正则表达式

正则表达式

介绍

正则表达式，又称规则表达式 。（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：

1
2
3
4
5
匹配IP地址
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

匹配电子邮箱
([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})

对于正则表达式，第一印象像是一串神秘的字符串。如果不是真正的了解其规则，看到这字符串，定然是摸不到头脑。

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。

在线测试正则表达式的正确性

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。

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？

1
abc

对，不要怀疑，就是这么简单。

如果想要匹配“def”，那么就是

1
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。

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”匹配。这样可以，不过略显麻烦。我们写法如下：

1
ab|ef

这里我们新加了"|"这个字符，表示或，即匹配ab或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：

1
abcdef|bbcdef|cbcdef

写法正确，不过略显繁琐。我们的写法如下：

1
(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？

1
ac(a|b|c)bcdef

这下子理解”｜“的使用了吧。而且我们现在的写法，是不是长得有些“像”正则表达式了呢？

符号[]

我们继续。

上面的例子，我们如果不用“｜”，可以实现吗？

答案是可以的，写法如下：

1
ac[abc]bcdef

是不是看着比上面更清爽了呢？

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：

1
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，还可以做去反操作。

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。

限制符号*+？{}

我们继续往下看。

我们现在想匹配类似“fooooooooooooooof”这样的子的字符串，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。

那么我哦们该怎么写呢？

1
fo*f

这里"*"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？

1
fo+f

这里的"+"表示匹配前面的子表达式一次或多次

那么读者朋友又该问了，如果像匹配0个或者1个应该怎么写呢？

1
fo?f

这里的"?"表示匹配前面的子表达式零次或者一次

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：

1
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？

1
fo{2,}f

"{n,}"表示匹配前面表达式至少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？

1
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。

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"[\f\n\r\t\v]"

"\s"表示匹配任何非空白字符，等价于"[^\f\n\r\t\v]"

符号 .

符号 "."会匹配“\n“以外的所有字符，也是比较常用的。

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。

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。

以上就是正则表达式里一些常见的规则解析。

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]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)”

我们分段来看。

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]?\d\d?"，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。

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

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。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
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);
        }
    }
}
复制代码

上面代码运行的结果如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
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: girl

Process finished with exit code 0
复制代码

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。

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 开源中国

常用正则表达式

参考资料：

• 五分钟搞定正则表达式，如果没搞定，再加两分钟

• Previous
  大话数据结构：最小生成树
• Next
  初级算法: 删除排序数组中的重复项