正则表达式的详解带你认识正则表达式的意义

前言

​ 我们都知道协议通常通过添加固定的字符、报头、特定的数字等来定义数据的结构和格式。将正确的信息提取出来是十分重要的，而正则表达式可以用来描述和匹配这些固定的结构，从而提取出所需的信息。并且正则表达式还可以处理大量复杂的字符串。这篇文章将会带你彻底了解正则表达式。

一、正则表达式是什么

正则表达式（Regular Expressions，简称regex或regexp）是一种模式匹配的工具，用于在文本处理中查找、替换和验证字符串。正则表达式可以用于各种编程语言和工具中，以实现复杂的文本处理任务。以下是对正则表达式的详细解释。

正则表达式的定义

正则表达式是一种描述字符模式的特殊语法，广泛应用于文本搜索、替换和字符串验证。它可以匹配特定的字符序列，从而识别和处理文本中的特定模式。

主要用途

1. 文本搜索：在大文本中查找特定的子字符串。
2. 文本替换：将匹配的子字符串替换为其他字符串。
3. 字符串验证：验证输入是否符合特定格式（如邮箱地址、电话号码、邮政编码等）。
4. 数据提取：从文本中提取符合特定模式的数据。

二、正则表达式的构成

正则表达式由以下三类字符组成：

普通字符

• 字母（如 a-z, A-Z）
• 数字（如 0-9）
• 特殊符号（如 @, #, & 等）

元字符（Metacharacters）

具有特殊含义的字符，用于定义复杂的模式匹配规则。常见的元字符包括：

• .：匹配除换行符外的任意单个字符
• ^：匹配字符串的开头，或者在方括号内部用来表示取反
• $：匹配字符串的结尾
• *：匹配前面的子表达式零次或多次
• +：匹配前面的子表达式一次或多次
• ?：匹配前面的子表达式零次或一次，或在某些上下文中表示非贪婪匹配
• [] ：匹配方括号内的任意一个字符。例如[abc]匹配"a"、“b"或"c”。
• |：表示逻辑“或”操作
• ()：定义子表达式，用于分组和捕获
• {}：匹配前面的子表达式指定次数
• {n} ：匹配前面的子表达式恰好n次。
• {n,} ：匹配前面的子表达式至少n次。
• {n,m} ：匹配前面的子表达式至少n次，至多m次。

非贪婪匹配：在量词后面使用时，改变默认的贪婪匹配行为，使匹配尽可能少的字符

量词 ?

在正则表达式中，? 作为量词时表示前面的子表达式匹配零次或一次。例如：

ab?c

这个正则表达式可以匹配 “ac” 或 “abc”，但不能匹配 “abbc”。

非贪婪匹配（懒惰匹配）

正则表达式中的量词（如 *, +, ?, {n,m}）默认是贪婪的，意味着它们会尽可能多地匹配字符。例如：

a.*b

在字符串 “aabab” 上匹配时，.* 会尽可能多地匹配，所以它会匹配整个字符串 “aabab”。

如果在量词后面加上 ?，则会使量词变成非贪婪的，意味着它们会尽可能少地匹配字符。例如：

a.*?b

在字符串 “aabab” 上匹配时，.*? 会尽可能少地匹配，所以它会匹配 “aab”（第一个 “a” 后到第一个 “b” 之间的最少字符）。

转义字符（Escape Characters）

用反斜杠 \ 引导，用于匹配那些具有特殊含义的字符或者用于表示特定的字符类型。常见的转义字符包括：

• \d：匹配任意一个数字字符（0-9）
• \D：匹配任意一个非数字字符
• \w：匹配任意一个单词字符（字母、数字或下划线）
• \W：匹配任意一个非单词字符
• \s：匹配任意一个空白字符（空格、制表符等）
• \S：匹配任意一个非空白字符
• \b：匹配一个单词边界
• \B：匹配非单词边界
• \n：匹配换行符
• \r：匹配回车符
• \t：匹配制表符
• \\：匹配反斜杠本身
• \.：匹配点字符本身

示例

1. 匹配邮箱地址：

   ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
   

   该正则表达式匹配常见的邮箱地址。

   ^:为开头，[a-zA-Z0-9._%±]+匹配一个或多个a-zA-Z0-9._%+-

   @匹配一个‘@’ \. 转义字符匹配一个.

   [a-zA-Z]{2,}匹配两个以上的a-zA-Z $:为结尾

2. 匹配电话号码：

   ^\d{3}-\d{3}-\d{4}$
   

   该正则表达式匹配格式为"123-456-7890"的电话号码。

3. 匹配日期（格式为YYYY-MM-DD）：

   ^\d{4}-\d{2}-\d{2}$
   

   该正则表达式匹配格式为"2024-06-06"的日期。