正则表达式入门

正则表达式（Regular Expression，简称 regex 或 regexp）是用于匹配字符串中字符模式的强大工具。它广泛应用于文本搜索、替换和验证等领域。以下是正则表达式的入门指南，帮助你从零开始理解并应用这一强大的工具。

1. 基本概念

• 普通字符：在正则表达式中，普通字符如字母和数字直接代表它们自身，用来匹配相同的字符。

• 元字符：这些是有特殊含义的字符，比如 .、*、+ 等，它们定义了更复杂的匹配规则。

  • \d：匹配任何一个十进制数字字符，等价于 [0-9]。
  • \D：匹配任何一个非数字字符，等价于 [^0-9]。
  • \w：匹配任何单词字符（word character），包括字母、数字以及下划线 _。等价于 [A-Za-z0-9_]。
  • \W：匹配任何非单词字符，即 \w 的补集。等价于 [^A-Za-z0-9_]。
  • \s：匹配任何空白字符，如空格 ' '、制表符 \t、换行符 \n 等。
  • \S：匹配任何非空白字符，即 \s 的补集。

使用示例

• 若要查找文本中的所有电话号码格式如 "123-456-7890"，可以使用正则表达式：\d{3}-\d{3}-\d{4}。
• 查找以数字开头的行：^\d.*，这里 ^ 表示行的开始，\d 表示一个数字，.* 表示该行剩下的任意数量的任意字符。
• 若想要找到不包含任何数字的单词，可以使用：\b\w*[^\d]\w*\b，其中 \b 表示单词边界，\w* 表示任意数量的单词字符，[^\d] 确保至少有一个非数字字符。

2. 简单匹配

• 字符匹配：例如，正则表达式 abc 将精确匹配字符串 "abc" 中的每一个字符。
• 点号 .：可以匹配除了换行符之外的任何单个字符。例如，a.c 可以匹配 "abc", "a1c", "a#c" 等等，但不能匹配 "ac" 或 "a\nb"。

3. 字符类

• 方括号 []：定义一个字符集合，匹配其中任何一个字符。例如 [abc] 可以匹配 "a", "b", 或 "c" 中的任何一个。
• 排除符号 ^：如果放在方括号内开头，表示不匹配该字符集中的字符。如 [^abc] 匹配除了 "a", "b", "c" 外的任意字符。
• 范围 [a-z]：匹配指定范围内的任意字符。例如 [a-z] 匹配所有小写字母。

4. 量词

• * 星号：匹配前面的子表达式零次或多次。例如 a* 匹配 "", "a", "aa", "aaa"...。
• + 加号：匹配前面的子表达式一次或多次。例如 a+ 匹配 "a", "aa", "aaa"...但不匹配 ""。
• ? 问号：匹配前面的子表达式零次或一次。例如 a? 匹配 "" 或 "a"。
• {n}：匹配前面的子表达式恰好 n 次。例如 a{3} 匹配 "aaa"。
• {n,}：匹配前面的子表达式至少 n 次。例如 a{2,} 匹配 "aa", "aaa", ...
• {n,m}：匹配前面的子表达式至少 n 次，最多 m 次。例如 a{2,4} 匹配 "aa", "aaa", "aaaa"。

5. 边界匹配器

• ^ 脱字符：匹配输入字符串的开始位置。例如 ^a 匹配以 "a" 开始的字符串。
• $ 美元符号：匹配输入字符串的结束位置。例如 a$ 匹配以 "a" 结束的字符串。

实践示例

假设你想找到一个包含数字的电话号码，可以使用这样的正则表达式：\d{3}-\d{3}-\d{4}。这里 \d 表示一个数字字符，而 {3} 和 {4} 分别指定了需要匹配的具体数量。因此，这个表达式会匹配类似于 "123-456-7890" 的字符串。

通过以上内容的学习，你已经对正则表达式有了基本的理解。接下来，可以通过编写简单的正则表达式来练习，逐步提高你的技能。记住，实践是掌握正则表达式的关键。随着经验的积累，你可以探索更多高级功能，如分组、反向引用、前瞻与后顾等。