们需要改变一下待匹配的字符串。

我们在 “acabcdefgh acbbcdefgh accbcdefgh” 字符串中,要匹配 “abcdef”,“bbcdef”,“cbcdef” 三个子串。

读者朋友们一看,这题非常简单,用上面的方法,正则表达式如下:

abcdef|bbcdef|cbcdef

写法正确,不过略显繁琐。我们的写法如下:

(a|b|c)bcdef

是不是有些理解 “|” 的使用了呢。那我们要匹配 “acabcdef”,“acbbcdef”,“accbcdef” 这三个子串怎么写呢?

ac(a|b|c)bcdef

这下子理解 “|” 的使用了吧。而且我们现在的的写法,是不是长得有些 ”像“ 正则表达式了呢?

2.3 符号 []

我们继续。

上面的例子,我们如果不用 "|",可以实现么?

答案是可以的,写法如下:

ac[abc]bcdef

是不是看着比上面更清爽一点呢?

我们这里引入了一个新的字符 "[]"。这对中括号是字符集的意思,里面包含的字符,都是或("|")的关系。

我们还可以这样写:

ac[a-c]bcdef

“[a-c]” 表示的是匹配 a-c 之间的任意字符。

这里对 “[]” 稍微多说一些,[] 除了可以放字符集合以及字符范围以外,还可以做取反操作。

比如 “[^a-c]” 表示的是匹配 a-c 范围以外其他的字符。"[^0-8]" 表示的是匹配 0-8 范围以外的其他字符。

到了这里,我们已经可以写一些简单的匹配规则了。

2.4 限制符号 * + ? {}

我们继续往下看。

我们现在想匹配 类似 “fooooooooooooooooof” 这样子的字符串,中间的 “o” 个数我们不能确定,上面讲到的规则就有点无能为力了。

那我们该怎么写呢?

fo*f

这里的"*" 表示匹配前面的子表达式零次或多次。

那么有些读者朋友会问了,如果想匹配至少有一个 “o” 该怎么写呢?

fo+f

这里的"+" 表示匹配前面的子表达式一次或多次。

那么读者朋友又问了,如果想匹配 0 个或者者 1 个 该怎么写呢?

fo?f

这里的 "?" 表示匹配前面的子表达式零次或一次。

那么有些读者朋友又会问了,如果想匹配确定次数的 “o” 该怎么写呢?

我们可以这样写:

fo{2}f

上面的规则,会匹配 foof,即匹配 2 个 “o”。

所以,"{n}" 表示匹配前面子表达式 n 次。

那读者朋友们再次发问,如果想匹配至少 n 个 “o” 该怎么写呢?

fo{2,}f

"{n,}" 表示匹配前面子表达式至少 n 次。

那读者朋友们这次不发问了,会举一反三了,那如果想匹配 最少 n 个,最多 m 个呢?

fo{2,5}f

"{n,m}" 表示匹配前面子表达式至少 n 次,至多 m 次。

所以 “*” 等价于 “{0,}”,"+" 等价于 “{1,}”,"?" 等价于 “{0,1}”。

到这里,我们能写的匹配规则更多了,而且可以说大部分匹配运用上面的规则都可以实现了。

大家可以回头看看文章开头贴的几段正则表达式,看看是否能看懂了。

当然除此之外,正则里的规则其实还是不少的,除了上面几个,我们再看几个比较常用的。

2.5 几个转义字符

在正则表达式里,也有一些转义字符,表示一些特殊的含义。

  • "\d" 表示匹配数字字符,等价于 “[0-9]”。

  • "\D" 表示匹配非数字字符,等价于 “[^0-9]”。

  • "\n" 表示匹配换行符。

  • "\s" 表示匹配任何空白字符,等价于 “[\f\n\r\t\v]”。

  • "\S" 表示匹配任何非空白字符,等价于 “[^\f\n\r\t\v]”。

2.6 符号 .

符号"." 会匹配 “\n” 以外的所有字符,也是比较常用的。

2.7 符号 ?

到目前为止,我们已经学习了大部分常用的正则表达式规则,日常开发基本已经够用了。

不过使用正则表达式时,限制字符"* + ? {}" 默认的匹配规则是贪婪的。什么意思呢?

