半小时学会正则表达式（上）

正则表达式（Regular Expression）在代码中常常简写为 regex。正则表达式通常被用来检索、替换那些符合某个规则的文本，它是一种强大而灵活的文本处理工具。正则描述了一个规则，通过这个规则可以匹配一类字符串。

如何学习正则？

1、学习正则表达式的语法规则

2、练习使用正则并能解决实际问题

针对上面的每个点我会分别写一篇文章来说明，用最短的时间学会正则表达式。这篇文章讲述正则表达式的语法和使用说明，让你半小时学会正则表达式。学习正则表达式语法，主要就是学习元字符以及它们在正则表达式上下文中的行为。为了便于理解，文章所有示例的正则表达式用“regex=正则”表示，“=”号后面就是正则表达式，匹配到的字符会用颜色标注出来，连续匹配到的字符用一深一浅两种颜色区分。比如：regex=\d+，其中\d+就是一个正则，它匹配任意多于 1 个的数字，如下：

正则表达式语法汇总

元字符：
普通字符、标准字符、特殊字符、限定字符（量词）、定位字符（边界字符）。
普通字符：
字母[a-zA-Z]、数字[0-9]、下划线[-]、汉字，标点符号

匹配字母 a 可以 regex=a
匹配字母 b 可以 regex=b
匹配字母 a 或者 b 可以 regex=a|b，这个正则引入一个特殊字符“|”，专业名称为“或”，你也可以叫它“竖线”，总之它表示“或”的意思。

匹配字母 a 或者 b 或者 c 可以 regex=a|b|c
匹配字母 a 或者 b 或者 c 或者 d 可以 regex=a|b|c|d
明显发现这么写有点傻了，如果匹配所有 26 个字母，这种写法就太二了。

这里引入两个特殊字符方括号“[ ]”和中划线“-”
“[ ]”，专业名称为“字符集合”，你也可以叫它“方括号”。
“-”，表示“范围”，你也可以叫它“到”，regex=[a-z]匹配从 a 到 z26 个字母的任意一个。

那么匹配字母 a 或者 b 或者 c 或者 d 可以 regex=[abcd]
匹配数字 1 到 8 的任意数字可以 regex=[1-8]，这样就不会匹配到 0 与 9 这 2 个数字了，如下：

标准字符集合：
标准字符集合是能够与“多种普通字符”匹配的简单表达式，比如：\d、\w、\s

匹配数字 0 到 9 的任意数字可以 regex=[0-9]也可以 regex=\d
标准字符集要注意区分大小写，大写是相反的意思
regex=\D，则匹配非数字字符，即不能匹配数字 0 到 9，如下：

下面是一些常用的标准字符说明

标准字符	含义
\d	匹配 0-9 中的任意一个数字，等效于[0-9]
\D	匹配非数字字符，等效于[^0-9]
\w	匹配任意一个字母、数字或下划线，等效于[^A-Za-z0-9_]
\W	与任何非字母、数字或下划线字符匹配，等效于[^A-Za-z0-9_]
\s	匹配任何空白字符，包括空格、制表符、换页符，等效于 ?[\f\n\r\t\v]
\S	匹配任何非空白字符，等效于[^\f\n\r\t\v]
\n	匹配换行符
\r	匹配一个回车符
\t	匹配制表符
\v	匹配垂直制表符
\f	匹配换页符

特殊字符：
这些字符在正则表达式中表示特殊的含义，比如：*，+，？，\，等等

“\”是转义字符，用于匹配特殊字符

匹配反斜杠“\”可以 regex=\\，因为“\”是特殊字符，所以需要在它前边再加一个“\”进行转义

匹配星号“*”，可以 regex=\*，因为“*”是特殊字符，所以需要在它前边再加一个“\”进行转义

下面是一些常用的特殊字符说明，后面都会讲到

特殊字符	含义
\	转义字符，将下一个字符标记为一个特殊字符
匹配字符串开始的位置
$	匹配字符串结尾的位置
*	零次或多次匹配前面的字符或子表达式
+	一次或多次匹配前面的字符或子表达式
?	零次或一次匹配前面的字符或子表达式
.	“点” 匹配除“\r\n”之外的任何单个字符
|	或
[ ]	字符集合
( )	分组，要匹配圆括号字符，请使用 “(” ?或 “)”

