五分钟搞定正则表达式,如果没搞定,再加两分钟
【这是 ZY 第 18 篇原创文章】
文章概览
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]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)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 "[fnrtv]"。
"S" 表示匹配任何非空白字符,等价于 "[^fnrtv]"。
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]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)"
我们分段来看。
先看第一段 "(2[0-4]d|25[0-5]|[01]?dd?).)",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]?dd?",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]?dd?)",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: girlProcess finished with exit code 0
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:
总结
最后,大家只要多多练习,实际开发中多使用,掌握正则表达式不是难事~
参考资料
https://tool.oschina.net/uploads/apidocs/jquery/regexp.html