正则表达式这么6,可惜了你不会

正则表达式在几乎所有语言中都可以使用，无论是前端的 JavaScript、还是后端的 Java、c#。他们都提供相应的接口 / 函数支持正则表达式。

但很神奇的是：无论你大学选择哪一门计算机语言，都没有关于正则表达式的课程给你修，在你学会正则之前，你只能看着那些正则大师们，写了一串外星文似的字符串，替代了你用一大篇幅的 if else 代码来做一些数据校验。

既然喜欢，那就动手学呗，可当你百度出一一堆相关资料时，你发现无一不例外的枯燥至极，难以学习（实话说，当年不理君也是这样的心态😂😂）。

下面，不理君尝试用一种比较通俗点的方式讲一下正则，让你能在读完之后，能自己写出一些简单的正则，再不济，能看到别人写的正则，那也不错了。

1. 元字符

万物皆有缘，正则也是如此，元字符是构造正则表达式的一种基本元素。

我们先来记几个常用的元字符：

有了元字符之后，我们就可以利用这些元字符来写一些简单的正则表达式了，
比如：

匹配有abc开头的字符串：

1 \babc或者^abc

匹配8位数字的QQ号码：

1 ^\d\d\d\d\d\d\d\d$

匹配1开头11位数字的手机号码：

1 ^1\d\d\d\d\d\d\d\d\d\d$

2. 重复限定符

有了元字符就可以写不少的正则表达式了，但细心的你们可能会发现：别人写的正则简洁明了，而不理君写的正则一堆乱七八糟而且重复的元字符组成的。正则没提供办法处理这些重复的元字符吗？

答案是有的！

为了处理这些重复问题，正则表达式中一些重复限定符，把重复部分用合适的限定符替代，下面我们来看一些限定符：

有了这些限定符之后，我们就可以对之前的正则表达式进行改造了，比如：

匹配8位数字的QQ号码：

1 ^\d{8}$

匹配1开头11位数字的手机号码：

1 ^\d{14,18}$

匹配银行卡号是14~18位的数字：

1 ^\d{14,18}$

匹配以a开头的，0个或多个b结尾的字符串

1 ^ab*$

3. 分组

从上面的例子（4）中看到，限定符是作用在与他左边最近的一个字符，那么问题来了，如果我想要 ab 同时被限定那怎么办呢？

正则表达式中用小括号 () 来做分组，也就是括号中的内容作为一个整体。

因此当我们要匹配多个 ab 时，我们可以这样。

如：匹配字符串中包含 0 到多个 ab 开头：

1 ^(ab)*

4. 转义

我们看到正则表达式用小括号来做分组，那么问题来了：

如果要匹配的字符串中本身就包含小括号，那是不是冲突？应该怎么办？

针对这种情况，正则提供了转义的方式，也就是要把这些元字符、限定符或者关键字转义成普通的字符，做法很简答，就是在要转义的字符前面加个斜杠，也就是\即可。如：要匹配以 (ab) 开头：

1 ^(\(ab\))*

5. 条件或

回到我们刚才的手机号匹配，我们都知道：国内号码都来自三大网，它们都有属于自己的号段，比如联通有 130/131/132/155/156/185/186/145/176 等号段，假如让我们匹配一个联通的号码，那按照我们目前所学到的正则，应该无从下手的，因为这里包含了一些并列的条件，也就是“或”，那么在正则中是如何表示“或”的呢？

正则用符号 | 来表示或，也叫做分支条件，当满足正则里的分支条件的任何一种条件时，都会当成是匹配成功。

那么我们就可以用或条件来处理这个问题：

1 ^(130|131|132|155|156|185|186|145|176)\d{8}$

6. 区间

看到上面的例子，是不是看到有什么规律？是不是还有一种想要简化的冲动？

实际是有的。

正则提供一个元字符中括号 [] 来表示区间条件。

限定 0 到 9 可以写成 [0-9]

限定 A-Z 写成 [A-Z]

限定某些数字 [165]

那上面的正则我们还改成这样：

1 ^((13[0-2])|(15[56])|(18[5-6])|145|176)\d{8}$

7. 零宽断言

无论是零宽还是断言，听起来都古古怪怪的，那先解释一下这两个词。

断言：俗话的断言就是“我断定什么什么”，而正则中的断言，就是说正则可以指明在指定的内容的前面或后面会出现满足指定规则的内容，意思正则也可以像人类那样断定什么什么，比如"ss1aa2bb3", 正则可以用断言找出 aa2 前面有 bb3，也可以找出 aa2 后面有 ss1.

