正則表達式里轉義字符_五分鐘搞定正則表達式，如果沒搞定，再加兩分鐘

五分鐘搞定正則表達式，如果沒搞定，再加兩分鐘

【這是 ZY 第 18 篇原創文章】

文章概覽

一、正則表達式介紹

正則表達式，又稱規則表達式。（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），計算機科學的一個概念。正則表達式通常被用來檢索、替換那些符合某個模式(規則)的文本。

不用過多介紹，大家對正則表達式應該不太陌生。即使沒有用過，也一定聽說過。
我們先看幾個常見的正則表達式：

匹配 IP 地址
((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)匹配電子郵箱
([a-z0-9_.-]+)@([da-z.-]+).([a-z.]{2,6})

對于正則表達式，第一映像是一串神秘的字符串。如果不是真正了解其規則，看到這字符串，定然是摸不著頭腦。
不過說實話，了解其規則以后，看到這數字，也有點頭疼。畢竟正則這個東西，寫時爽歪歪，看時如天書。
話雖這樣說，正則表達式說白了，也就是一連串的規則而已，只要了解了規則，一點一點總能看懂。所以不要有畏難情緒。

我們從最簡單的例子開始，一點一點添加規則，爭取讓大家在學會正則表達式的過程中感覺不到絲毫痛苦。
（這里有一個網站，http://tool.oschina.net/regex/#，可以在線測試正則表達式的正確性，讀者朋友們可以在這上面進行測試，方便學習，我們后面的例子講解，也用這個工具）。

二、幾個常用規則

前面看了那么復雜的例子，我們這里回歸本源，從一個簡單的例子開始看。

2.1 完全匹配

正則表達式是用來匹配文本的，現在假設我們要匹配 "abcdefg" 這一字符串中的 "abc" 三個字母，我們該怎么寫呢？

abc

對，不要懷疑，就是這么簡單。
如果想匹配 "def"，那么就是

def

是不是很簡單呢？是不是小腦瓜中又透露出一絲疑惑？
如果正則表達式的匹配內容很簡單，也很明確，可以進行完全匹配，寫出來的結果就是這樣的。

2.2 符號 |

那我們再繼續往后看。
還是 "abcdefg" 字符串，我們想匹配其中的 "ab" 和 "ef" 兩個子串，怎么寫呢？按照上面的寫法，就是寫兩個正則 "ab" 和 "ef" 來匹配。這樣可以，不過略顯麻煩。我們寫法如下：

ab|ef

這里我們新加了 "|" 這個字符，表示或，即匹配 ab 或者 ef，是不是就方便了許多。

再繼續看，這次我們需要改變一下待匹配的字符串。
我們在 "acabcdefgh acbbcdefgh accbcdefgh" 字符串中，要匹配 "abcdef"，"bbcdef"，"cbcdef" 三個子串。
讀者朋友們一看，這題非常簡單，用上面的方法，正則表達式如下：

abcdef|bbcdef|cbcdef

寫法正確，不過略顯繁瑣。我們的寫法如下：

(a|b|c)bcdef

是不是有些理解 "|" 的使用了呢。那我們要匹配 "acabcdef"，"acbbcdef"，"accbcdef" 這三個子串怎么寫呢？

ac(a|b|c)bcdef

這下子理解 "|" 的使用了吧。而且我們現在的的寫法，是不是長得有些 ”像“ 正則表達式了呢？

2.3 符號 []

我們繼續。
上面的例子，我們如果不用 "|"，可以實現么？
答案是可以的，寫法如下：

ac[abc]bcdef

是不是看著比上面更清爽一點呢？
我們這里引入了一個新的字符 "[]"。這對中括號是字符集的意思，里面包含的字符，都是或（"|"）的關系。
我們還可以這樣寫：

ac[a-c]bcdef

"[a-c]" 表示的是匹配 a-c 之間的任意字符。

這里對 "[]" 稍微多說一些，[] 除了可以放字符集合以及字符范圍以外，還可以做取反操作。
比如 "[^a-c]" 表示的是匹配 a-c 范圍以外其他的字符。"[^0-8]" 表示的是匹配 0-8 范圍以外的其他字符。

