五分钟搞定正则表达式

女爷i 2023-06-11 05:29 1阅读 0赞

# 文章概览 #

![在这里插入图片描述][format_png]

## 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][format_png 1]

[format_png]: /images/20230531/c01a69d3d8ae46f6bc1dfa5230fbb363.png
[format_png 1]: /images/20230531/543626e836c149b99a1c88a26f10645c.png