前言

正則表達(dá)式在幾乎所有語言中都可以使用，無論是前端的JavaScript、還是后端的Java、c#。他們都提供相應(yīng)的接口/函數(shù)支持正則表達(dá)式。

image

但很神奇的是：無論你大學(xué)選擇哪一門計算機(jī)語言，都沒有關(guān)于正則表達(dá)式的課程給你修，在你學(xué)會正則之前，你只能看著那些正則大師們，寫了一串外星文似的字符串，替代了你用一大篇幅的if else代碼來做一些數(shù)據(jù)校驗。

既然喜歡，那就動手學(xué)唄，可當(dāng)你百度出一一堆相關(guān)資料時，你發(fā)現(xiàn)無一不例外的枯燥至極，難以學(xué)習(xí)。

本文旨在用最通俗的語言講述最枯燥的基本知識！

正則基礎(chǔ)知識點：

1.元字符

萬物皆有緣，正則也是如此，元字符是構(gòu)造正則表達(dá)式的一種基本元素。
我們先來記幾個常用的元字符：

有了元字符之后，我們就可以利用這些元字符來寫一些簡單的正則表達(dá)式了，
比如：

1. 匹配有abc開頭的字符串：

1\babc或者^abc

2. 匹配8位數(shù)字的QQ號碼：

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

3. 匹配1開頭11位數(shù)字的手機(jī)號碼：

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

2. 重復(fù)限定符

有了元字符就可以寫不少的正則表達(dá)式了，但細(xì)心的你們可能會發(fā)現(xiàn)：別人寫的正則簡潔明了，而不理君寫的正則一堆亂七八糟而且重復(fù)的元字符組成的。正則沒提供辦法處理這些重復(fù)的元字符嗎？

答案是有的！
為了處理這些重復(fù)問題，正則表達(dá)式中一些重復(fù)限定符，把重復(fù)部分用合適的限定符替代，下面我們來看一些限定符：

有了這些限定符之后，我們就可以對之前的正則表達(dá)式進(jìn)行改造了，比如：

1. 匹配8位數(shù)字的QQ號碼：

1^\d{8}$

2. 匹配1開頭11位數(shù)字的手機(jī)號碼：

1^1\d{10}$

3. 匹配銀行卡號是14~18位的數(shù)字：

1^\d{14,18}$

4. 匹配以a開頭的，0個或多個b結(jié)尾的字符串

1^ab*$

3. 分組

從上面的例子（4）中看到，限定符是作用在與他左邊最近的一個字符，那么問題來了，如果我想要ab同時被限定那怎么辦呢？

正則表達(dá)式中用小括號()來做分組，也就是括號中的內(nèi)容作為一個整體。

因此當(dāng)我們要匹配多個ab時，我們可以這樣
如：匹配字符串中包含0到多個ab開頭：

1^(ab)*

4. 轉(zhuǎn)義

我們看到正則表達(dá)式用小括號來做分組，那么問題來了：

如果要匹配的字符串中本身就包含小括號，那是不是沖突？應(yīng)該怎么辦？

針對這種情況，正則提供了轉(zhuǎn)義的方式，也就是要把這些元字符、限定符或者關(guān)鍵字轉(zhuǎn)義成普通的字符，做法很簡答，就是在要轉(zhuǎn)義的字符前面加個斜杠，也就是\即可。
如：要匹配以(ab)開頭：

1^(\(ab\))*

5. 條件或

回到我們剛才的手機(jī)號匹配，我們都知道：國內(nèi)號碼都來自三大網(wǎng)，它們都有屬于自己的號段，比如聯(lián)通有130/131/132/155/156/185/186/145/176等號段，假如讓我們匹配一個聯(lián)通的號碼，那按照我們目前所學(xué)到的正則，應(yīng)該無從下手的，因為這里包含了一些并列的條件，也就是“或”，那么在正則中是如何表示“或”的呢？

正則用符號 | 來表示或，也叫做分支條件，當(dāng)滿足正則里的分支條件的任何一種條件時，都會當(dāng)成是匹配成功。

那么我們就可以用或條件來處理這個問題

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

6. 區(qū)間

看到上面的例子，是不是看到有什么規(guī)律？是不是還有一種想要簡化的沖動？
實際是有的

正則提供一個元字符中括號 [] 來表示區(qū)間條件。

1. 限定0到9 可以寫成[0-9]

2. 限定A-Z 寫成[A-Z]

3. 限定某些數(shù)字 [165]

