正则表达式入门:先弄清字符、量词与分组
在日志里找手机号,在文本里挑邮箱地址,把日期格式统一改掉,靠眼睛逐行看既慢又容易漏。正则表达式是描述文本模式的工具:写一条规则,让程序按规则查找、判断和替换。初学不必背全符号,先弄清三件事:匹配什么字符、出现多少次、哪些部分算一组。
一、字符:先说清匹配谁
最简单的正则就是普通字符本身,写 abc 匹配连续的 abc。扩大范围用字符类:[0-9] 表示任意一位数字,[a-z] 表示任意一个小写字母。方括号内是“或”的关系,[135] 只匹配其中一个。常用简写也要认得:\d 表示数字,\w 匹配字母、数字和下划线,\s 匹配空格与换行。[^0-9] 表示非数字。点号 . 是通配符,匹配除换行外的大多数字符;要匹配点本身,要写成 .。
二、量词:说清出现几次
单个字符默认只匹配一次,在后面加量词表示次数:* 表示零次或多次,+ 表示一次或多次,? 表示零次或一次。写 \d+,就是一位或多位数字;写 colou?r,既能匹配 color,也能匹配 colour。花括号更精确:\d{4} 是恰好四位数字,\d{3,5} 是三到五位,\d{2,} 是至少两位。量词默认是贪婪的,会尽量多匹配,出现多匹配的问题时,先检查量词的范围。
三、分组与边界
括号把几个字符看成一个整体,并记住匹配到的内容。写 (ab)+,匹配的是 ab 重复一次或多次;写 (\d{4})-(\d{2}),两个括号分别记住年和月,替换时可以按组重排。边界不占字符,只定位置:^ 表示开头,$ 表示结尾,\b 表示单词边界。写 ^\d+$,要求整段文本只能是数字;只写 \d+,文字中间的数字也会被找出来。
四、一个完整的小例子
假设要从“订单号 A20261105,金额 128 元”里取出订单号,写 A\d+ 就可以;想同时取出金额,再写 (\d+) 元,括号记住数字部分。练习时建议从小处开始:先在测试工具里验证,再放到代码里;先写能跑通的粗规则,再逐步收紧范围;每条规则都准备正反两类例子,能匹配的要命中,不该匹配的要排除。读得懂、改得动、测得全,比写得短更重要。掌握字符、量词与分组之后,再去学选择与常用模式,就会顺畅得多。
- 点赞
- 收藏
- 关注作者
评论(0)