本文旨在用最通俗的語言講述最枯燥的基本知識。

文章提綱：

1、元字符

2、重復限定符

3、分組

4、轉義

5、條件或

6、區(qū)間

7、零寬斷言

8、捕獲和非捕獲

9、反向引用

10、貪婪和非貪婪

11、反義

正則表達式在幾乎所有語言中都可以使用，無論是前端的 JavaScript、還是后端的 Java、c#。他們都提供相應的接口 / 函數(shù)支持正則表達式。

但很神奇的是：無論你大學選擇哪一門計算機語言，都沒有關于正則表達式的課程給你修，在你學會正則之前，你只能看著那些正則大師們，寫了一串外星文似的字符串，替代了你用一大篇幅的 if else 代碼來做一些數(shù)據(jù)校驗。

1. 元字符

萬物皆有緣，正則也是如此，元字符是構造正則表達式的一種基本元素。

我們先來記幾個常用的元字符：

有了元字符之后，我們就可以利用這些元字符來寫一些簡單的正則表達式了，

比如：

匹配有abc開頭的字符串：

\babc或者^abc

匹配8位數(shù)字的QQ號碼：

^\d\d\d\d\d\d\d\d$

匹配1開頭11位數(shù)字的手機號碼：

^\1\d\d\d\d\d\d\d\d\d\d$

2. 重復限定符

為了處理這些重復問題，正則表達式中一些重復限定符，把重復部分用合適的限定符替代，下面我們來看一些限定符：

有了這些限定符之后，我們就可以對之前的正則表達式進行改造了，比如：

匹配8位數(shù)字的QQ號碼：

^\d{8}$

匹配1開頭11位數(shù)字的手機號碼：

^1\d{10}$

匹配銀行卡號是14~18位的數(shù)字：

^\d{14,18}$

匹配以a開頭的，0個或多個b結尾的字符串:

^ab*$

3. 分組

從上面的例子（4）中看到，限定符是作用在與他左邊最近的一個字符，那么問題來了，如果我想要 ab 同時被限定那怎么辦呢？

正則表達式中用小括號 () 來做分組，也就是括號中的內(nèi)容作為一個整體。

因此當我們要匹配多個 ab 時，我們可以這樣。

如：匹配字符串中包含 0 到多個 ab 開頭：

^(ab)*$

4. 轉義

我們看到正則表達式用小括號來做分組，那么問題來了：

如果要匹配的字符串中本身就包含小括號，那是不是沖突？應該怎么辦？

針對這種情況，正則提供了轉義的方式，也就是要把這些元字符、限定符或者關鍵字轉義成普通的字符，做法很簡答，就是在要轉義的字符前面加個斜杠，也就是\即可。如：要匹配以 (ab) 開頭：

^(\(ab\))*$

5. 條件或

回到我們剛才的手機號匹配，我們都知道：國內(nèi)號碼都來自三大網(wǎng)，它們都有屬于自己的號段，比如聯(lián)通有 130/131/132/155/156/185/186/145/176 等號段，假如讓我們匹配一個聯(lián)通的號碼，那按照我們目前所學到的正則，應該無從下手的，因為這里包含了一些并列的條件，也就是“或”，那么在正則中是如何表示“或”的呢？

正則用符號 | 來表示或，也叫做分支條件，當滿足正則里的分支條件的任何一種條件時，都會當成是匹配成功。

那么我們就可以用或條件來處理這個問題：

^(130|131|132|155|156|185|186|145|176)\d{8}$

6. 區(qū)間

看到上面的例子，是不是看到有什么規(guī)律？是不是還有一種想要簡化的沖動？

實際是有的。

正則提供一個元字符中括號 [] 來表示區(qū)間條件:

限定 0 到 9 可以寫成 [0-9]

限定 A-Z 寫成 [A-Z]

限定某些數(shù)字 [165]

那上面的正則我們還改成這樣：

?^((13[0-2])|(15[56])|(18[5-6])|145|176)\d{8}$

7. 零寬斷言

無論是零寬還是斷言，聽起來都古古怪怪的，那先解釋一下這兩個詞。

斷言：俗話的斷言就是“我斷定什么什么”，而正則中的斷言，就是說正則可以指明在指定的內(nèi)容的前面或后面會出現(xiàn)滿足指定規(guī)則的內(nèi)容，意思正則也可以像人類那樣斷定什么什么，比如"ss1aa2bb3", 正則可以用斷言找出 aa2 前面有 bb3，也可以找出 aa2 后面有 ss1.

