正则表达式入门:3 个符号找到你要的文本
在一堆日志里找所有报错行、在一段文字里挑出所有手机号、把一批文件名批量改名——这些活如果一行行肉眼找,又慢又容易漏。正则表达式就是给文本写一条「长什么样」的规则,让程序按规则去找,一次找全。
1. 正则是什么
正则表达式是一串描述文本样子的字符,程序拿它去文本里匹配。写一次规则,就能反复用在搜索、校验、替换上。编辑器、命令行、Python、JavaScript 里都有它,学会一套,到处通用。
先看一个最简单的例子:规则 404 匹配的就是文本里连续出现的 404 这三个字符。规则本身也可以是普通字符,这就是它的起点。
2. 先记住三个符号
.:匹配任意一个字符(换行除外)。a.c能匹配abc、a1c,但匹配不了ac。*:前面的字符可以出现 0 次或多次。ab*c能匹配ac、abc、abbc。+:前面的字符至少出现 1 次。ab+c能匹配abc、abbc,但匹配不了ac。
只凭这三个,就能写出不少实用的规则。比如找一串数字:[0-9]+。
3. 再加三组常用写法
- 字符集
[ ]:[0-9]表示一位数字,[a-z]表示一位小写字母,[^0-9]表示一位非数字。 - 量词
{ }:[0-9]{4}表示连续 4 位数字,[0-9]{2,4}表示 2 到 4 位。 - 锚点
^和$:^表示开头,$表示结尾。^[0-9]+$表示整段文本只能是数字。
组合一下:校验一个 11 位手机号的粗略规则可以写成 ^1[0-9]{10}$,意思是开头是 1、后面再跟 10 位数字、到此结束。
4. 动手试一次:用 Python 找出来
import re
text = "订单号 A123,电话 13812345678,另一单 B456"
print(re.findall(r"1[0-9]{10}", text)) # 输出:['13812345678']
print(re.findall(r"[A-Z][0-9]{3}", text)) # 输出:['A123', 'B456']
findall 会把所有匹配到的片段一次性找出来。写规则时先在小段文本上试,确认找得对、没多找也没漏找,再用到大文件上。
命令行里也一样,grep 加规则就能从日志里筛行:
grep "404" app.log
先从简单的字面匹配开始,再慢慢加符号,调试成本最低。
5. 三个易错点
第一,* 和 + 是贪婪的:默认会尽量多匹配。想少匹配,可以在后面加 ? 变成非贪婪,比如 a.*?c。
第二,.、+、* 这些符号本身有特殊含义,想匹配它们本身要加反斜杠转义,比如 \. 才表示真正的点。
第三,规则写得越宽,误伤越多。[0-9]+ 能找出所有数字,但也会把日期、编号一起找出来;先想清楚「不要什么」,再收紧规则。
今天能练的一件事
找一段你自己的日志或文本,用一条规则找出里面所有的数字、再用一条找出所有的英文单词。能写、能试、能收紧,正则这一关就算入门了,之后查日志、做校验都会快得多。
- 点赞
- 收藏
- 关注作者
评论(0)