文章 | 吃透 <正規表示式>（理論+多圖示例）

翻譯，原文來自：Regex tutorial — A quick cheatsheet by examples^[1]

掘金編輯器格式化效果不太好，可以去我們的公眾號瀏覽：

mp.weixin.qq.com/s?__biz=MzI…

通過正規表示式在從文字中提取特定模式的內容時非常有用。

它應用很廣泛，包括：驗證、解析/替換字串、資料格式轉換以及網頁爬取。

一旦你學會了它的語法，你幾乎可以在所有程式語言（JavaScript、Java、VB、C#、C/C++、Python、Perl、Ruby、Delphi、R、Tcl 等等）中使用它。

讓我們先看看一些示例和講解吧。

基礎

標記點（Anchors）：^ 和 $

• ^The — 匹配任意以 The 開頭的字串

• end$ — 匹配以 end 結尾的字串
• ^The end$ — 字串完整匹配 (也就是 The end)
• roar — 包含 roar 的任何字串

量詞：* + ? 和 {}，即表示數量的

• abc* — 匹配 ab 並且後面跟著 0 個或多個 c 的字串

• abc+ — 匹配 ab 並且後面跟著 1 個或多個 c 的字串（至少一個 c）
• abc? — 匹配 ab 並且後面跟著 0 個或 1 個 c 的字串
• abc{2} — 匹配 ab 並且後面跟著 2 個 c 的字串
• abc{2,} — 匹配 ab 並且後面跟著 2 個或更多個 c 的字串（至少 2 個）
• abc{2,5} — 匹配 ab 並且後面跟著 2 到 5 個 c 的字串
• a(bc)* — 匹配 a 並且後面跟著 0 個或多個 bc 的字串
• a(bc){2,5} — 匹配 a 並且後面跟著 2 個到 5 個 bc 的字串

或操作符：| 或 []

•a(b|c) — 匹配 a 並且後面跟著 b 或 c 的字串（也就是 ab 或 ac）

• a[bc] — 同上

字元類：\d \w \s 和 .

• \d — 匹配一個數字（等同於 [0-9]）

• \w — 匹配文字字元（word character）(注：這裡指的英文：數字、字母和下劃線。等同於 [a-zA-Z0-9_])

• \s — 匹配空格符（包括製表符（tab）和換行，等同於 [\r\n\t\f\v ]）

•. — 匹配任意字元

在使用 . 時要注意，有時使用字元類（\d, \s. \w）和反字元會更快更精準。

\d, \s 和 \w 的反義類是 \D, \W 和 \S（大寫）。

例如：\D 得到與 \d 相反的結果。

• \D — 匹配一個非數字字元

想要匹配 ^.[$()|*+?{\ 等這些字元，要使用 \ 進行轉義。

• $\d — 匹配一個 $ 和一個數字

提示：通過正規表示式可以匹配那些不可列印的字元，例如：製表符（tab）用 \t、換行用 \n、回車用 \r。

標記（Flags）

正則通常以/abc/這種形式呈現，搜尋模式以兩個/進行分隔。並在結尾加上以下標記符：

• g (global) 返回所有匹配的
• m（multi-line）多行匹配，再同時使用 ^ 和 $ 時會在多行匹配，而不是按完整的字串匹配。
• i（insensitive）不區分大小寫，例如：/aBc/i 能匹配 AbC。

中級

捕獲分組（Grouping and capturing）： ()

• a(bc) — 用小括號建立值是 bc 的捕獲組

• a(?:bc)* — 使用 ?: 來禁用捕獲組

• a(?<foo>bc) — 使用 ?<foo> 給組命名

在資料提取中使用這種操作符非常實用，多個捕獲分組會以陣列形式呈現，所以可以通過索引獲取這些值。

如果我們使用組命名 (?<foo>...)，我們就可以像使用字典（物件）一樣，通過鍵名來取值。

中括號表示式：[]

• [abc] — 匹配 或是 a、或是 b、或是 c 的字串（等同於：a|b|c）

• [a-c] — 同上•[a-fA-F0-9] — 匹配一個十六進位制數字，不區分大小寫

• [0-9]% — 匹配 % 前有一個 0 到 9 任意數字的字串•[^a-zA-Z] — 匹配不包括 a 到 z，及 A 到 Z 的字串，這裡的 ^ 是一個取反表示式

貪婪和懶惰（非貪婪）匹配

* + {}這幾個量詞就是貪婪操作符，什麼意思？就是他們會匹配儘可能多的內容。

例如：<.+> 會從 This is a <div>simple div</div> test 中匹配出 <div>simple div</div>，如果我們只想要 div 標籤，只需加上 ? 使其變成懶惰的。

• <.+?> — 懶惰匹配 < 和 > 裡任意字元

提示：最好避免使用 .，而選擇嚴格的匹配方式。

• <[^<>]+> — 匹配在 < 和 > 裡除了 < 和 > 外的任意字元

高階

邊界：\b 和 \B（也就是單詞邊界）

• \babc\b — 詞 abc

\b 是和 $ 與 ^ 類似的一個標記點。它的一側是單詞（\w），而另一側不是單詞（字串的起始位置或空格）。

它的反義就是 \B。

• \Babc\B — 匹配有單詞包圍的 abc

後向引用（Back-references）：\1

• ([abc])\1 — 使用 \1 匹配和第一個捕獲組一樣的文字

• ([abc])([de])\2\1 — 使用 \2 (\3, \4 等) 來匹配和第 2 個（第 3 個、第 4 個等）捕獲組一樣的文字

• (?<foo>[abc])\k<foo> — 給捕獲組命名為 foo 再通過 \k<foo> 引用他，同第一個例子結果一樣