到了這里，我們已經可以寫一些簡單的匹配規則了。

2.4 限制符號 * + ? {}

我們繼續往下看。
我們現在想匹配類似 "fooooooooooooooooof" 這樣子的字符串，中間的 "o" 個數我們不能確定，上面講到的規則就有點無能為力了。
那我們該怎么寫呢？

fo*f

這里的 "*" 表示匹配前面的子表達式零次或多次。

那么有些讀者朋友會問了，如果想匹配至少有一個 "o" 該怎么寫呢？

fo+f

這里的 "+" 表示匹配前面的子表達式一次或多次。

那么讀者朋友又問了，如果想匹配 0 個或者者 1 個該怎么寫呢？

fo?f

這里的 "?" 表示匹配前面的子表達式零次或一次。

那么有些讀者朋友又會問了，如果想匹配確定次數的 "o" 該怎么寫呢？
我們可以這樣寫：

fo{2}f

上面的規則，會匹配 foof，即匹配 2 個 "o"。
所以，"{n}" 表示匹配前面子表達式 n 次。

那讀者朋友們再次發問，如果想匹配至少 n 個 "o" 該怎么寫呢？

fo{2,}f

"{n,}" 表示匹配前面子表達式至少 n 次。

那讀者朋友們這次不發問了，會舉一反三了，那如果想匹配最少 n 個，最多 m 個呢？

fo{2,5}f

"{n,m}" 表示匹配前面子表達式至少 n 次，至多 m 次。

所以 "*" 等價于 "{0,}"，"+" 等價于 "{1,}"，"?" 等價于 "{0,1}"。

到這里，我們能寫的匹配規則更多了，而且可以說大部分匹配運用上面的規則都可以實現了。
大家可以回頭看看文章開頭貼的幾段正則表達式，看看是否能看懂了。

當然除此之外，正則里的規則其實還是不少的，除了上面幾個，我們再看幾個比較常用的。

2.5 幾個轉義字符

在正則表達式里，也有一些轉義字符，表示一些特殊的含義。 "d" 表示匹配數字字符，等價于 "[0-9]"。
"D" 表示匹配非數字字符，等價于 "[^0-9]"。
"n" 表示匹配換行符。
"s" 表示匹配任何空白字符，等價于 "[fnrtv]"。
"S" 表示匹配任何非空白字符，等價于 "[^fnrtv]"。

2.6 符號 .

符號 "." 會匹配 "n" 以外的所有字符，也是比較常用的。

2.7 符號 ?

到目前為止，我們已經學習了大部分常用的正則表達式規則，日常開發基本已經夠用了。
不過使用正則表達式時，限制字符 "* + ? {}" 默認的匹配規則是貪婪的。什么意思呢？
比如說有一個字符串 "abbbbb"，我們使用正則表達式 "ab+" 去匹配，匹配的結果是 "abbbbbbb"，會盡可能多的去匹配滿足的字符。
我們如果想盡可能少的匹配滿足的字符，那么就在限定符后面加 "?"。
"ab+?" 匹配的結果就是 ab。
"?" 符號的非貪婪匹配，在某些情況下也是很有用的。

2.8 符號 ()

最后我們再來看一個符號 "()"，小括號的含義是分組，可以理解為被小括號包含的子表達式就是一個分組，在前面介紹 "|" 的時候我們使用過。
不過分組也分很多類型。
"(pattern)" 小括號單純的包含了子表達式，表示此分組可以被捕獲。捕獲的意思就是此分組的內容會被保存下來，后續可以從匹配的集合中獲取到。
"(?:pattern)" 小括號中增加了 ?: 前綴，表示此分組不可以被捕獲。后續匹配的集合中就不會包含此分組信息。
這樣說下來，不太好理解。這里需要結合具體開發語言的實現來說。先留個懸念，后面會講到。

