架构思维案例：速学正则

Posted 2020-11-09 韩兆新的博客园

 

前言

本文的目的不仅是教会读者怎么使用正则表达式。更希望通过学习正则表达式的案例，让读者感受一种不同的思维方式。鱼亦渔亦水，谁知道呢，我在扯淡，你要不要看？

正文

正则表达式是描述一组字符串特征的模式，用来匹配特定的字符串。--Ken Thompson

这句话中提到了两点：

1. 正则表达式是描述一组字符串特征的模式；
2. 正则表达式是用来匹配特定的字符串的。

匹配特定字符串就是正则表达式要解决的问题域。
怎么解决的呢？通过描述一组字符串特征的方式来匹配。

举个例子：

www.ly.com

我们通常是这样去描述的：3w.ly.com
这里我们把连续的多个w，用位数简述了（对应位区间的概念，后面会详细讲解）。这就是正则表达式解决问题的思路。

正则表达式：

w{3}.ly.com

再比如，怎么描述一个正整数呢？
首位是1-9的数字，其余位为0到9。其余位位数是0到无穷。
这里我们把首位字符的可能性罗列了出来。把其余位位数用一个可能性区间描述。

正则表达式：

[1-9][0-9]{0,}

至此，我们感性认识了正则表达式。下面将正式带领大家认识这个“描述字符串特征的模式”。

什么是字符串呢？一串字符呗。本着化繁为简的常规架构手法（分而治之），可以想到描述一组字符串特征的问题，可以拆解为：

1. 描述一个字符特征的问题；
2. 描述一个字符位区间的问题。

比如，上面正整数的例子[1-9]描述了字符特征，{0,}描述了0到无穷的一个位区间。

这里我们需要声明或重申几个概念：

• 正则表达式：描述一组字符串特征的模式
• 值特征：描述一个字符特征（可能性）的模式
• 位区间：描述一个字符位区间的模式

一、值特征符

我们使用[ ]表示。如下：
[Aa]：描述一个字符可能是A或a中的一个。

1. 简写法

   • A=[A]
     当描述的字符取值只有一种可能时，我们通常用字面量A代替。

   • [1-5]=[1,2,3,4,5]
     当描述的字符取值的可能性是连续时，我们通常用-简写。

2. 逻辑符号

   • |
     逻辑“或”

   • ^
     逻辑“取反”

3. 抽象

   • 数字

   \\d=[0123456789]

   • 字母或数字或下划线

   \\w=[A-Za-z0-9_]

   • 空白字符

   \\s=[ \\f\\n\\r\\t\\v]

   • 大写字母是小写字符表征值的取反

   \\D=^\\d
   \\W=^\\w
   \\S=^\\s

   • 任意字符

   .

   正则中的object

二、位区间符

我们使用{}标识。如下：

{3,5}：描述3到5位。

{2,}：描述2到无穷位。

{0,3}：描述0到3位。

简写

• {3}={3,3}
• *={0，}
• +={1，}
• ?={0,1}

三、边界符

边界符不描述字符，而是描述字符串中的位置。

• 行首：^
• 行尾：$
• 单词边界：\\b

四、分组符

分组符是解决另一个问题。在我们选择出某个字符串后，我们在替换结果里使用其中的一部分（子模式）。
我们把这种，先选择后使用的过程叫做后引用。
其中分组符，就是用来解决子模式切割的。

• 捕获分组：()
• 非捕获分组：(?:)

替换时，$0：是匹配的整个字符串。
$1:是捕获的第一个子模式（从前到后遇到的第一个捕获分组起始符）
依次类推，$n:是捕获的第n个子模式。

下面给三个例子：
例1：

例2：

例3：

五、转义符

\\

怎么描述被正则表达式占用的关键字符呢？
转义。

例如：\\.描述.

 

 

 

---

 关注公众号“架构思维修炼”，输入关键字“正则表达式图解”，获取高清脑图。

---