零寬：就是沒有寬度，在正則中，斷言只是匹配位置，不占字符，也就是說，匹配結果里是不會返回斷言本身。

意思是講明白了，那他有什么用呢？

我們來舉個栗子：

假設我們要用爬蟲抓取 csdn 里的文章閱讀量。通過查看源代碼可以看到文章閱讀量這個內(nèi)容是這樣的結構:

<span class="read-count">閱讀數(shù)：641</span>

其中只有‘641’這個是一個變量，也就是不同文章有不同的值，當我們拿到這個字符串時，需要獲得這里邊的‘641’有很多種辦法，但如果使用正則應該怎么匹配呢？

下面先講一下幾種類型的斷言：

1、正向先行斷言（正前瞻）

語法：（?=pattern）

作用：匹配 pattern 表達式的前面內(nèi)容，不返回本身。

這樣子說，還是一臉懵逼，好吧，回歸剛才那個栗子，要取到閱讀量，在正則表達式中就意味著要能匹配到‘</span>’前面的數(shù)字內(nèi)容按照上所說的正向先行斷言可以匹配表達式前面的內(nèi)容，那意思就是:(?=</span>) 就可以匹配到前面的內(nèi)容了。匹配什么內(nèi)容呢？如果要所有內(nèi)容那就是：

可是老哥我們要的只是前面的數(shù)字呀，那也簡單咯，匹配數(shù)字 \d, 那可以改成：

大功告成！

2、正向后行斷言（正后顧）

語法：（?<=pattern）

作用：匹配 pattern 表達式的后面的內(nèi)容，不返回本身。

有先行就有后行，先行是匹配前面的內(nèi)容，那后行就是匹配后面的內(nèi)容啦。

上面的栗子，我們也可以用后行斷言來處理：

3、負向先行斷言（負前瞻）

語法：(?!pattern)

作用：匹配非 pattern 表達式的前面內(nèi)容，不返回本身。

有正向也有負向，負向在這里其實就是非的意思。

舉個栗子：比如有一句 “我愛祖國，我是祖國的花朵”

現(xiàn)在要找到不是'的花朵'前面的祖國

用正則就可以這樣寫：

祖國(?!的花朵)

4、負向后行斷言（負后顧）

語法：(?<!pattern)

作用：匹配非 pattern 表達式的后面內(nèi)容，不返回本身。

8. 捕獲和非捕獲

單純說到捕獲，他的意思是匹配表達式，但捕獲通常和分組聯(lián)系在一起，也就是“捕獲組”。

捕獲組：匹配子表達式的內(nèi)容，把匹配結果保存到內(nèi)存中中數(shù)字編號或顯示命名的組里，以深度優(yōu)先進行編號，之后可以通過序號或名稱來使用這些匹配結果。

而根據(jù)命名方式的不同，又可以分為兩種組：

1、數(shù)字編號捕獲組：

解釋：從表達式左側開始，每出現(xiàn)一個左括號和它對應的右括號之間的內(nèi)容為一個分組，在分組中，第 0 組為整個表達式，第一組開始為分組。

比如固定電話的：020-85653333

他的正則表達式為：(0\d{2})-(\d{8})

按照左括號的順序，這個表達式有如下分組：

我們用Java來驗證一下：

輸出結果：

可見，分組個數(shù)是2，但是因為第0個為整個表達式本身，因此也一起輸出了。

2、命名編號捕獲組

語法：(?<name>exp)

解釋：分組的命名由表達式中的 name 指定

比如區(qū)號也可以這樣寫:(?\0\d{2})-(?\d{8})，按照左括號的順序，這個表達式有如下分組：

用代碼來驗證一下：

輸出結果：

3、非捕獲組

語法：(?:exp)

解釋：和捕獲組剛好相反，它用來標識那些不需要捕獲的分組，說的通俗一點，就是你可以根據(jù)需要去保存你的分組。

比如上面的正則表達式，程序不需要用到第一個分組，那就可以這樣寫：

(?:\0\d{2})-(\d{8})

驗證一下：

輸出結果：

9. 反向引用

上面講到捕獲，我們知道：捕獲會返回一個捕獲組，這個分組是保存在內(nèi)存中，不僅可以在正則表達式外部通過程序進行引用，也可以在正則表達式內(nèi)部進行引用，這種引用方式就是反向引用。

根據(jù)捕獲組的命名規(guī)則，反向引用可分為：

根據(jù)捕獲組的命名規(guī)則，反向引用可分為：

數(shù)字編號組反向引用：\k 或\number

命名編號組反向引用：\k 或者\'name'