限定字符（量词）
限定字符又叫量词，是用于表示匹配的字符数量的。

匹配任意 1 位数字可以 regex=\d
匹配任意 2 位数字可以 regex=\d\d
匹配任意 3 位数字可以 regex=\d\d\d

匹配任意 16 位数字，再这么写就有点傻了
这里引入用于表示数量限定字符“{n}”
“{n}”，n 是一个非负整数，匹配确定的 n 次

注意：regex=\d\d{3}匹配任意 4 个数字不是 6 个，量词只对它前面的字符负责，regex=\d\d{3}匹配的内容如下：

匹配任意 16 位数字可以 regex=\d{16}
匹配任意 16 位以上的数字可以 regex=\d{16,}
匹配任意 1 到 16 位以上的数字可以 regex=\d{1,16}

从上图，我们可以看到 regex=\d{1,16}，可以匹配到任意 1-16 个数字

下面介绍一下匹配次数中的贪婪模式与非贪婪模式：

正则的匹配默认是贪婪模式，即匹配的字符越多越好，
而非贪婪模式是匹配的字符越少越好，在修饰匹配字数的量词后再加上一个问号“?”即可。

那么同样是上面的字符串，regex=\d{1,16}?匹配到什么呢？

因为在{1,16}这个量词后面加上了问号“?”，表示非贪婪模式，所以只能匹配到 1 个数字，即匹配的字符越少越好。

下面是一些常用的限定字符说明

限定字符	含义
*	零次或多次匹配前面的字符或子表达式
+	一次或多次匹配前面的字符或子表达式
?	零次或一次匹配前面的字符或子表达式
{n}	n 是一个非负整数，匹配确定的 n 次
{n,}	n 是非负整数，至少匹配 n 次
{n,m}	n 和 m 是非负整数，其中 n<=m；匹配至少 n 次，至多 m 次

匹配 0 个或多个字母 A 可以 regex=A*或者 regex=A{0,}
匹配至少一个字母 A 可以 regex=A+或者 regex=A{1,}
匹配 0 个或 1 字母 A 可以 regex=A?或者 regex=A{0,1}

匹配至少一个 LOVE 可以 regex=(LOVE)+，匹配的效果如下：

定位字符（字符边界）
定位字符也叫字符边界，标记匹配的不是字符而是符合某种条件的位置，所以定位字符是“零宽的”。

下面是一些常用的定位字符说明

定位字符	含义
匹配字符串开始的位置，表示开始
$	匹配字符串结尾的位置，表示结尾
\b	匹配一个单词边界

匹配以 Hello 开头的字符串可以 regex=^Hello

匹配以 Hello 结尾的字符串可以 regex=Hello$，如下：

匹配以 H 开头以 o 结尾的任意长度字符串可以 regex=^H.*o$，如下：

“\b”匹配这样一个位置：前面的字符和后面的字符不全是\w
如果在“hello,hello1 hello hello1 bhello”这个字符串里匹配 regex=hello\b，
匹配到的结果如下：

分析一下：为什么 hello1 匹配不了“hello\b”这个正则？

首先\b 是一个定位字符，它是零宽的，标识一个位置，这个位置的前面和这个位置的后面不能全是\w，即不能全是字母数字和下划线[A-Za-z0-9_]，而 hello1 的 o 与 1 之间的位置前面是 o 后面是 1，前后全是\w，不符合\b 匹配的含义，因此 hello1 不能匹配正则表达式“hello\b”。

但是 bhello 可以匹配“hello\b”这个正则，因为 hello 的结尾的位置，前面是 o，后面是空白，所以符合\b 匹配的含义，因此 bhello 可以匹配“hello\b”这个正则。

自定义字符集合：
方括号[ ]表示字符集合，即[ ]表示自定义集合，用[ ]可以匹配方括号里的任意一个字符。

regex=[aeiou]匹配“a”,“e”,“i”,“o”,“u”任意一个字符，也就是可以匹配集合[aeiou]的任意一个字符。

但是，特殊字符（除了小尖角“^”和中划线“-”外）被包含到方括号中，就会失去特殊意义，只代表其字符本身。

regex=[abc+?]匹配“a”,“b”,“c”任意一个字符或者“+”,“*”,“?”，即包含在自定义集合中的特殊字符“+”,“*”,“?”*失去了特殊含义，只表示其字符本身的意思。

