正则表达式基础

在我的团队中，我们每两周举办一次“大师班”，团队中的某人向团队的其他成员介绍一个主题。

本文基本上是我最近提供的有关正则表达式（也称为regex）的类的内容。

介绍正则表达式的基础知识。有很多类似的东西，但这是我的。

它们基本上在每种编程语言中都可用，并且您可能最经常会遇到它们，它们用于条件匹配中的字符串匹配，这些条件对于简单的逻辑比较（例如“或”，“和”，“中”）而言过于复杂。

‘有些人遇到问题时，会想：“我知道，我会使用正则表达式。”现在他们有两个问题。’–杰米·扎温斯基（Jamie Zawinski）

在编程中，只能将正则表达式用作最后的选择。不要用正则表达式解决重要问题。

正则表达式很昂贵–正则表达式通常是程序中CPU占用最大的部分。不匹配的正则表达式可能比匹配的正则表达式更昂贵。

regex贪婪–匹配比预期的要容易得多，从而导致bug。我们多次遇到正则表达式过于贪婪的问题，从而在我们的网站中引起了问题。

regex是不透明的–即使非常了解regex的人也要花一些时间来挑选新的regex字符串，并且仍然可能会犯错误。从长远来看，这将对项目维护产生巨大的成本。 （查看此惊人的正则表达式以获取RFC822电子邮件地址）

始终尝试了解操作和检查字符串时可以使用的所有语言功能，这可以帮助您避免使用正则表达式。例如，在Python中，可以非常有效地组合使用in关键字，强大的[]索引以及诸如contains和startswith的字符串方法（可以为多个值提供元组字符串）。

最重要的是，不应将正则表达式用于解析字符串。您应该改用或编写定制的解析器。例如，您不能使用正则表达式解析HTML（在Python中，使用BeautifulSoup；在JavaScript中，使用DOM）。

当然，有时可以在程序中使用正则表达式：

当它已经存在并且必须维护时（尽管可以删除它，但应该）

如果您正在编写除最基本的正则表达式之外的任何内容，那么任何维护人员都不太可能轻易理解您的正则表达式，因此您可能要考虑添加自由注释。例如。在Python中：

＆gt;＆gt;＆gt; pattern =＆＃34;＆＃34;＆＃34; ^＃字符串的开头M {0,4}＃千位-0到4 M＆＃39; s（CM | CD | D？C {0,3}）＃百-900（CM），400（CD），0-300（0到3 C＆＃39; s），＃或500-800（D，然后是0到3 C＆＃39s）（XC | XL | L？X {0,3}）＃十进制-90（XC），40（XL），0-30（0至3 X＆s），＃或50-80（L，然后是0至3 X＆ ＃39; s）（IX | IV | V？I {0,3}）＃1-9（IX），4（IV），0-3（0至3 I＆＃39s），＃或5 8（V，后跟0到3个I）$＃字符串的末尾＆＃34;＆＃34;＆＃34;＆gt; re.search（样式，＆＃39; M＆＃39 ;， re.VERBOSE）

正则表达式对于快速解决自己的问题非常有用，因为将来无需担心维护问题。例如。：

还值得抓住机会以这些方式使用正则表达式来练习正则表达式技能。

例如，我最近在VSCode中使用以下正则表达式替换将文本转储格式化为表格式：

请记住，正则表达式解析器有几种形式。基本上，每种语言都实现自己的解析器。但是，Perl的正则表达式解析器是黄金标准。如果可以选择，请使用Perl兼容的正则表达式。

这就是用Perl和JavaScript以及Less等许多命令行工具编写它们的方式。

但是，更多现代语言（例如Python）选择不包含本机正则表达式类型，因此正则表达式可以简单地写为字符串：

前一个字符可能存在也可能不存在（例如/ hell？o /会匹配hello或helo） 允许使用任意数量的前面的字符（例如。*将与任何单行字符串（包括空字符串）匹配，并被大量使用） 前面的一个或多个字符（。+与。*相同，只不过它不匹配空字符串） “或”，匹配上一部分或下一部分（例如hello | mad将匹配“ hello”或“ mad”） 将部分分组。 这对于条件（（a | b）），乘数（（hello）+）或为替换创建组很有用（请参见下文） 指定多少个前面的字符（例如a {12}连续匹配12个“ a”） 匹配此集合中的任何字符。 -定义范围（例如[a-z]是任何小写字母），^表示“不”（例如[^，] +连续匹配任意数量的非逗号）

在大多数正则表达式实现中，可以将反斜杠后跟字母（\ x）用作字符集的快捷方式。以下是rexegg.com的regex备忘单中一些常见的清单。

编程中正则表达式最简单的用例是字符串比较。这在不同的语言下看起来有所不同，例如：

您还可以使用正则表达式通过替换操作字符串。在以下示例中，将打印出“疯狂的世界”：

您可以基于一些修饰符来更改正则表达式的行为。我将在这里举例说明，它是使regex不区分大小写的修饰符。在Perl，JavaScript和其他更传统的正则表达式上下文中，修饰符添加在最后一个/之后。更现代的语言通常使用用户常量代替：

这些仅在正则表达式的某些实现中受支持，并且使您有机会匹配其他字符串之前或之后的字符串，但在匹配本身中不包括前缀或后缀：

这就是我现在所拥有的。如果您想了解更多信息，这里有很多有用的资源：

iHateRegex –示例regex模式的集合，用于匹配某些常见类型的字符串（例如电话号码，电子邮件地址）