那上面的正則我們還改成這樣：

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

好了，正則表達(dá)式的基本用法就講到這里了，其實它還有非常多的知識點以及元字符，我們在此只列舉了部分元字符和語法來講，旨在給那些不懂正則或者想學(xué)正則但有看不下去文檔的人做一個快速入門級的教程，看完本教程，即使你不能寫出高大上的正則，至少也能寫一些簡單的正則或者看得懂別人寫的正則了。

正則進(jìn)階知識點：

1. 零寬斷言

無論是零寬還是斷言，聽起來都古古怪怪的，
那先解釋一下這兩個詞。

1. 斷言：俗話的斷言就是“我斷定什么什么”，而正則中的斷言，就是說正則可以指明在指定的內(nèi)容的前面或后面會出現(xiàn)滿足指定規(guī)則的內(nèi)容，
   意思正則也可以像人類那樣斷定什么什么，比如"ss1aa2bb3",正則可以用斷言找出aa2前面有bb3，也可以找出aa2后面有ss1.

2. 零寬：就是沒有寬度，在正則中，斷言只是匹配位置，不占字符，也就是說，匹配結(jié)果里是不會返回斷言本身。

意思是講明白了，那他有什么用呢？
我們來舉個栗子：
假設(shè)我們要用爬蟲抓取csdn里的文章閱讀量。通過查看源代碼可以看到文章閱讀量這個內(nèi)容是這樣的結(jié)構(gòu)

1"<span class="read-count">閱讀數(shù)：641</span>"

其中也就‘641’這個是變量，也就是說不同文章不同的值，當(dāng)我們拿到這個字符串時，需要獲得這里邊的‘641’有很多種辦法，但如果正則應(yīng)該怎么匹配呢？

下面先來講幾種類型的斷言：

1. 正向先行斷言（正前瞻）：

• 語法：（?=pattern）

• 作用：匹配pattern表達(dá)式的前面內(nèi)容，不返回本身。

這樣子說，還是一臉懵逼，好吧，回歸剛才那個栗子，要取到閱讀量，在正則表達(dá)式中就意味著要能匹配到‘</span>’前面的數(shù)字內(nèi)容
按照上所說的正向先行斷言可以匹配表達(dá)式前面的內(nèi)容，那意思就是:(?=</span>) 就可以匹配到前面的內(nèi)容了。
匹配什么內(nèi)容呢？如果要所有內(nèi)容那就是：

String reg=".+(?=</span>)"; 
String test = "<span class=\"read-count\">閱讀數(shù)：641</span>";
Pattern pattern = Pattern.compile(reg); 
Matcher mc=    pattern.matcher(test);
while(mc.find()){ 
System.out.println("匹配結(jié)果：") 
System.out.println(mc.group()); 
}
//匹配結(jié)果：
//<span class="read-count">閱讀數(shù)：641

可是老哥我們要的只是前面的數(shù)字呀，那也簡單咯，匹配數(shù)字 \d,那可以改成：

String reg="\\d+(?=</span>)";
String test = "<span class=\"read-count\">閱讀數(shù)：641</span>";
Pattern pattern = Pattern.compile(reg);
Matcher mc=    pattern.matcher(test);
while(mc.find()){
System.out.println(mc.group());
}
//匹配結(jié)果：
//641

大功告成！

2. 正向后行斷言（正后顧）:

• 語法：（?<=pattern）

• 作用：匹配pattern表達(dá)式的后面的內(nèi)容，不返回本身。

有先行就有后行，先行是匹配前面的內(nèi)容，那后行就是匹配后面的內(nèi)容啦。
上面的栗子，我們也可以用后行斷言來處理.

 //(?<=<span class="read-count">閱讀數(shù)：)\d+ 
String reg="(?<=<span class=\"read-count\">閱讀數(shù)：)\\d+";
String test = "<span class=\"read-count\">閱讀數(shù)：641</span>"; 
Pattern pattern = Pattern.compile(reg); 
Matcher mc=    pattern.matcher(test);
while(mc.find()){
System.out.println(mc.group()); 
}
//匹配結(jié)果：
//641

就這么簡單。

3. 負(fù)向先行斷言（負(fù)前瞻）

• 語法：(?!pattern)

• 作用：匹配非pattern表達(dá)式的前面內(nèi)容，不返回本身。

有正向也有負(fù)向，負(fù)向在這里其實就是非的意思。
舉個栗子：比如有一句 “我愛祖國，我是祖國的花朵”
現(xiàn)在要找到不是'的花朵'前面的祖國
用正則就可以這樣寫：

