从此对读懂写好正则表达式充满信心

为什么一定要掌握

作为正则表达式,优势有:

• 简洁

• 力量强大

• 文本处理军刀

同样,劣势明显:

• 难读

• 难写

• 难维护

• 只在小范围用

那为什么还要它?原因是:

• 你绕不过,代码里会遇到它,你需要攻破这一知识点

• 它总是在撩你

• 掌握它,收益巨大

它是什么

• 文本利器,其他领域没有用

• 能让你的效率提升的神器

• 标准混乱,哦不,没有标准,总体以「Perl风格」为标准

工欲善其事,必先利其器也

赤手空拳上战场的士兵是不可理喻的
书籍:

• <<精通正则表达式>>, 只此一本,从此能上天!(BTW,后面语言相关部分可以只看自己喜爱的语言那里,其他可跳过) 拒绝网上的那些不严谨,废话多的,转述文档的,或者纯粹总结某某书籍的,没用的垃圾教程 什么也比不上自己看经典书籍靠谱!

匹配工具,必须能

• 即时高亮搜索

• 即时高亮匹配

• 支持多种语言

• 主流正则标准支持完备

所以,你需要:

• 拒绝所谓网页版; 拒绝不能即时的,高亮的(不是针对谁,只是在座的各位都是...)

• Sublime,它的搜索框勉强满足上面要求,推荐

• RegexBuddy(Windows版),神器! 有它,足矣!

我认为「称得上重要的」正则语法

心法也
[数量词/范围]

• *: 任意数量

• +: 许多个(其实是大于等于1个,但是这样好记忆)

• ?: 0或1个

• .: 一个任意字符(按理来说不归为此类,但是我觉得应该这样)

• {start,end}: A{1,} A{1,10} A{,10}

• 上面只有.特殊,既有字符,又有数量

[逻辑]

• |: 或,只用于元组内

• ^: 非,只用于字符集内

[类似集合的东东]

• []: 字符集. 几点注意:

  • ^的位置,^a-b与a^b能理解吗

  • -的位置,a-z与-az意思完全不同

• (): 元组, (A|B|C|D)能理解吗

[杀器功能]

• 环视,或者说锚点,本身不匹配任何字符,只标记一个地方

  • 约定的: ^ $

  • 正向肯定: (?=...)

  • 正向否定: (?<=...)

  • 逆向肯定: (?!...)

  • 逆向否定: (?<!...)

  • 以上,只要两个就够了!因为: 否定就是肯定,否定用^符号辅助不就行了? 又丢掉一点点心智负担

• 元组命名,好用且有用,各家编程语言不同,有的还不支持,下面以Python为例

  • (?P<name>...): 唔...,还挺漂亮的

• 后向引用, 就是用前面已经匹配的内容,这时正好用到上面元组命名功能,总得知道前面已经匹配的一坨东西是啥吧,以Python为例

  • (?=...)

[所谓约定俗成的,看起来重要的字符集]

• 无非是\w,\d这些啦,这些字符集都不是重要的,无非是为了方便. 这些字符集要随时能够在自己的脑海中组装起来.

• 几个重要的

  • \w: [a-zA-Z_]

  • \b: ((?<!\w)(?=\w)|(?!\w)(?=\w))

[其他]
都是各家语言提供的方言功能了吧,可能,不学也罢

练习!练习!练习!

• 与之相关的工具: grep,awk等,各编程语言的正则库,其中编程语言正则库最重要(它是你的生产力所在),必须通读其文档,才能心中有正气

• 常用的正则,至少看懂.如匹配url,email等 (大部分情况都是需要看懂正则)

• 谨记: 面对实际需求,绝对正确的正则,可能根本写不出来,这时候「90%的情况能work就行了」

• 正则虽然难读难维护,但是现在各语言都支持「正则注释」, 务必使用