学习正则表达式

Question

我不太懂正则表达式。您能以易于理解的方式向我解释吗？如果有任何在线工具或书籍，您可以链接到它们吗？

Answer 1

最重要的部分是概念。一旦您了解了构建块的工作原理，语法上的差异只不过是温和的方言而已。正则表达式引擎语法之上的一层是您正在使用的编程语言的语法。 Perl 等语言消除了大部分复杂性，但如果您在 C 程序中使用正则表达式，则必须牢记其他注意事项。

如果您将正则表达式视为可以随意混合和匹配的构建块，它可以帮助您学习如何编写和调试自己的模式，以及如何理解其他人编写的模式。

从简单开始

从概念上讲，最简单的正则表达式是文字字符。模式N 匹配字符“N”。

彼此相邻的正则表达式匹配序列。例如，模式Nick 匹配序列“N”后跟“i”后跟“c”后跟“k”。

如果您曾经在 Unix 上使用过grep——即使只是为了搜索普通字符串——那么您已经在使用正则表达式了！ （grep 中的re 指的是正则表达式。）

从菜单中订购

增加一点复杂性，您可以将 'Nick' 或 'nick' 与模式 [Nn]ick 匹配。方括号中的部分是一个字符类，这意味着它与包含的字符之一完全匹配。您还可以在字符类中使用范围，因此 [a-c] 匹配“a”或“b”或“c”。

. 模式很特殊：它不仅匹配文字点，还匹配任何字符^†。在概念上与真正的大字符类[-.?+%$A-Za-z0-9...] 相同。

将字符类视为菜单：只选择一个。

有用的快捷方式

使用. 可以为您节省大量输入，并且还有其他常用模式的快捷方式。假设你想匹配一个数字：一种写法是[0-9]。数字是经常匹配的目标，因此您可以改用快捷方式\d。其他是\s（空格）和\w（单词字符：字母数字或下划线）。

大写的变体是它们的补码，所以\S 匹配任何非-空白字符，例如。

一次是不够的

从那里，您可以使用 量词 重复部分模式。例如，ab?c 模式匹配 'abc' 或 'ac' 因为? 量词使得它修改的子模式是可选的。其他量词是

• *（零次或多次）
• +（一次或多次）
• {n}（正好 n 次）
• {n,}（至少 n 次）
• {n,m}（至少 n 次但不超过 m 次）

将其中一些块放在一起，模式[Nn]*ick 匹配所有的

• ick
• 尼克
• 尼克
• 尼克
• 尼克
• 尼克
• （等等）

第一个匹配展示了一个重要的教训：* 总是成功！任何模式都可以匹配零次。

其他一些有用的例子：

• [0-9]+（及其等效的\d+）匹配任何非负整数
• \d{4}-\d{2}-\d{2} 匹配格式为 2019-01-01 的日期

分组

量词将模式修改为紧挨着它的左边。您可能希望0abc+0 匹配“0abc0”、“0abcabc0”等，但加号量词左侧的模式立即 是c。这意味着0abc+0 匹配“0abc0”、“0abcc0”、“0abccc0”等。

要匹配一个或多个末端带有零的“abc”序列，请使用0(abc)+0。括号表示可以量化为一个单元的子模式。正则表达式引擎保存或“捕获”与括号组匹配的输入文本部分也很常见。以这种方式提取位比计数索引和substr 更加灵活且不易出错。

交替

之前，我们看到了一种匹配“Nick”或“nick”的方法。另一个是与Nick|nick 中的交替。请记住，交替包括左侧的所有内容和右侧的所有内容。使用分组括号限制|的范围，例如，(Nick|nick)。

再举一个例子，您可以将[a-c] 等效地写为a|b|c，但这可能不是最理想的，因为许多实现都假设替代方案的长度大于1。

转义

虽然有些字符匹配自己，但有些字符有特殊含义。模式 \d+ 不匹配反斜杠后跟小写 D 后跟加号：要得到它，我们将使用 \\d\+。反斜杠删除后面字符的特殊含义。

贪婪

正则表达式量词是贪婪的。这意味着它们匹配尽可能多的文本，同时允许整个模式成功匹配。

例如说输入是

“你好，”她说，“你好吗？”

您可能认为".+" 只匹配“Hello”，然后当您看到它从“Hello”一直匹配到“you?”时会感到惊讶。

要从贪婪切换到您可能认为的谨慎，请在量词中添加一个额外的?。现在您了解了\((.+?)\)，您问题中的示例是如何工作的。它匹配文字左括号的序列，后跟一个或多个字符，并以右括号结束。

如果您的输入是“(123) (456)”，那么第一次捕获将是“123”。非贪婪量词希望让模式的其余部分尽快开始匹配。

（至于您的困惑，我不知道任何正则表达式方言 ((.+?)) 会做同样的事情。我怀疑在传输过程中某处丢失了某些东西。）

锚点

使用特殊模式^ 仅匹配输入的开头，使用$ 仅匹配末尾。用你的模式制作“书挡”，你说“我知道前面和后面是什么，但把中间的一切都给我”是一种有用的技巧。

假设你要匹配表单的 cmets

-- This is a comment --

你会写^--\s+(.+)\s+--$。

构建你自己的

正则表达式是递归的，所以现在您了解了这些基本规则，您可以随意组合它们。

编写和调试正则表达式的工具：

• RegExr（用于 JavaScript）
• Perl：YAPE: Regex Explain
• Regex Coach（由 CL-PPCRE 支持的引擎）
• RegexPal（用于 JavaScript）
• Regular Expressions Online Tester
• Regex Buddy
• Regex 101（用于 PCRE、JavaScript、Python、Golang、Java 8）
• I Hate Regex
• Visual RegExp
• Expresso（适用于 .NET）
• Rubular（用于 Ruby）
• Regular Expression Library（常见场景的预定义正则表达式）
• Txt2RE
• Regex Tester（用于 JavaScript）
• Regex Storm（适用于 .NET）
• Debuggex（可视化正则表达式测试器和助手）

书籍

• Mastering Regular Expressions、2nd Edition 和 3rd edition。
• Regular Expressions Cheat Sheet
• Regex Cookbook
• Teach Yourself Regular Expressions

免费资源

• RegexOne - Learn with simple, interactive exercises.
• Regular Expressions - Everything you should know（PDF 系列）
• Regex Syntax Summary
• How Regexes Work

脚注

†: 上面关于. 匹配任何字符的陈述是出于教学目的的简化，并非严格正确。点匹配除换行符"\n" 之外的任何字符，但实际上您很少期望.+ 之类的模式跨越换行符边界。 Perl 正则表达式有/s switch 和Java Pattern.DOTALL，例如，使. 匹配任何字符。对于没有此类功能的语言，您可以使用 [\s\S] 之类的内容来匹配“任何空格或任何非空格”，即任何内容。