1祖國(?!的花朵)

4. 負(fù)向后行斷言（負(fù)后顧）

• 語法：(?<!pattern)

• 作用：匹配非pattern表達(dá)式的后面內(nèi)容，不返回本身。

2. 捕獲和非捕獲

單純說到捕獲，他的意思是匹配表達(dá)式，但捕獲通常和分組聯(lián)系在一起，也就是“捕獲組”

捕獲組：匹配子表達(dá)式的內(nèi)容，把匹配結(jié)果保存到內(nèi)存中中數(shù)字編號或顯示命名的組里，以深度優(yōu)先進(jìn)行編號，之后可以通過序號或名稱來使用這些匹配結(jié)果。

而根據(jù)命名方式的不同，又可以分為兩種組：

1. 數(shù)字編號捕獲組：
   語法：(exp)
   解釋：從表達(dá)式左側(cè)開始，每出現(xiàn)一個左括號和它對應(yīng)的右括號之間的內(nèi)容為一個分組，在分組中，第0組為整個表達(dá)式，第一組開始為分組。
   比如固定電話的：020-85653333
   他的正則表達(dá)式為：(0\d{2})-(\d{8})
   按照左括號的順序，這個表達(dá)式有如下分組：

我們用Java來驗證一下：

String test = "020-85653333"; 
String reg="(0\\d{2})-(\\d{8})"; 
Pattern pattern = Pattern.compile(reg); 
Matcher mc= pattern.matcher(test);
if(mc.find()){
  System.out.println("分組的個數(shù)有："+mc.groupCount()); 
  for(int i=0;i<=mc.groupCount();i++){ 
    System.out.println("第"+i+"個分組為："+mc.group(i)); 
  }
}

輸出結(jié)果：

分組的個數(shù)有：2
第0個分組為：020-856533333
第1個分組為：0204
第2個分組為：85653333

可見，分組個數(shù)是2，但是因為第0個為整個表達(dá)式本身，因此也一起輸出了。

2. 命名編號捕獲組：
   語法：(?<name>exp)
   解釋：分組的命名由表達(dá)式中的name指定
   比如區(qū)號也可以這樣寫:(?<quhao>\0\d{2})-(?<haoma>\d{8})
   按照左括號的順序，這個表達(dá)式有如下分組：

用代碼來驗證一下：

String test = "020-85653333";
String reg="(?<quhao>0\\d{2})-(?<haoma>\\d{8})";
Pattern pattern = Pattern.compile(reg);
Matcher mc= pattern.matcher(test);
if(mc.find()){
System.out.println("分組的個數(shù)有："+mc.groupCount());
System.out.println(mc.group("quhao"));
System.out.println(mc.group("haoma"));
}

輸出結(jié)果：

分組的個數(shù)有：2
分組名稱為:quhao,匹配內(nèi)容為：020
分組名稱為:haoma,匹配內(nèi)容為：85653333

3. 非捕獲組：
   語法：(?:exp)
   解釋：和捕獲組剛好相反，它用來標(biāo)識那些不需要捕獲的分組，說的通俗一點，就是你可以根據(jù)需要去保存你的分組。

比如上面的正則表達(dá)式，程序不需要用到第一個分組，那就可以這樣寫：

1(?:\0\d{2})-(\d{8})

驗證一下：

 String test = "020-85653333";
String reg="(?:0\\d{2})-(\\d{8})"; 
Pattern pattern = Pattern.compile(reg); 
Matcher mc= pattern.matcher(test);
if(mc.find()){
System.out.println("分組的個數(shù)有："+mc.groupCount()); 
for(int i=0;i<=mc.groupCount();i++){ 
System.out.println("第"+i+"個分組為："+mc.group(i)); 
}
}

輸出結(jié)果：

分組的個數(shù)有：1
第0個分組為：020-856533333
第1個分組為：85653333

3. 反向引用

上面講到捕獲，我們知道：捕獲會返回一個捕獲組，這個分組是保存在內(nèi)存中，不僅可以在正則表達(dá)式外部通過程序進(jìn)行引用，也可以在正則表達(dá)式內(nèi)部進(jìn)行引用，這種引用方式就是反向引用。

根據(jù)捕獲組的命名規(guī)則，反向引用可分為：

1. 數(shù)字編號組反向引用：\k

   <number style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important; font-size: inherit; color: inherit; line-height: inherit;">或\number</number>