特殊字符小尖角“^”，原本含义是匹配字符串的开始位置，如果包含在自定义集合[ ]中，则表示取反的意思。
比如：regex=[^aeiou]匹配“a”,“e”,“i”,“o”,“u”之外的任意一个字符。

中划线“-”，在自定义集合[ ]中，表示“范围”，而不是字符“-”本身，regex=[a-z]，匹配从 a 到 z 中 26 个字母的任意一个。

除小数点“.”外，标准字符集合包含在方括号中，仍然表示集合范围。
regex=[\d.+]匹配 0-9 的任意一个数字或者小数点“.”或者加号“+”

也就是说\d 在自定义集合中仍然表示数字，但是小数点在字符集合中只表示小数点本身，而不是除“\r\n”之外的任何单个字符。
选择符和分组

表达式	作用
pattern1|pattern2	或的关系，匹配左边的 pattern1 或右边的 pattern2
(pattern)	匹配 pattern 并获取这一匹配，并存储
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是不进行存储

regex=x|y，匹配字符 x 或 y。

( )表示捕获组，( )的作用如下：
1、括号中的表达式可以作为整体被修饰，用来表示匹配括号中表达式的次数，regex=(abc){2,3}，可以匹配连续的 2 个或 3 个 abc，如下：

2、括号中的表达式匹配到的内容会存储起来，并可以获取到括号中表达式匹配到的内容
3、每一对括号会分配一个编号，使用( )的捕获根据左括号的顺序从 1 开始自动编号，编号为 0 的捕获是整个正则表达式匹配到的文本。

捕获组( )可以把匹配的内容存储起来，那么如何获取( )捕获到的内容呢，下面介绍反向引用。

反向引用“\number”
每一对括号会分配一个编号，使用( )的捕获根据左括号的顺序从 1 开始自动编号。通过反向引用，可以对分组已捕获的字符串进行引用。
“\number”中的 number 就是组号

regex=(abc)d\1 可以匹配字符串 abcdabc，即\1 表示把获取到的第一组再匹配一次，如下：

(?:pattern)表示非捕获组，匹配括号中表达式匹配到的内容，但是不进行存储匹配到的内容。这在使用 "或" 字符?(|)?来组合一个正则的各个部分是很有用的。

例如：匹配字符“story”或者“stories”，regex=stor(?:y|ies)就是一个比 regex=story|stories 更简略的表达式。

预搜索（零宽断言）
预搜索，又叫零宽断言，又叫环视，它是对位置的匹配，与定位字符（边界字符）类似。

表达式	作用
(?=pattern)	断言此位置的后面能匹配表达式 pattern
(?<=pattern)	断言此位置的前面能匹配表达式 pattern
(?!pattern)	断言此位置的后面不能匹配表达式 pattern
(?<!pattern)	断言此位置的前面不能匹配表达式 pattern

regex=love (?=story)匹配的结果如下（匹配“love?”后面是 story）：

regex=love (?!story)匹配的结果如下（匹配“love ”后面不能是 story）：

运算符的优先级
正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。下表的优先级从高到低排序：

运算符	描述
\	转义字符
(), (?:), (?=), []	圆括号和方括号，分组和自定义集合
*, +, ?, {n}, {n,}, {n,m}	限定字符（量词）
^, $, 标准字符，字符	定位字符（边界字符）和字符
|	或

说明：“|”或操作是优先级最低的，它比普通字符的优先级低。因此，regex=r|loom 匹配“r”或“loom”，如下：

如果想匹配“room”或“loom”，请用括号创建子表达式，regex=(r|l)oom，如下：

至此，正则表达式的语法介绍完了，大家是不是已经掌握了呢，赶快去体验一下吧。

最后给大家介绍一下开发中使用正则表达式的流程：

1、分析所要匹配的数据特点，模拟各种测试数据；
2、利用正则工具，写正则表达式与测试数据进行匹配，从而验证你写的正则；
3、在程序里调用在正则工具中验证通过的正则表达式。

在这里给大家推荐一个正则工具“RegexBuddy”，你可以从网上下载，或者回复关键词“正则表达式”获取。《半小时学会正则表达式（下）》会讲解学习正则表达式的第二部分，练习使用正则并解决一些实际问题，敬请关注后续内容。