正则表达式入门:用几个常用符号看懂文本匹配
在日常开发和运维里,我们经常要从一堆文本中找东西:日志里有没有报错、输入是不是邮箱、文件名里有没有日期。逐字比对既慢又容易漏,正则表达式就是为这类“按规则找文本”准备的工具。它用一串简短的符号描述文本的样子,再由程序按这个样子去匹配。本文只讲最常用的几个符号,够你看懂和写出常见的简单规则。
先建立一个基本认识:匹配是“按位置找样子”
正则表达式不是关键词搜索,它描述的是字符的排列方式。例如规则 cat 只匹配连续出现的 c、a、t;规则 ca.t 里面的点号代表任意一个字符,因此它能匹配 cart,却不能匹配只有三个字符的 cat。这个例子提醒我们,符号的数量和位置都很重要。
常用符号一:开头、结尾和任意字符
^ 表示字符串或一行的开头,$ 表示结尾,. 表示除换行外的任意一个字符。把它们组合起来,意思就很直观:^abc$ 表示整段文本只能是 abc;^a 表示以 a 开头;b$ 表示以 b 结尾。写校验规则时,常常需要同时加上 ^ 和 $,否则规则只会匹配其中一段,输入多余内容也可能被放过。
常用符号二:字符类,用方括号列出可选字符
方括号 [] 表示“这里可以是其中任意一个字符”。例如 [abc] 可以匹配 a、b、c 中的一个;[0-9] 可以匹配任意一位数字;[a-z] 可以匹配任意一个小写字母;[^0-9] 里面的 ^ 在方括号开头时表示取反,也就是匹配一个非数字字符。字符类很适合写“这一位只能是什么”的规则,比如验证码的一位、版本号里的一位数字。
常用符号三:量词,说明前面的内容出现几次
* 表示前面的内容出现零次或多次,+ 表示出现一次或多次,? 表示出现零次或一次,花括号可以写出更精确的次数,例如 {3} 表示恰好三次,{2,4} 表示两到四次。举个例子:ab*c 可以匹配 ac,也可以匹配 abc、abbc;ab+c 至少要有一个 b,所以不能匹配 ac;colou?r 里面的 u 可有可无,正好可以同时覆盖 color 和 colour 两种拼写。量词默认是贪婪的,会尽量多匹配,初学时先按这个直觉理解就够了。
常用符号四:分组和选择
圆括号 () 可以把几个字符看成一组,竖线 | 表示“或者”。例如 (ab)+ 表示 ab 整体重复一次或多次,可以匹配 ab、abab;cat|dog 表示匹配 cat 或者 dog;(http|https):// 表示协议部分可以是 http 或 https。分组还方便后面引用和提取,比如把日期里的年、月、日分别放在不同的组里,匹配后就能按组取出来用。
两个动手例子
第一个例子是找日志里的错误编号。假设错误编号是字母 E 后面跟三位数字,规则可以写成 E[0-9]{3},它能匹配 E102、E404,但不会把 E12 当成完整编号。第二个例子是找简单的单词边界词。规则 \btest\b 里面的 \b 表示单词边界,可以匹配单独的 test,而不去匹配 testing 里面的前四个字母。把规则拆成“开头是什么、中间重复几次、结尾是什么”,大多数日常需求都能拼出来。
初学者最容易踩的三个坑
第一,忘记转义。点号、星号、加号、问号、方括号、圆括号、花括号本身都有特殊含义,如果要匹配它们本来的字符,需要在前面加反斜杠,例如 \. 才表示真正的点。第二,量词放错位置。量词只作用于它紧挨着的前一个字符或前一组内容,ab* 表示 a 后面跟零个或多个 b,而不是 ab 整体重复。第三,不加锚点就做校验。只写 [0-9]+ 会放过前后带其他字符的输入,完整的校验通常要写成 ^[0-9]+$ 这样的形式。
怎样练习最有效
建议从“先说人话,再写规则”开始。先用一句话描述你要找的文本,例如“以字母开头,后面跟两到四位数字”,再把它翻译成 ^[A-Za-z][0-9]{2,4}$。然后准备几组正例和反例:应该匹配的、边界上的、不应该匹配的,逐个验证。遇到复杂的规则,不要一次写完,先写最核心的部分,确认能匹配,再逐步加上开头、结尾和量词。掌握这几个符号之后,你已经能读懂很多代码和配置里的常见正则,也能自己写出实用的简单规则了。
- 点赞
- 收藏
- 关注作者
评论(0)