正则表达式

Posted 2021-03-17 eimadrigal

正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。

先看一个判断Email地址是否合法的例子：

"\w+@\w+(\.\w{2,3})*\.\w{2,3}"

一般Email地址的格式为：[e-mail]，X表示一个或多个字符，.com后面可能还会跟有.cn等。总结这些规律，我们用上述的regex来匹配。
当然，这种匹配可能会遗漏某些特殊的Email地址，想要更大范围的覆盖，还需要更为复杂精巧的设计。
接着解释下上面的regex：
\w表示匹配字母/数字/下划线/汉字；
+表示字符可以出现一次/多次；
(\.\w{2,3})*表示类似.edu格式的字符串可以出现零次/多次。
在计算机科学中一般表示转义，形如w的叫做元字符，类似的还有：

元字符	意义
.	除换行符外任意字符
d	数字
w	字母/数字/汉字/下划线
	单词的开始/结束
^	字符串的开始
$	字符串的结束

还可以通过[]表示元字符：

"[abc]23"

这样a23，b23，c23都是匹配的字符串。
形如+，*叫做修饰限定符，用来控制某类串重复多少次：

修饰限定符	意义
*	0次/多次
+	1次/多次
？	0次/1次
{n}	n次
{n,}	n次/更多次
{n,m}	n~m次

很多语言和文本编辑器都集成了正则表达式引擎，以Java为例来测试下上述例子：

public static void main(String[] args) {
        String regex = "\w+@\w+(\.\w{2,3})*\.\w{2,3}";
        String s1 = "[e-mail]";
        if(s1.matches(regex))
            System.out.println("Valid Address!");
    }

上述内容只是最最基本的关于正则表达式的知识，还有零宽断言、递归匹配等更加复杂的内容有待挖掘~