简介

正则，就是正则表达式，英文是 Regular Expression，简称 RE。顾名思义，正则其实就是一种描述文本内容组成规律的表示方式。简单的说就是用来描述字符串的规则。它的强大之处在于可以查找符合某个规则的文本。

它常见的三种功能为：

• 校验数据的有效性

• 查找符合要求的文本

• 对文本进行切割和替换

为什么要学习正则

作为一名程序员，掌握了正则能帮助我们在写代码的时候快速匹配相关代码，快速替换相似配置，快速提取大文本中的有效信息，能让我们减少在重复繁琐的工作泥潭中挣扎。

元字符

在正则中，普通字符表示的还是原来的意思，但当你想对一些含有某些规律的文本进行匹配时，就需要用到元字符了。

所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符，元字符是构成正则表达式的基本元件。正则就是由一系列的元字符组成的。

可以把元字符大致分成这几类：

• 表示单个特殊字符的

• 表示空白符的

• 表示某个范围的

• 表示次数的量词

• 另外还有表示断言的，我们可以把它理解成边界限定

接下来就按照这几个分类进行逐一讲解。

特殊单字符

表示特殊单个字符的元字符

• 英文的点（.）表示换行以外的任意单个字符

• \d 表示任意单个数字，\D 任意非数字

• \w 表示任意单个数字或字母或下划线， \W 任意非数字字母下划线

• \s 表示任意单个空白符，\S 任意非空白符

空白符

在处理文本的时候会遇到空格、换行等空白符。其实在写代码的时候也会经常用到，换行符 \n，TAB 制表符 \t 等。有编程经验的程序员肯定都知道，不同的系统在每行文本结束位置默认的“换行”会有区别。比如在 Windows 里是 \r\n，在 Linux 和 MacOS 中是 \n。在正则中，也是类似于 \n 或 \r 等方式来表示空白符号，只要记住它们就行了。

平时使用正则，大部分场景使用 \s 就可以满足需求，\s 代表任意单个空白符号。 \s 能匹配上各种空白符号，也可以匹配上空格。换行有专门的表示方式，在正则中，空格就是用普通的字符英文的空格来表示

。

其余空白符如下：

• \r 回车

• \n 换行符

• \f 换页

• \t 制表

• \v 垂直制表

• \s 任意空白符

量词

单字符和空白符都只能用来匹配单个字符，当我们需要匹配 某个部分“重复 N 次”“至少出现一次”“最多出现三次”等等这样的字符时，就需要用到量词的元字符了。

在正则中：

• 英文的星号（*）代表出现 0 到多次，

• 加号（+）代表 1 到多次，

• 问号（?）代表 0 到 1 次

• {m}代表出现 m 次。

• {m,} 至少出现 m 次。

• {m,n}代表 m 到 n 次。

比如，在文本中“颜色”这个单词，可能是带有 u 的 colour，也可能是不带 u 的 color，我们使用 colou?r 就可以表示两种情况了。在真实的业务场景中，比如某个日志需要添加了一个 user 字段，但在旧日志中，这个是没有的，那么这时候可以使用问号来表示出现 0 次或 1 次，这样就可以表示 user 字段存在和不存在两种情况。

范围

有些时候我们需要在一个特殊的范围里找符合要求的字符，比如要找出所有元音字母 aeiou 的个数，这时就需要用到范围符号了。

在正则表达式中，表示范围的符号有四个分类，如下图所示。

• 首先是管道符号，我们用它来隔开多个正则，表示满足其中任意一个就行，比如 ab|bc 能匹配上 ab，也能匹配上 bc，在正则有多种情况时，这个非常有用。

• 中括号[]代表多选一，可以表示里面的任意单个字符，所以任意元音字母可以用 [aeiou] 来表示。

• 另外，中括号中，我们还可以用中划线表示范围，比如 [a-z] 可以表示所有小写字母。

• 如果中括号第一个是脱字符（^），那么就表示非，表达的是不能是里面的任何单个元素。

比如某个资源可能以 http:// 开头，或者 https:// 开头，也可能以 ftp:// 开头，那么资源的协议部分，我们可以使用 (https?|ftp):// 来表示。