零宽：就是没有宽度，在正则中，断言只是匹配位置，不占字符，也就是说，匹配结果里是不会返回断言本身。

意思是讲明白了，那他有什么用呢？

我们来举个栗子：

假设我们要用爬虫抓取 csdn 里的文章阅读量。通过查看源代码可以看到文章阅读量这个内容是这样的结构。

"<span class="read-count">阅读数：641</span>"

其中只有‘641’这个是一个变量，也就是不同文章有不同的值，当我们拿到这个字符串时，需要获得这里边的‘641’有很多种办法，但如果使用正则应该怎么匹配呢？

下面先讲一下几种类型的断言：

正向先行断言（正前瞻）

语法：（?=pattern）

作用：匹配 pattern 表达式的前面内容，不返回本身。

这样子说，还是一脸懵逼，好吧，回归刚才那个栗子，要取到阅读量，在正则表达式中就意味着要能匹配到‘’前面的数字内容按照上所说的正向先行断言可以匹配表达式前面的内容，那意思就是:(?=) 就可以匹配到前面的内容了。匹配什么内容呢？如果要所有内容那就是：

1String reg=".+(?=</span>)";
 2
 3String test = "<span class=\"read-count\">阅读数：641</span>";
 4Pattern pattern = Pattern.compile(reg);
 5Matcher mc=    pattern.matcher(test);
 6while(mc.find()){
 7  System.out.println("匹配结果：")
 8  System.out.println(mc.group());
 9}
10
11//匹配结果：
12//<span class="read-count">阅读数：641

可是我们要的只是前面的数字呀，那也简单咯，匹配数字 \d, 那可以改成：

1String reg="\\d+(?=</span>)";
2String test = "<span class=\"read-count\">阅读数：641</span>";
3Pattern pattern = Pattern.compile(reg);
4Matcher mc=    pattern.matcher(test);
5while(mc.find()){
6  System.out.println(mc.group());
7}
8//匹配结果：
9//641

正向后行断言（正后顾）

语法：（?<=pattern）

作用：匹配 pattern 表达式的后面的内容，不返回本身。

有先行就有后行，先行是匹配前面的内容，那后行就是匹配后面的内容啦。
上面的栗子，我们也可以用后行断言来处理：

 1//(?<=<span class="read-count">阅读数：)\d+
 2String reg="(?<=<span class=\"read-count\">阅读数：)\\d+";
 3
 4String test = "<span class=\"read-count\">阅读数：641</span>";
 5Pattern pattern = Pattern.compile(reg);
 6Matcher mc=    pattern.matcher(test);
 7        while(mc.find()){
 8            System.out.println(mc.group());
 9        }
10//匹配结果：
11//641

负向先行断言（负前瞻）

语法：(?!pattern)

作用：匹配非 pattern 表达式的前面内容，不返回本身。

有正向也有负向，负向在这里其实就是非的意思。

举个栗子：比如有一句 “我爱祖国，我是祖国的花朵”

现在要找到不是’的花朵’前面的祖国

用正则就可以这样写：

1祖国(?!的花朵)

负向后行断言（负后顾）

语法：(?<!pattern)

作用：匹配非 pattern 表达式的后面内容，不返回本身。

正则知识就讲到这里，正则是一门博大精深的语言，其实学会它的一些语法和知识点还算不太难，但想要做到真正学以致用能写出非常 6 的正则，还有很远的距离，只有真正对它感兴趣的，并且经常研究和使用它，才会渐渐的理解它的博大精深之处，我就带你们走到这，剩下的，靠自己啦。