正则表达式入门:从第一个匹配规则到日常实用场景
第一次见到正则表达式,很多人都会被吓一跳:括号、星号、反斜杠挤在一起,像一串乱码。但换个角度看,正则表达式只是一套“用一句话描述一类字符串”的办法。它不关心字符串具体是什么,只关心它长什么样子。学会这套办法之后,校验格式、查找内容、批量替换这些重复劳动,几行代码就能完成。
一、从第一个匹配规则开始
最简单的正则就是它本身。写 cat,就能匹配文本里的“cat”,这叫字面量匹配。在此基础上,记住几个最常用的符号就够了:. 代表任意一个字符(换行除外);\d 代表数字;\w 代表字母、数字或下划线;\s 代表空白字符。量词用来控制出现次数:* 表示零次或多次,+ 表示一次或多次,? 表示零次或一次,{n,m} 表示 n 到 m 次。比如 \d{11},就是“连续 11 位数字”——手机号的雏形已经出来了。
二、锚点、字符集与分组
^ 表示开头,$ 表示结尾,^1[3-9]\d{9}$ 这样写,整串就必须是 11 位手机号,多一位少一位都不行。方括号是字符集,[abc] 表示 a、b、c 其中之一,[^abc] 则表示“除了它们”。小括号用来分组,(ab)+ 表示“ab”整体重复;竖线 | 表示“或者”,cat|dog 能同时匹配猫和狗。把这几样组合起来,大部分日常规则都能拼出来。
三、写规则的三步习惯
第一步,先用一句话说清楚要什么样子的字符串,再动笔写规则;第二步,从最严格的写法开始,确认能匹配之后再逐步放宽;第三步,多准备几组正反例子来验证:应该匹配的能不能匹配,不应该匹配的会不会误伤。规则写得好不好,不取决于用了多少高级语法,而取决于边界想得清不清楚。
四、日常最实用的四个场景
校验是最常见的用途:邮箱、手机号、身份证号、工单编号,都可以先用正则挡住明显错误的输入,但要注意别追求“完美邮箱正则”,够用、好维护更重要。提取是第二个场景:从日志里抓日期 \d{4}-\d{2}-\d{2},从网页文本里抓链接 https?://\S+,一句话就能完成。第三是清洗和替换:把连续多个空格压成一个,把手机号中间四位换成星号做脱敏。第四是查找:在编辑器里用 \bTODO\b 精确找到待办标记,而不是把“method”里的“todo”也翻出来。
五、新手最容易踩的四个坑
一是贪婪匹配:.* 会尽可能多地吃掉字符,想少吃一点就加问号写成 .*?。二是忘记转义:点号、加号、括号本身都有特殊含义,要匹配它们字面本身,得在前面加反斜杠。三是字符集里 ^ 和 - 的位置不同,含义也不同,写错了意思就全变了。四是性能:(a+)+ 这样的嵌套量词可能引发灾难性回溯,数据量一大就卡死,写规则时要尽量避免。
六、小结
正则表达式不需要一次学完,先掌握字面量、常用元字符、量词、锚点和分组,就能覆盖日常八成需求。每天练一个小规则,一周之后,校验、提取和替换都能随手写出来。
- 点赞
- 收藏
- 关注作者
评论(0)