regex - 学习正则表达式

As it currently stands, this question is not a good fit for our Q&A format. We expect answers to be supported by facts, references, or expertise, but this question will likely solicit debate, arguments, polling, or extended discussion. If you feel that this question can be improved and possibly reopened, visit the help center作为指导。




                                已关闭8年。

This question's answers are a community effort。编辑现有答案以改善此职位。它目前不接受新的答案或互动。






我不太了解正则表达式。您能以简单易懂的方式向我解释吗？如果有任何在线工具或书籍，您还可以链接到它们吗？

最佳答案

最重要的部分是概念。一旦了解了构建块的工作原理，语法上的差异就等于轻度方言。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。诸如Perl之类的语言消除了大多数这种复杂性，但是如果您在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基块，那么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与字符“ N”匹配。

正则表达式彼此相邻，匹配序列。例如，模式Nick与序列“ N”，“ i”，“ c”，“ k”匹配。

如果您曾经在Unix上使用过grep-即使只是搜索普通的字符串-您也已经在使用正则表达式！（re中的grep引用正则表达式。）

从菜单订购

稍微增加一点复杂性，您就可以将'Nick'或'nick'与模式[Nn]ick匹配。方括号中的部分是一个字符类，这意味着它与随附的一个字符完全匹配。您也可以在字符类中使用范围，因此[a-c]匹配'a'或'b'或'c'。

模式.是特殊的：它不仅匹配文字点，还匹配任何字符†。从概念上讲，它与真正的大型角色类[-.?+%$A-Za-z0-9...]相同。

将角色类视为菜单：仅选择一个。

有用的快捷方式

使用.可以节省大量键入时间，并且还有其他常用模式的快捷方式。假设您要匹配一个数字：[0-9]是一种写方法。数字是经常匹配的目标，因此您可以改用快捷方式\d。其他的是\s（空格）和\w（单词字符：字母数字或下划线）。

大写字母的变体是它们的补语，因此，例如\S匹配任何非空白字符。

一次还不够

从那里，您可以使用量词重复模式的某些部分。例如，模式ab?c与'abc'或'ac'匹配，因为?量词使它修改的子模式为可选。其他量词是

*（零次或多次）
+（一次或多次）
{n}（恰好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

ick
缺口
缺口
尼克
尼克
尼克
（等等）

第一场比赛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+）与任何非负整数匹配
\d{4}-\d{2}-\d{2}匹配日期格式为2019-01-01的日期

分组

量词将模式修改到其紧邻的左侧。您可能希望0abc+0匹配“ 0abc0”，“ 0abcabc0”，依此类推，但是加号修饰符左侧的模式是c。这意味着0abc+0匹配'0abc0'，'0abcc0'，'0abccc0'等。

要匹配一个或多个'abc'序列的末端为零，请使用0(abc)+0。括号表示可以量化为一个单位的子模式。正则表达式引擎通常会保存或“捕获”与括号组匹配的输入文本部分。与对索引和substr进行计数相比，以这种方式提取位更加灵活且不易出错。

轮换

之前，我们看到了一种匹配“ Nick”或“ nick”的方法。另一个与Nick|nick中的交替。请记住，交替包括其左侧的所有内容和右侧的所有内容。使用分组括号来限制|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，但这可能不是最优的，因为许多实现都假定替代方法的长度大于1。

转义

尽管某些字符匹配，但其他字符具有特殊含义。模式\d+与反斜杠，小写字母D和加号不匹配：要实现此目的，我们将使用\\d\+。反斜杠从后面的字符中删除特殊含义。

贪婪

正则表达式量词是贪婪的。这意味着它们可以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

“你好，”她说，“你好吗？”

您可能希望".+"仅匹配“ Hello”，然后当您看到它与“ Hello”一直到“ you？”匹配时，您会感到惊讶。

要从贪婪转向谨慎，可以在量词上添加一个额外的?。现在您了解了问题中的示例$(.+?)$的工作原理。它与文字左括号的顺序匹配，后接一个或多个字符，并以右括号终止。

如果您输入的是'（123）（456）'，则第一个捕获将是'123'。非贪婪的量词希望允许模式的其余部分尽快开始匹配。

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

锚点

使用特殊模式^仅在输入的开头进行匹配，而$仅在输入的末尾进行匹配。用您的模式制作“书挡”，您说：“我知道正面和背面是什么，但是请给我之间的一切”是一种有用的技术。

假设您要匹配表单的注释

-- This is a comment --

您会写^--\s+(.+)\s+--$。

建立你自己的

正则表达式是递归的，因此，既然您了解了这些基本规则，就可以随意组合它们。

用于编写和调试正则表达式的工具：

RegExr（对于JavaScript）
Perl：YAPE: Regex Explain
Regex Coach（由CL-PPCRE支持的引擎）
RegexPal（对于JavaScript）
Regular Expressions Online Tester
Regex Buddy
Regex 101（用于PCRE，JavaScript，Python，Golang）
Visual RegExp
Expresso（对于.NET）
Rubular（对于Ruby）
Regular Expression Library（常见方案的预定义正则表达式）
Txt2RE
Regex Tester（对于JavaScript）
Regex Storm（对于.NET）
Debuggex（可视化正则表达式测试器和帮助器）

图书

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

†：上面的.匹配任何字符的说法是出于教学目的的简化，并非严格如此。点匹配除换行符"\n"以外的任何字符，但实际上，您很少期望像.+这样的图案跨越换行符边界。 Perl正则表达式具有/s switch和Java Pattern.DOTALL，例如，使.完全匹配任何字符。对于没有这种功能的语言，可以使用[\s\S]之类的东西来匹配“任何空白或任何非空白”，换句话说，就是任何东西。

关于regex - 学习正则表达式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/27986122/

上一篇：java - 如何在 Android 的 ListView 中显示解析后的 html

下一篇：java - Gradle maven插件: uploadArchives cannot find/tmp/gradle_empty_settings xml

相关文章：

c++ - 当我认为它不应该在 C++ 中时，正则表达式采用等号

c# - 正则表达式替换不同种类的单引号

javascript - 棘手的 Javascript 正则表达式替换

python - Grepping 通过日志获取用户、路径

java - 替换 Java 中第一次出现的特定模式

java - 我怎样才能在Java中分割这个字符串？

java - 基于逗号的分割线、奇怪的线

javascript - 需要一些关于正则表达式验证的指示

用于匹配不包含单词的行的正则表达式

javascript extract ..在值的第一个下划线处停止