敞开掘金成长之旅！这是我参加「掘金日新方案 12 月更文挑战」的第14天，点击查看活动概况

一、概述

正则表达式（Regular Expression）是计算机科学的一个概念，它运用单个字符串来描绘、匹配一系列契合某个句法规矩的字符串，在现在许多文本修改器或IDE开发工具里，正则表达式通常被用来查找或替换某个形式的文本。因而，灵活运用正则表达式，对某些问题能够另辟蹊径地快速处理。

二、语法

正则表达式的语法非常简练，学习起来也很好入门，所以重点是要如何能够灵活运用，能够快速处理一些问题。因而，这篇文章的重心首要放在实践，关于一些语法细节，随便去网上看看教程就能掌握。大部分教程的语法定义不一样，我就按照自己的理解，把语法部分分为代词、量词、元字符三部分。

1. 代词

代词是在匹配字符串时，能够代指某类或某个字符的表达式词。普通字符能够直接用来匹配，包括大写和小写字母、数字、标点符号等打印字符，以及换行符（\n）、回车符（\r）、制表符（\t）等非打印字符。除此之外，常用的代词有：

字符 功用
. 匹配除 \r\n 之外的任何单个字符
\s 匹配任何空白字符，包括空格、制表符、换页符等，等价于 [\f\n\r\t\v]
\S 匹配任何非空白字符，等价于 [^\f\n\r\t\v]
\d 匹配一个数字字符，等价于 [0-9]
\D 匹配一个非数字字符，等价于 [^0-9]
\w 匹配包括下划线的任何单词字符，等价于 [A-Za-z0-9_]
\W 匹配任何非单词字符，等价于 [^A-Za-z0-9_]

假如需求匹配的字符与正则表达式的关键字符一样，在前面运用反斜杠（\）来转义，例如匹配中括号需求用 \[\]。

2. 量词

量词用于代词的后边，用来表明前面代词重复呈现的个数，代词后边不加量词则代表呈现一次且仅呈现一次，常用的量词有：

字符 功用
? 表明前面的字符最多只能够呈现一次（0次或1次）
* 表明前面的字符能够不呈现，或呈现一次或屡次（0次、1次或屡次）
+ 表明前面的字符有必要至少呈现一次（1次或屡次）
{n} 表明前面的字符呈现 n 次（n为非负整数）
{n,} 表明前面的字符至少呈现 n 次（n为非负整数）
{n,m} 表明前面的字符至少呈现 n 次，至多呈现 m 次（m和n为非负整数，n小于等于m）

3. 元字符

元字符是正则表达式自带的特定功用的字符，具有定位或指定匹配规模等功用。常用的元字符有：

字符 功用
匹配输入字符串的开端位置，能够是行首
$ 匹配输入字符串的完毕位置，能够是行尾
x|y 匹配 x 或 y ，没有包围在括号里的，规模是整个正则表达式
[xyz] 匹配所包括的恣意一个字符
[^xyz] 匹配未列出的恣意字符
[a-z] 匹配指定规模内的恣意字符，例如 [0-9],[A-Z] 等
(pattern) 匹配 pattern 并获取这一匹配的子字符串，能够运用 $0...$9 能够获取匹配的字符串

三、实践

1. 区分贪婪形式和非贪婪形式

* 和 + 量词都是贪婪的，会尽或许多的匹配文字，在它们后边加上一个 ? 就能够完成非贪婪匹配。例如匹配下面带双引号的字符串：

Regular expression are used by string searching algorithms for "find" or "find and replace" operations on strings, or for input validation.

运用 ".*" 匹配的结果是 "find" or "find and replace"。

正则表达式高效实践

运用 ".*?" 匹配的结果是 "find" 和 "find and replace"。

正则表达式高效实践

2. 删去剩余空行

运用替换换行符来删去剩余空行，将呈现大于1次的换行符替换成1个换行符就能完成删去剩余空行。例如将下面文字中的剩余空行删去：

You say that you love rain,but you open your umbrella when it rains
You say that you love the sun,but you find a shadow spot when the sun shines
You say that you love the wind,but you close your windows when wind blows
This is why I am afraid,you say that you love me too

正则表达式高效实践

3. 简略获取文本中的URL

有些时候咱们需求从一堆文字中找到自己想要的信息，例如爬虫程序，此时能够运用正则来匹配信息，例如从下面一堆文字中找出有效的接口URL全路径：

DealerAll	1.100s	Method arguments: "https://demo.mljr.com/crmappApi/dealer/all", "0", "1", "", "", "", "", "", "", "", "", "", "", ""
DealerGetDeptCondition	0.058s	Method arguments: "https://demo.mljr.com/crmappApi/dealer/getDeptCondition", "0", ""
DealerListConditionMarkets	0.049s	Method arguments: "https://demo.mljr.com/crmappApi/dealer/list/condition/markets", "0"
DealerPrivate	0.080s	Method arguments: "https://demo.mljr.com/crmappApi/dealer/private", "0", "1", "", "", "", "", "", "loanOrderOneMonth", "desc", "", "", "", ""
StaffGetStaffInfo	0.111s	Method arguments: "https://demo.mljr.com/crmappApi/staff/getStaffInfo", "0"

首要剖析方针文字特征，只要 https:// 最初的双引号内的字符串才是接口URL，所以匹配过程如下：

  • 输入 "https://.*?" 来匹配URL，注意这儿需求运用非贪婪形式
  • 增加 .*"(https://.*?)".* ，运用括号来定位URL信息，前后运用 .* 来匹配URL到行首和行尾的内容
  • 替换内容为 $1 ，取第1次匹配到的内容，这儿只要一组括号，所以第1次匹配的内容便是URL

正则表达式高效实践

4. 替换HTML标签内容

假如需求匹配已知最初结尾的字符串，能够运用正则表达式来获取，运用正则表达式的技巧并不是语法的难度，关键是要剖析出方针字符串的规律与特性，巧用查找与替换的技巧能够事半功倍，例如将下面HTML文件中的一级标题内容前面增加 Title：

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <meta http-equiv="X-UA-Compatible" content="ie=edge">
    <title>Hello world</title>
</head>
<body>
    <h1>AiJiangnan</h1>
    <h1>AiJiangnan</h1>
</body>
</html>

所有的一级标题都是 <h1>...</h1> ，只需将它们匹配到并替换即可，过程如下：

  • 输入 <h1>(.*?)</h1> 匹配所有的一级标题，注意运用非贪婪形式，而且标签内容运用括号定位
  • 替换内容为 <h1>Title $1</h1>，运用 $1 取原有标签内容，在前面增加 Title 完成替换

正则表达式高效实践

5. 巧用多行修改完成重复操作

现在大多数修改器都支持多行修改，运用正则表达式来查找出所有需求修改的位置，然后运用多行修改功用来完成大部分重复的工作，这能大大提高编码的功率。例如咱们在Java代码中定义了一个视图实体类，要增加Swagger注解来生成接口文档，能够从每个字段的注释中获取字段描绘来修改，示例过程如下：

  • 剖析并查找方针字符串，这儿能够查找 private
  • 查找完成后，运用多行修改
  • 增加注解代码后复制注释完成编写

正则表达式高效实践

还有许多操作，不能一一列举出来，只要熟练掌握了正则表达式，才能在各种复杂情况下运用的挥洒自如。

参考文献

  1. 菜鸟教程 – 正则表达式：www.runoob.com/regexp/rege…
  2. 维基百科 – 正则表达式：zh.wikipedia.org/wiki/正则表达式