学习正则表达式

Question

就目前而言，这个问题不适合我们的问答形式。 我们希望答案得到事实、参考资料或专业知识的支持，但这个问题可能会引发辩论、arguments、投票或扩展讨论。 如果您认为此问题可以改进并可能重新打开，请访问帮助中心获取指导。

10年前关闭。

这个问题的答案是社区的努力。 编辑现有答案以改进这篇文章。 它目前不接受新的答案或交互。

我真的不明白正则表达式。 你能以易于理解的方式向我解释吗？ 如果有任何在线工具或书籍，您能否也链接到它们？

Answer 1

最重要的部分是概念。 一旦您了解了构建块的工作原理，语法上的差异只不过是温和的方言而已。 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部分这种复杂性，但如果您在 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块，它可以帮助您学习如何编写和调试自己的模式，以及如何理解其他人编写的模式。

开始简单

从概念上讲，最简单的正则表达式是文字字符。 模式N匹配字符“N”。

彼此相邻的正则表达式匹配序列。 例如，模式Nick匹配序列“N”后跟“i”后跟“c”后跟“k”。

如果你曾经在 Unix 上使用过grep即使只是为了搜索普通字符串——你已经在使用正则表达式了！ （ grep中的re指的是正则表达式。）

从菜单中订购

稍微增加一点复杂性，您可以将 'Nick' 或 'nick' 与模式[Nn]ick匹配。 方括号中的部分是一个字符类，这意味着它与一个封闭的字符完全匹配。 您还可以在字符类中使用范围，因此[ac]匹配“a”或“b”或“c”。

图案. 很特别：它不仅匹配文字点，还匹配任何字符^† 。 它在概念上与真正的大字符类[-.?+%$A-Za-z0-9...]相同。

将字符类视为菜单：只选择一个。

有用的快捷方式

使用. 可以为您节省大量打字时间，并且还有其他常用模式的快捷方式。 假设你想匹配一个数字：一种写法是[0-9] 。 数字是经常匹配的目标，因此您可以改用快捷方式\d 。 其他是\s （空格）和\w （单词字符：字母数字或下划线）。

大写的变体是它们的补码，因此\S匹配任何非空白字符，例如。

一次是不够的

从那里，您可以使用quantifiers重复部分模式。 例如，模式ab?c匹配 'abc' 或 'ac' 因为? 量词使其修改的子模式成为可选的。 其他量词是

• * （零次或多次）
• + （一次或多次）
• {n} （正好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+ ）匹配任何非负整数
• \d{4}-\d{2}-\d{2}匹配格式为 2019-01-01 的日期

分组

量词将模式修改到其紧邻的左侧。 您可能期望0abc+0匹配 '0abc0'、'0abcabc0' 等，但紧靠加号量词左侧的模式是c 。 这意味着0abc+0匹配“0abc0”、“0abcc0”、“0abccc0”等。

要将一个或多个 'abc' 序列与末端的零匹配，请使用0(abc)+0 。 括号表示可以量化为一个单元的子模式。 正则表达式引擎保存或“捕获”与括号组匹配的输入文本部分也很常见。 以这种方式提取位比计算索引和substr更加灵活且不易出错。

交替

早些时候，我们看到了一种匹配“Nick”或“nick”的方法。 另一个是在Nick|nick中的交替。 请记住，交替包括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，您可以等效地将[ac]写为a|b|c ，但这可能不是最理想的，因为许多实现都假设备选方案的长度大于 1。

逃跑

虽然有些字符匹配自己，但其他字符具有特殊含义。 模式\d+不匹配反斜杠后跟小写 D 后跟加号：为了得到它，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，假设输入是

“你好，”她说，“你好吗？”

您可能希望".+"只匹配“Hello”，然后当您看到它从“Hello”一直匹配到“you?”时会感到惊讶。

要从贪婪切换到您可能认为的谨慎，请添加一个额外的? 到量词。 现在您了解了\((.+?)\) ，您的问题中的示例是如何工作的。 它匹配文字左括号的序列，后跟一个或多个字符，并以右括号结束。

如果您的输入是“（123）（456）”，那么第一个捕获将是“123”。 非贪婪量词希望让模式的其余部分尽快开始匹配。

（至于你的困惑，我不知道任何正则表达式方言在哪里((.+?))会做同样的事情。我怀疑在传输过程中某处丢失了一些东西。）

锚点

使用特殊模式^仅在输入的开头匹配，使用$仅在结尾匹配。 用你的模式制作“书挡”，你说，“我知道前面和后面是什么，但把中间的一切都给我”是一种有用的技术。

假设您要匹配表单的注释

-- This is a comment --

你会写^--\s+(.+)\s+--$ 。

建立你自己的

正则表达式是递归的，所以现在您了解了这些基本规则，您可以随意组合它们。

编写和调试正则表达式的工具：

• 正则表达式（用于 JavaScript）
• Perl： YAPE：正则表达式解释
• Regex Coach （由CL-PPCRE支持的引擎）
• 正则表达式（用于 JavaScript）
• 正则表达式在线测试器
• 正则表达式好友
• 正则表达式 101 （用于 PCRE、JavaScript、Python、Golang、Java 8）
• 我讨厌正则表达式
• 视觉正则表达式
• Expresso （用于 .NET）
• Rubular （用于 Ruby）
• 正则表达式库（常见场景的预定义正则表达式）
• 文本2RE
• 正则表达式测试器（用于 JavaScript）
• 正则表达式风暴（用于 .NET）
• Debuggex （可视化正则表达式测试器和助手）

图书

• 掌握正则表达式，第2 版和第3 版。
• 正则表达式备忘单
• 正则表达式食谱
• 自学正则表达式

免费资源

• RegexOne - 通过简单的交互式练习来学习。
• 正则表达式 - 你应该知道的一切（PDF 系列）
• 正则表达式语法摘要
• 正则表达式如何工作

脚注

†：上面的陈述. 匹配任何字符是出于教学目的的简化，并非严格正确。 点匹配除换行符"\n"之外的任何字符，但实际上您很少期望诸如.+之类的模式跨越换行符边界。 Perl 正则表达式有一个/s开关和 Java Pattern.DOTALL ，例如，用于制作. 完全匹配任何字符。 对于不具有此类功能的语言，您可以使用[\s\S]之类的内容来匹配“任何空格或任何非空格”，换句话说就是任何东西。