比如说有一个字符串 “abbbbb”,我们使用正则表达式 “ab+” 去匹配,匹配的结果是 “abbbbbbb”,会尽可能多的去匹配满足的字符。

我们如果想尽可能少的匹配满足的字符,那么就在限定符后面加 “?”。

“ab+?” 匹配的结果就是 ab。

"?" 符号的非贪婪匹配,在某些情况下也是很有用的。

2.8 符号 ()

最后我们再来看一个符号 “()”,小括号的含义是分组,可以理解为被小括号包含的子表达式就是一个分组,在前面介绍 “|” 的时候我们使用过。

不过分组也分很多类型。

"(pattern)"小括号单纯的包含了子表达式,表示此分组可以被捕获。捕获的意思就是此分组的内容会被保存下来,后续可以从匹配的集合中获取到。

"(?:pattern)" 小括号中增加了 ?: 前缀,表示此分组不可以被捕获。后续匹配的集合中就不会包含此分组信息。

这样说下来,不太好理解。这里需要结合具体开发语言的实现来说。先留个悬念,后面会讲到。

"(?=pattern)" 小括号中增加了 ?= 前缀,表示的是匹配此分组,但是此分组里的内容不需要被获取。

"(?!pattern)" 小括号中增加了 ?! 前缀,表示的是匹配此分组之外的内容,但是此分组里的内容不需要被获取。

举个栗子:

正则表达式 “Windows(?=95|98|NT|2000)” 可以匹配字符串 “Windows2000” 中的 “Windows”,但是不能匹配 “Windows3.1” 中的 Windowds。

正则表达式 “Windows(?!95|98|NT|2000)” 可以匹配字符串 “Windows3.1” 中的 “Windows”,但是不能匹配 “Windows2000” 中的 Windowds。

以上就是正则表达式里一些常见的规则解析。

2.9 看看文章开头的例子

我们在文章开头放了两个例子,这里来分析一下。

匹配 IP 地址的正则表达式:

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

我们分段来看。

先看第一段"(2[0-4]\d|25[0-5]|[01]?\d\d?).)",这里用 “|” 分割了三种匹配情况。

第一种是"2[0-4]\d",即三位数字,第一位是 2,第二位是 0 - 4 之间,第三位是任意数字。

第二种是 "25[0-5]",三位数字,第一位是 2,第二位是 5,第三位是 0 - 5 之间。

第三种是"[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数字,第三位数字匹配零次或一次,也就是 一位数,两位数,三位数都可能满足这种情况。

第一段末尾是"."作为分隔符。

再来看第二段 "{3}",这个表示前面的子表达式重复三次,也就是 IP 地址的前三个字节。

再看第三段 “(2[0-4]\d|25[0-5]|[01]?\d\d?)”,和第一段是一样的。

匹配电子邮箱:

"([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})"

也是分段来看。

第一段 "([a-z0-9_.-]+)",表示匹配 a-z 范围内的字母,0-9 范围的数字,以及 “_”,".","-" 三个字符,"+" 表示至少有一个字符。

第二段 "@" 表示匹配 “@” 字符。

第三段 "([\da-z.-]+)","\d" 表示匹配任意数字,a-z 范围的字母,".","-" 两个字符,"+" 至少有一个字符。

第四段"."表示匹配 “.” 字符。

第五段 "([a-z.]{2,6})",表示匹配 a-z 范围的字母,"." 字符,"{2,6}" 表示至少 2 个字符,至多 6 个字符。

经过上面的讲解,大家应该对正则表达式有了进一步的了解。

三、在代码中如何使用

在了解了正则表达式的规则以后,我们看一下在实际代码中是如何使用的。这里以 Java 代码作为示例。

在 Java 中,关于正则表达式的主要有两个类,Pattern 和 Matcher。
我们看一下具体如何使用。

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])";

        // 创建 Pattern 对象
        Pattern r = Pattern.compile(pattern);
        // 创建 matcher 对象
        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);
        }
    }
}

上面代码运行的结果如下:

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

在 Java 中使用正则表达式分三步走:

  • 1.写好正则表达式

  • 2.Pattern.compile 生成 Pattern 对象

  • 3.调用 Pattern 相关的正则操作

Pattern 类中有几个方法会比较常用:

  • Pattern#matcher 生成 Matcher,可以对正则表达式进行匹配,以及获取匹配的内容。

  • Pattern#split 根据正则表达式内容划分字符串。

Matcher 类中也有几个方法比较常用:

  • Matcher#find 寻找下一个满足规则的子串,通常用在查找子串中。

  • Matcher#matches 用来判断整个字符串是否满足匹配规则,常用的类似匹配电话号码,邮箱等等。

  • Matcher#group 就是获取我们在上面讲到的 “()” 小括号分组。默认 group(0) 整个串的匹配,group(1),group(2) 等等往后顺延,就是小括号内的分组。

在我们上面的例子中的正则表达式是 “boy([0-9])”,用来获取字符串中的 boy,而括号中的分组是 boy 的编号,在生成 Matcher 以后,调用 Matcher#group(0) 获取的是整个匹配内容,Matcher#group(1) 获取的是小括号分组的内容。

通过上面例子,大家应该明白 “()” 的作用了吧。

四、规则全集
下面总结一下正则表达式的所有规则,在使用时可以查阅,引用自 https://tool.oschina.net/uploads/apidocs/jquery/regexp.html:
在这里插入图片描述

文章最后发布于: 2019-10-29 14:17:42
展开阅读全文
0 个人打赏
私信求帮助

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 点我我会动 设计师: 上身试试

分享到微信朋友圈

×

扫一扫,手机浏览