正则表达式入门:一次讲清匹配、字符集与分组
正则表达式是一套用来描述“长什么样的文字”的小型语言。写一段规则,程序就能在一大段文字里把符合规则的部分找出来,常用来校验格式、搜索替换、提取关键信息。先别被符号吓到,它的核心只有三件事:匹配什么字符、出现几次、在哪里出现。
先从最直白的开始:写什么就匹配什么。规则 cat 只匹配连续的三个字母 cat;点号 . 代表任意一个字符(换行除外),所以 c.t 能匹配 cat,也能匹配 cut、cot。想匹配真正的点号,要写成 \.,反斜杠就是“别按特殊含义理解我”的转义。
第二件事是出现次数。* 是 0 次或多次,+ 是 1 次或多次,? 是 0 次或 1 次,{2,4} 是 2 到 4 次。比如 \d+ 匹配一串数字,\d{4} 恰好匹配 4 位数字,常用来找年份。默认是贪婪匹配,能多吃就多吃;想让它少吃,在量词后加 ?,如 .*?,做提取时这点很关键。
第三件事是位置和范围。方括号是字符集,[0-9] 等价于 \d,[a-z] 是小写字母,[^0-9] 是“不是数字”。^ 放在规则开头表示行首,$ 表示行尾,所以 ^\d{11}$ 才算“整个字符串恰好是 11 位数字”,少了锚点就可能只匹配到其中一段。
分组用圆括号,既能提取又能复用。(\d{4})-(\d{2}) 能把年月分开取出;(?:...) 是只分组不捕获,性能和可读性更好。竖线 | 是“或”,cat|dog 匹配 cat 或者 dog,注意它的优先级最低,必要时用括号括起来。
给新手的三条建议:第一,先在在线测试工具里用真实样本试,边改边看高亮,别凭感觉上线;第二,校验场景先定边界,是“包含”还是“整串就是”,锚点不能省;第三,别追求一句话写完所有情况,太长的正则没人能维护,拆成两步校验往往更清楚。
一句话总结:字符定范围、量词定次数、锚点定位置、分组做提取。把这四组符号练熟,日常的搜索、校验、清洗就够用了。
- 点赞
- 收藏
- 关注作者
评论(0)