学习正则表达式

Question

学习正则表达式

regex

166

我不是很理解正则表达式。你能够简单易懂地给我解释一下吗？如果有任何在线工具或书籍，你能否也提供链接？

- Teifion

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Greg Bacon · Accepted Answer

最重要的部分是概念。一旦你理解了构建块的工作原理，语法上的差异就只是轻微的方言而已。在正则表达式引擎的语法之上，还有你正在使用的编程语言的语法层。像Perl这样的语言消除了大部分的复杂性，但如果你在C程序中使用正则表达式，你仍需要记住其他考虑因素。

如果你把正则表达式看作是可以随意混合和匹配的构建块，它不仅帮助你学习如何编写和调试自己的模式，还能帮助你理解他人编写的模式。

从概念上讲，最简单的正则表达式是字面字符。模式N匹配字符'N'。

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'。

如果你曾经在Unix上使用grep，即使只是搜索普通的字符串，你已经在使用正则表达式了！（grep中的re指的是正则表达式。）

稍微增加一点复杂性，你可以用模式[Nn]ick匹配'Nick'或'nick'。方括号中的部分是一个字符类，意味着它恰好匹配其中一个字符。你也可以在字符类中使用范围，所以[a-c]匹配'a'或'b'或'c'。

模式.是特殊的：它匹配任何字符^†，而不仅仅是一个字面上的句点。在概念上，它与真正大的字符类[-.?+%$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.可以节省大量输入，常见模式还有其他快捷方式。例如，你想匹配一个数字：一种写法是[0-9]。数字是常见的匹配目标，因此你可以使用快捷方式\d。其他的是\s（空白字符）和\w（单词字符：字母数字或下划线）。

大写变体是它们的补集，因此\S匹配任何非空格字符，例如。

一次不够

从这里开始，你可以使用量词重复模式的部分。例如，模式ab?c匹配'abc'或'ac'，因为?量词使其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）

将其中一些块组合在一起，模式[Nn]*ick匹配所有以下内容

ick
Nick
nick
Nnick
nNick
nnick
（等等）

第一个匹配演示了一个重要的教训：*总是成功！任何模式都可以匹配零次。

另外几个有用的例子：

[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

一个量词修饰其左侧的模式。你可能期望0abc+0匹配'0abc0'、'0abcabc0'等，但是加号量词符号紧贴在c左侧，这意味着0abc+0匹配'0abc0'、'0abcc0'、'0abccc0'等。

要匹配以零为结尾的一个或多个“abc”序列，请使用0(abc)+0。括号表示可作为一个单元进行量化的子模式。正则表达式引擎通常会保存或“捕获”与带括号组匹配的输入文本部分。这种方式提取位更加灵活，比计数索引和substr方法更少出错。

选择

前面我们看到了一种匹配'Nick'或'nick'的方式。另一种方式是使用选择，如Nick|nick。请记住，选择包含其左侧和右侧的所有内容。使用分组括号来限制|的范围，例如(Nick|nick)。

例如，您可以将[a-c]等效地写成a|b|c，但这可能不是最佳选择，因为许多实现假定备选项的长度大于1。

转义

尽管某些字符与它们自身匹配，其他字符具有特殊含义。模式\d+不匹配反斜杠后跟小写字母D后跟加号：要获得该结果，我们需要使用\\d\+。反斜杠会去除下一个字符的特殊含义。

贪婪性

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

例如，假设输入为：

"Hello," she said, "How are you?"

你可能期望".+"仅匹配'Hello,'，但当你发现它从'Hello'一直匹配到'you?'时，你会感到惊讶。

要从贪婪模式切换到谨慎模式，请在量词中添加额外的?。现在你明白了你的问题中的示例$(.+?)$是如何工作的。它匹配一个文字左括号，后跟一个或多个字符，并以右括号终止的序列。

如果你的输入是'(123) (456)'，那么第一个捕获将是'123'。非贪婪量词希望尽快允许其余模式开始匹配。

（至于你的困惑，我不知道任何正则表达式方言可以使((.+?))做同样的事情。我怀疑在传输过程中某些内容丢失了。）

锚点

使用特殊模式^匹配输入的开头，使用$仅匹配结尾。在您的模式中制作“书框”，其中您说：“我知道前面和后面是什么，但请给我中间的所有内容”是一种有用的技术。

假设您想匹配以下形式的注释

-- This is a comment --

您可以编写^--\s+(.+)\s+--$。

构建自己的正则表达式

正则表达式是递归的，因此现在您已经了解了这些基本规则，可以随意组合它们。

编写和调试正则表达式的工具：

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

书籍

免费资源

脚注

†: 上述说法中的.匹配任何字符是为了教学目的而进行的简化，严格来说并不正确。点号匹配除换行符"\n"以外的任何字符，但在实践中，您很少期望像.+这样的模式跨越换行边界。例如，Perl正则表达式有一个/s开关，Java有Pattern.DOTALL，可以使.匹配任何字符。对于没有此功能的语言，您可以使用类似[\s\S]的方法来匹配“任何空白或任何非空白”，换句话说就是任何东西。