2. 命名編號組反向引用：\k

   <name style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important; font-size: inherit; color: inherit; line-height: inherit;">或者'name'</name>

好了 講完了，懂嗎？不懂?。?！
可能連前面講的捕獲有什么用都還不懂吧？
其實只是看完捕獲不懂不會用是很正常的！
因為捕獲組通常是和反向引用一起使用的

上面說到捕獲組是匹配子表達(dá)式的內(nèi)容按序號或者命名保存起來以便使用
注意兩個字眼：“內(nèi)容” 和 “使用”
這里所說的“內(nèi)容”，是匹配結(jié)果，而不是子表達(dá)式本身，強(qiáng)調(diào)這個有什么用？嗯，先記住
那這里所說的“使用”是怎樣使用呢？

因為它的作用主要是用來查找一些重復(fù)的內(nèi)容或者做替換指定字符。

還是舉栗子吧：
比如要查找一串字母"aabbbbgbddesddfiid"里成對的字母
如果按照我們之前學(xué)到的正則，什么區(qū)間啊限定啊斷言啊可能是辦不到的，
現(xiàn)在我們先用程序思維理一下思路：

• 1）匹配到一個字母

• 2）匹配第下一個字母，檢查是否和上一個字母是否一樣

• 3）如果一樣，則匹配成功，否則失敗

這里的思路2中匹配下一個字母時，需要用到上一個字母，那怎么記住上一個字母呢？？？
這下子捕獲就有用處啦，我們可以利用捕獲把上一個匹配成功的內(nèi)容用來作為本次匹配的條件
好了，有思路就要實踐
首先匹配一個字母：\w
我們需要做成分組才能捕獲，因此寫成這樣：(\w)

那這個表達(dá)式就有一個捕獲組：（\w）
然后我們要用這個捕獲組作為條件，那就可以：(\w)\1
這樣就大功告成了
可能有人不明白了，\1是什么意思呢？
還記得捕獲組有兩種命名方式嗎，一種是是根據(jù)捕獲分組順序命名，一種是自定義命名來作為捕獲組的命名
在默認(rèn)情況下都是以數(shù)字來命名，而且數(shù)字命名的順序是從1開始的
因此要引用第一個捕獲組，根據(jù)反向引用的數(shù)字命名規(guī)則 就需要 \k<1>或者\1
當(dāng)然，通常都是是后者。
我們來測試一下：

String test = "aabbbbgbddesddfiid";
Pattern pattern = Pattern.compile("(\\w)\\1");
Matcher mc= pattern.matcher(test);
while(mc.find()){
System.out.println(mc.group());
}

輸出結(jié)果：

1aa2bb3bb4dd5dd6ii

嗯，這就是我們想要的了。
在舉個替換的例子，假如想要把字符串中abc換成a

String test = "abcbbabcbcgbddesddfiid";
String reg="(a)(b)c";
System.out.println(test.replaceAll(reg, "$1"));

輸出結(jié)果：

1abbabcgbddesddfiid

4. 貪婪和非貪婪

1.貪婪

我們都知道，貪婪就是不滿足，盡可能多的要。
在正則中，貪婪也是差不多的意思:

貪婪匹配：當(dāng)正則表達(dá)式中包含能接受重復(fù)的限定符時，通常的行為是（在使整個表達(dá)式能得到匹配的前提下）匹配盡可能多的字符，這匹配方式叫做貪婪匹配。
特性：一次性讀入整個字符串進(jìn)行匹配，每當(dāng)不匹配就舍棄最右邊一個字符，繼續(xù)匹配，依次匹配和舍棄（這種匹配-舍棄的方式也叫做回溯），直到匹配成功或者把整個字符串舍棄完為止，因此它是一種最大化的數(shù)據(jù)返回，能多不會少。

前面我們講過重復(fù)限定符，其實這些限定符就是貪婪量詞，比如表達(dá)式：

1\d{3,6}

用來匹配3到6位數(shù)字，在這種情況下，它是一種貪婪模式的匹配，也就是假如字符串里有6個個數(shù)字可以匹配，那它就是全部匹配到。
如

String reg="\\d{3,6}";
String test="61762828 176 2991 871";
System.out.println("文本："+test);
System.out.println("貪婪模式："+reg);
Pattern p1 =Pattern.compile(reg);
Matcher m1 = p1.matcher(test);
while(m1.find()){
System.out.println("匹配結(jié)果："+m1.group(0));
}

