1 背景介绍

1.1 为什么要学习正则表达式？

日常学习或者其他场景中，经常会遇到针对文本文件中的内容进行查找、日志分析等，对正则表达式不了解或者不清楚，搞的比较难做。

1.2 什么是正则表达式？

正则表达式，Regular Expression，简称RE。
它表达的是一种文本模式。
它自己是一个字符串。
它是一些字符和特殊字符组成的。

1.3 正则表达式可以做什么？

反正挺有用的，知道的人都知道。几个常用的地方：
1、单个文件内查找指定模式的字符串
2、磁盘上查找文件名称匹配某个模式的文件，列出来匹配了规则的文件路径
3、和linux命令grep、sed、awk等结合使用，做到删除、替换、查找文本等常规操作。
4、和java或者shell编程实现文本的高级处理
5、其他字符串处理的场景。
总之，正则表达式的使用场景在字符串领域是应用广泛的，值得稍微花点时间学习一下。

2 基本语法

序号	字符分类	字符	简要说明	使用介绍
1	普通字符	[A-Z]	从字符串中匹配大字母字符	–
2	普通字符	[a-z]	从字符串中匹配小写字母字符	–
3	普通字符	[0-9]	从字符串中匹配数字	相当于\d
4	普通字符	[A-Za-z]	从字符串中匹配所有字母字符	–
5	普通字符	[A-Za-z0-9]	从字符串中匹配字母和数字	–
6	普通字符	[具体的字符集合]	从字符串中匹配指定的字符集合中的字符	例如：[abc123] 就是从字符串中匹配a、b、c、1、2、3的字符，但凡字符串中出现这6个字符，都判定为命中状态。
7	普通字符	[^具体的字符集合]	非的逻辑，匹配字符串中不在指定范围内字符	例如：[^A-Z]表示匹配字符串中不是大写字母的字符。
8	普通字符	.字符点(我很小看不清)	匹配1个字符，这个字符是任意字符，但是不包括换行符(\n和\r)	等效于[^\n\r]
9	普通字符	\d	匹配数字	等效于[0-9]
10	普通字符	\w	匹配字母、数字、下划线	等效于[A-Za-z0-9_]
1	定位字符	^正则模式字符串	匹配输入字符串的开始位置，相当于是限定在开头要匹配命中。	例如：^[#*]，匹配开头是#或者*的字符串。
2	定位字符	正则模式字符串$	匹配输入字符串结尾位置，相当于限定要从结尾开始匹配	例如：[#*]$，匹配结尾是#或者*的字符串。
1	转义字符	\	反斜杠字符，转义字符，把特殊意义的符号的特殊意义去除	例如：\.\$ 表示的是匹配包括.$字符的字符串，而不是表示作为字符串结尾包括.的字符串。如果要匹配的是以圆点.结尾的字符串，那么正则是这样的：\.$
1	元字符	*	该字符跟在其他字符后面的位置，表示的是匹配前面的子表达式0次或者多次，注意包括0次。	也就是大于或等于0次，相当于{0,}，举例：zo*，意思是匹配z字母后面跟大于等于0个o字母，包括z，zo，zoo等等。
2	元字符	+	匹配前面子表达式大于等于1次	相当于{1,}
3	元字符	?	匹配前面子表达式0或1次	相当于{0,1}
3	元字符	?	如果?前面一些特殊字符(*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的	例如：如果字符串是123456，正则表达式是\d+ ，默认是贪婪的，那么结果匹配得到123456，如果正则表达式是\d+?，此时转换为非贪婪方式的，那么结果是1、2、 3、 4、 5、 6。
4	元字符	{n}	匹配前面子表达式n次
5	元字符	{n,}	匹配前面子表达式>=n次
6	元字符	{n,m}	匹配前面子表达式n~m次，包括n和m，m>=n	例如：abc{1,3} 意思是匹配abc，abcabc，abcabcabc三种情况
7	元字符	子表达式1|子表达式2	匹配子表达式1和子表达式2，	例如：abc|123，表示匹配abc或者123两种情况

3 典型案例

正则表达的编写有3点需要重点注意：
第一，先确定要目标的完整定义，并针对正则表达式需要设计全量的测试用例场景；
第二，特殊字符可能会应用到普通字符场景，一定要进行转移；
第三，重新审视写完的正则表达式，进行精简。

3.1 正整数

正则表达式要达成的目标定义：
和整数一样，正整数也是一个可数的无限集合。在数论中，正整数，即1、2、3……；但在集合论和计算机科学中，自然数则通常是指非负整数，即正整数与0的集合，也可以说成是除了0以外的自然数就是正整数。正整数又可分为质数，1和合数。正整数可带正号（+），也可以不带。
具体写法：

写法1：
\+{0,1}[1-9][0-9]{1,}|\+{0,1}[1-9]
写法2：
\+?[1-9][0-9]+|\+?[1-9]
写法3：
\+?[1-9]\d+|\+?[1-9]
写法4：
\+{0,1}[1-9][0-9]{0,}
写法5：
\+?[1-9]\d*

其中涉及到转义字符、元字符？ * {} 等的使用，需要特别小心。

3.2 IPv4类型的IP地址

3.2.1 点分10进制表示格式

正则表达式要达成的目标定义：
点分10进制表示格式是IP地址的标准表示方法。在这种格式中，IP地址由四个部分组成，每个部分是一个0到255之间的整数，各部分之间用点（.）分隔。例如，一个有效的IP地址可能是192.168.1.1。这种格式的优点是易于阅读和排序，同时也方便进行数学计算。每个部分代表一个8位的二进制数，因此整个IP地址可以表示一个32位的二进制数。这种格式也方便网络设备和软件进行解析和处理。
具体写法：
下面的写法是针对给定一个字符串来准确判断是否为有效IPv4地址的正则表达式：

^((25[0-5]|2[0-4]\d|1\d{2}|[1-9]\d|\d)\.){3}(25[0-5]|2[0-4]\d|1\d{2}|[1-9]\d|\d)$

如果只是想要简单的从日志等文本文件中抓出类似IPv4地址格式的内容，可以使用下面的正则表达式：

(\d+\.){3}(\d+)

通过这种方式可以抓全相关的类似IPv4点分格式的文本，如果用上面去掉开头^和结尾$，有的时候匹配的情况的结果可能会存在截断的效果，从日志分析上看，还不如下面这个短的方式来的方便。
但是，
要注意，不是所有的地方都会支持各种特殊简写的方式，比如：
简单的[0-9] 不是所有地方都支持\d的简写方式，实际应用的时候要注意识别，避免出错。