好了 講完了，懂嗎？不懂！??！

可能連前面講的捕獲有什么用都還不懂吧？

其實只是看完捕獲不懂不會用是很正常的！

因為捕獲組通常是和反向引用一起使用的

上面說到捕獲組是匹配子表達式的內(nèi)容按序號或者命名保存起來以便使用。

注意兩個字眼：“內(nèi)容” 和 “使用”。

這里所說的“內(nèi)容”，是匹配結果，而不是子表達式本身，強調(diào)這個有什么用？嗯，先記住。

那這里所說的“使用”是怎樣使用呢？

因為它的作用主要是用來查找一些重復的內(nèi)容或者做替換指定字符。

還是舉栗子吧：

比如要查找一串字母"aabbbbgbddesddfiid"里成對的字母。

如果按照我們之前學到的正則，什么區(qū)間啊限定啊斷言啊可能是辦不到的，現(xiàn)在我們先用程序思維理一下思路：

1）匹配到一個字母

2）匹配第下一個字母，檢查是否和上一個字母是否一樣

3）如果一樣，則匹配成功，否則失敗

這里的思路 2 中匹配下一個字母時，需要用到上一個字母，那怎么記住上一個字母呢？？？

這下子捕獲就有用處啦，我們可以利用捕獲把上一個匹配成功的內(nèi)容用來作為本次匹配的條件。

好了，有思路就要實踐

首先匹配一個字母：\w，我們需要做成分組才能捕獲，因此寫成這樣：(\w)

那這個表達式就有一個捕獲組：（\w）

然后我們要用這個捕獲組作為條件，那就可以：(\w)\1這樣就大功告成了

可能有人不明白了，\1 是什么意思呢？

還記得捕獲組有兩種命名方式嗎，一種是是根據(jù)捕獲分組順序命名，一種是自定義命名來作為捕獲組的命名在默認情況下都是以數(shù)字來命名，而且數(shù)字命名的順序是從 1 開始的。

因此要引用第一個捕獲組，根據(jù)反向引用的數(shù)字命名規(guī)則 就需要 \k<1>或者\1，當然，通常都是是后者。

我們來測試一下：

輸出結果：

嗯，這就是我們想要的了。

在舉個替換的例子，假如想要把字符串中abc換成a。

輸出結果：

abbabcgbddesddfiid

10. 貪婪和非貪婪

1、貪婪

我們都知道，貪婪就是不滿足，盡可能多的要。在正則中，貪婪也是差不多的意思:

貪婪匹配：當正則表達式中包含能接受重復的限定符時，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能多的字符，這匹配方式叫做貪婪匹配。

特性：一次性讀入整個字符串進行匹配，每當不匹配就舍棄最右邊一個字符，繼續(xù)匹配，依次匹配和舍棄（這種匹配 - 舍棄的方式也叫做回溯），直到匹配成功或者把整個字符串舍棄完為止，因此它是一種最大化的數(shù)據(jù)返回，能多不會少。

前面我們講過重復限定符，其實這些限定符就是貪婪量詞，比如表達式：

\d{3,6}

用來匹配3到6位數(shù)字，在這種情況下，它是一種貪婪模式的匹配，也就是假如字符串里有6個個數(shù)字可以匹配，那它就是全部匹配到。

如:

輸出結果：

由結果可見：本來字符串中的“61762828”這一段，其實只需要出現(xiàn)3個（617）就已經(jīng)匹配成功了的，但是他并不滿足，而是匹配到了最大能匹配的字符，也就是6個。

一個量詞就如此貪婪了，那有人會問，如果多個貪婪量詞湊在一起，那他們是如何支配自己的匹配權的呢？

是這樣的，多個貪婪在一起時，如果字符串能滿足他們各自最大程度的匹配時，就互不干擾，但如果不能滿足時，會根據(jù)深度優(yōu)先原則，也就是從左到右的每一個貪婪量詞，優(yōu)先最大數(shù)量的滿足，剩余再分配下一個量詞匹配。

輸出結果：

“617628” 是前面的\d{1,2}匹配出了 61，后面的匹配出了 7628

"2991" 是前面的\d{1,2}匹配出了2 ，后面的匹配出了991(滿足匹配優(yōu)先，再最大程度的貪婪)

"87321"是前面的\d{1,2}匹配出了 87，后面的匹配出了 321

?2、懶惰（非貪婪）

懶惰匹配：當正則表達式中包含能接受重復的限定符時，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能少的字符，這匹配方式叫做懶惰匹配。

特性：從左到右，從字符串的最左邊開始匹配，每次試圖不讀入字符匹配，匹配成功，則完成匹配，否則讀入一個字符再匹配，依此循環(huán)（讀入字符、匹配）直到匹配成功或者把字符串的字符匹配完為止。

懶惰量詞是在貪婪量詞后面加個“？”

輸出結果：

解答：

“61762” 是左邊的懶惰匹配出 6，右邊的貪婪匹配出 1762

"2991" 是左邊的懶惰匹配出 2，右邊的貪婪匹配出 991

"87321" 左邊的懶惰匹配出 8，右邊的貪婪匹配出 7321

11. 反義

前面說到元字符的都是要匹配什么什么，當然如果你想反著來，不想匹配某些字符，正則也提供了一些常用的反義元字符：

正則知識就講到這里，正則是一門博大精深的語言，其實學會它的一些語法和知識點還算不太難，但想要做到真正學以致用能寫出非常 6 的正則，還有很遠的距離，只有真正對它感興趣的，并且經(jīng)常研究和使用它，才會漸漸的理解它的博大精深之處。