regex - 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、引用或专业知识的支持，但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visit the help center为指导。




9年前关闭。










这个问题的答案是community effort .编辑现有答案以改进这篇文章。它目前不接受新的答案或互动。








我真的不明白正则表达式。你能用一种易于理解的方式向我解释它们吗？如果有任何在线工具或书籍，您是否也可以链接到它们？

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，语法上的差异就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。 Perl 等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的字符串——你已经在使用正则表达式了! (re 中的 grep 指的是正则表达式。)

从菜单订购

添加一点复杂性，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，这意味着它与封闭字符中的一个完全匹配。您还可以在字符类中使用范围，因此 [a-c] 匹配“a”或“b”或“c”。
. 模式很特殊:它不只匹配文字点，而是匹配任何字符†。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。

有用的快捷键

使用 . 可以为您节省大量输入，并且还有其他常见模式的快捷方式。假设你想匹配一个数字:一种写法是 [0-9] 。数字是频繁匹配的目标，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)。

例如，大写变体是它们的补码，因此 \S 匹配任何非空白字符。

一次还不够

从那里，您可以使用量词重复部分模式。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)

将这些块中的一些放在一起，模式 [Nn]*ick 匹配所有

ick

尼克

昵称

尼克

尼克

尼克

(等等)

第一场比赛展示了一个重要的教训: * 总是成功的!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

量词修改其左边的模式。您可能希望 0abc+0 与 '0abc0'、'0abcabc0' 等匹配，但紧靠加量词左侧的模式是 c 。这意味着 0abc+0 匹配“0abc0”、“0abcc0”、“0abccc0”等。

要将一个或多个 'abc' 序列与末尾的零匹配，请使用 0(abc)+0 。括号表示可以量化为一个单位的子模式。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数索引和 substr 更灵活且不易出错。

交替

早些时候，我们看到了一种匹配“尼克”或“尼克”的方法。另一个是与 Nick|nick 中的交替。请记住，交替包括其左侧的所有内容和其右侧的所有内容。使用分组括号来限制 | 的范围，例如 (Nick|nick) 。

再举一个例子，你可以等效地将 [a-c] 写成 a|b|c ，但这可能不是最理想的，因为许多实现假设替代品的长度大于 1。

逃跑

虽然有些字符与自己匹配，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:要得到它，我们将使用 \\d\+ 。反斜杠删除以下字符的特殊含义。

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

"Hello," she said, "How are you?"

您可能期望 ".+" 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，请向量词添加额外的 ?。现在您了解 \((.+?)\) ，您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，并以右括号终止。

如果您的输入是“(123) (456)”，则第一次捕获将是“123”。非贪婪量词希望允许模式的其余部分尽快开始匹配。

(至于你的困惑，我不知道 ((.+?)) 会做同样事情的任何正则表达式方言。我怀疑在传输过程中的某个地方丢失了一些东西。)

anchor

使用特殊模式 ^ 仅在输入的开头匹配，使用 $ 仅在结尾匹配。用你的图案制作“书挡”，你说“我知道正面和背面是什么，但给我之间的一切”是一种有用的技术。

假设您要匹配表单的评论

-- 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。

用于编写和调试正则表达式的工具:

RegExr(用于 JavaScript)

Perl:YAPE: Regex Explain

Regex Coach(由 CL-PPCRE 支持的引擎)

RegexPal(用于 JavaScript)

Regular Expressions Online Tester

Regex Buddy

Regex 101(用于 PCRE、JavaScript、Python、Golang)

Visual RegExp

Expresso(用于.NET)

Rubular(用于 Ruby)

Regular Expression Library(常见场景的预定义正则表达式)

Txt2RE

Regex Tester(用于 JavaScript)

Regex Storm(用于.NET)

Debuggex(视觉正则表达式测试器和助手)

书籍

Mastering Regular Expressions 、 2nd Edition 和 3rd edition 。

Regular Expressions Cheat Sheet

Regex Cookbook

Teach Yourself Regular Expressions

免费资源

RegexOne - Learn with simple, interactive exercises.

Regular Expressions - Everything you should know (PDF 系列)

Regex Syntax Summary

How Regexes Work

脚注

†: 上面关于 . 匹配任何字符的陈述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，但在实践中，您很少期望像 .+ 这样的模式跨越换行符边界。 Perl 正则表达式有一个 /s switch 和 Java Pattern.DOTALL ，例如，使 . 匹配任何字符。对于没有这种特性的语言，你可以使用类似 [\s\S] 的东西来匹配“任何空白或任何非空白”，换句话说任何东西。