"(?=pattern)" 小括號中增加了 ?= 前綴，表示的是匹配此分組，但是此分組里的內容不需要被獲取。
"(?!pattern)" 小括號中增加了 ?! 前綴，表示的是匹配此分組之外的內容，但是此分組里的內容不需要被獲取。
舉個栗子：
正則表達式 "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。正則表達式 "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。

以上就是正則表達式里一些常見的規則解析。

2.9 看看文章開頭的例子

我們在文章開頭放了兩個例子，這里來分析一下。

匹配 IP 地址的正則表達式：
"((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)"
我們分段來看。
先看第一段 "(2[0-4]d|25[0-5]|[01]?dd?).)"，這里用 "|" 分割了三種匹配情況。
第一種是 "2[0-4]d"，即三位數字，第一位是 2，第二位是 0 - 4 之間，第三位是任意數字。
第二種是 "25[0-5]"，三位數字，第一位是 2，第二位是 5，第三位是 0 - 5 之間。
第三種是 "[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數字，第三位數字匹配零次或一次，也就是一位數，兩位數，三位數都可能滿足這種情況。
第一段末尾是 "." 作為分隔符。

再來看第二段 "{3}"，這個表示前面的子表達式重復三次，也就是 IP 地址的前三個字節。

再看第三段 "(2[0-4]d|25[0-5]|[01]?dd?)"，和第一段是一樣的。

匹配電子郵箱：
"([a-z0-9_.-]+)@([da-z.-]+).([a-z.]{2,6})"
也是分段來看。
第一段 "([a-z0-9_.-]+)"，表示匹配 a-z 范圍內的字母，0-9 范圍的數字，以及 "_"，"."，"-" 三個字符，"+" 表示至少有一個字符。
第二段 "@" 表示匹配 "@" 字符。
第三段 "([da-z.-]+)"，"d" 表示匹配任意數字，a-z 范圍的字母，"."，"-" 兩個字符，"+" 至少有一個字符。
第四段 "." 表示匹配 "." 字符。
第五段 "([a-z.]{2,6})"，表示匹配 a-z 范圍的字母，"." 字符，"{2,6}" 表示至少 2 個字符，至多 6 個字符。

經過上面的講解，大家應該對正則表達式有了進一步的了解。

三、在代碼中如何使用

在了解了正則表達式的規則以后，我們看一下在實際代碼中是如何使用的。這里以 Java 代碼作為示例。

在 Java 中，關于正則表達式的主要有兩個類，Pattern 和 Matcher。
我們看一下具體如何使用。

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])";// 創建 Pattern 對象Pattern r = Pattern.compile(pattern);// 創建 matcher 對象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);}}
}

上面代碼運行的結果如下：

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 中使用正則表達式分三步走： 1. 寫好正則表達式 2. Pattern.compile 生成 Pattern 對象 3. 調用 Pattern 相關的正則操作

Pattern 類中有幾個方法會比較常用： Pattern#matcher 生成 Matcher，可以對正則表達式進行匹配，以及獲取匹配的內容。
Pattern#split 根據正則表達式內容劃分字符串。

Matcher 類中也有幾個方法比較常用： Matcher#find 尋找下一個滿足規則的子串，通常用在查找子串中。
Matcher#matches 用來判斷整個字符串是否滿足匹配規則，常用的類似匹配電話號碼，郵箱等等。
Matcher#group 就是獲取我們在上面講到的 "()" 小括號分組。默認 group(0) 整個串的匹配，group(1)，group(2) 等等往后順延，就是小括號內的分組。在我們上面的例子中的正則表達式是 "boy([0-9])"，用來獲取字符串中的 boy，而括號中的分組是 boy 的編號，在生成 Matcher 以后，調用 Matcher#group(0) 獲取的是整個匹配內容，Matcher#group(1) 獲取的是小括號分組的內容。

通過上面例子，大家應該明白 "()" 的作用了吧。