輸出結(jié)果：

文本：61762828 176 2991 44 871
貪婪模式：\d{3,6}
匹配結(jié)果：6176284
匹配結(jié)果：1765
匹配結(jié)果：29916
匹配結(jié)果：871

由結(jié)果可見：本來字符串中的“61762828”這一段，其實只需要出現(xiàn)3個（617）就已經(jīng)匹配成功了的，但是他并不滿足，而是匹配到了最大能匹配的字符，也就是6個。
一個量詞就如此貪婪了，
那有人會問，如果多個貪婪量詞湊在一起，那他們是如何支配自己的匹配權(quán)的呢？

是這樣的，多個貪婪在一起時，如果字符串能滿足他們各自最大程度的匹配時，就互不干擾，但如果不能滿足時，會根據(jù)深度優(yōu)先原則，也就是從左到右的每一個貪婪量詞，優(yōu)先最大數(shù)量的滿足，剩余再分配下一個量詞匹配。

String reg="(\\d{1,2})(\\d{3,4})";
String test="61762828 176 2991 87321";
System.out.println("文本："+test);
System.out.println("貪婪模式："+reg);
Pattern p1 =Pattern.compile(reg);
Matcher m1 = p1.matcher(test);
while(m1.find()){
System.out.println("匹配結(jié)果："+m1.group(0));
}

輸出結(jié)果：

文本：61762828 176 2991 87321
貪婪模式：(\d{1,2})(\d{3,4})
匹配結(jié)果：617628
匹配結(jié)果：2991
匹配結(jié)果：87321

1. “617628” 是前面的\d{1,2}匹配出了61，后面的匹配出了7628

2. "2991" 是前面的\d{1,2}匹配出了29 ，后面的匹配出了91

3. "87321"是前面的\d{1,2}匹配出了87，后面的匹配出了321

2. 懶惰（非貪婪）

懶惰匹配：當(dāng)正則表達(dá)式中包含能接受重復(fù)的限定符時，通常的行為是（在使整個表達(dá)式能得到匹配的前提下）匹配盡可能少的字符，這匹配方式叫做懶惰匹配。
特性：從左到右，從字符串的最左邊開始匹配，每次試圖不讀入字符匹配，匹配成功，則完成匹配，否則讀入一個字符再匹配，依此循環(huán)（讀入字符、匹配）直到匹配成功或者把字符串的字符匹配完為止。

懶惰量詞是在貪婪量詞后面加個“？”

String reg="(\\d{1,2}?)(\\d{3,4})";
String test="61762828 176 2991 87321";
System.out.println("文本："+test);
System.out.println("貪婪模式："+reg);
Pattern p1 =Pattern.compile(reg);
Matcher m1 = p1.matcher(test);
while(m1.find()){
System.out.println("匹配結(jié)果："+m1.group(0));
}

輸出結(jié)果：

文本：61762828 176 2991 87321
貪婪模式：(\d{1,2}?)(\d{3,4})
匹配結(jié)果：61762
匹配結(jié)果：2991
匹配結(jié)果：87321

解答：

“61762” 是左邊的懶惰匹配出6，右邊的貪婪匹配出1762
"2991" 是左邊的懶惰匹配出2，右邊的貪婪匹配出991
"87321" 左邊的懶惰匹配出8，右邊的貪婪匹配出7321

5. 反義

前面說到元字符的都是要匹配什么什么，當(dāng)然如果你想反著來，不想匹配某些字符，正則也提供了一些常用的反義元字符：

轉(zhuǎn)載自公眾號：Java雜記
原文

?=表達(dá)式 匹配表達(dá)式，不返回表達(dá)式，返回表達(dá)式前面的內(nèi)容
?<=表達(dá)式 匹配表達(dá)式，不返回表達(dá)式，返回表達(dá)式后面的內(nèi)容
例如：url123abc777url345ccc666
(?<=url)(\d{3}) 此表達(dá)式的匹配結(jié)果為：123，345
?!表達(dá)式 在不能匹配表達(dá)的情況下匹配，返回表達(dá)式前面的內(nèi)容
?<! 表達(dá)式 在不能匹配表達(dá)的情況下匹配，返回表達(dá)式后面的內(nèi)容
例如：url123abc777url345ccc666
(?<!url)(\d{3}) 此表達(dá)式返回結(jié)果為 777，666
?:表達(dá)式 匹配表達(dá)式，并返回表達(dá)式
例如：url123abc777url345ccc666
(?:url)(\d{3}) 此表達(dá)式將返回 url123，url345