「正則表達(dá)式」的奇幻漂流之旅

大家好，我是老表，今天分享一篇小帥b寫的正則表達(dá)式相關(guān)文章，內(nèi)容寫的非常易懂，希望這次你看完這篇能夠舒舒服服，一點(diǎn)打人沖動(dòng)沒有，還會(huì)忍不住點(diǎn)贊轉(zhuǎn)發(fā)收藏哈哈哈，主要是希望你還能夠了解到其中的使用方式。

那么：

什么是正則表達(dá)式呢？

想象一下這樣的場景:

1

你應(yīng)該經(jīng)常使用 「CTRL + F」在文本文件中搜索關(guān)鍵詞，定位到自己想要看的地方。不過，有時(shí)候你可能并不一定記得你要搜索的具體內(nèi)容。比如你只知道關(guān)鍵詞的開頭是「馬」，結(jié)尾是「梅」，但就是不知道是「馬什么梅」，如何快速搜索替換？

2

你在爬取頁面的時(shí)候，得到的一堆 HTML 標(biāo)簽，但是你只是想拿到其中的關(guān)鍵文本信息，怎么快速剔除掉 HTML 標(biāo)簽，把自己想要的文本從里面提取出來呢？

3

如果你開發(fā)了一個(gè)網(wǎng)站，允許用戶注冊(cè)，但你要求用戶注冊(cè)的密碼需要含有大小寫字母和數(shù)字，怎么驗(yàn)證呢？又，如何屏蔽用戶的違規(guī)言論呢？

4

你在使用命令行的時(shí)候，如何一步到位的管理相關(guān)的文件呢？比如 rm -rf * （咋這個(gè)目錄下的文件都被刪除了？）

...

你看，在這些場景中，我們都需要一個(gè)「東西」來「占位」，表達(dá)關(guān)鍵的信息，比如在場景 1 中，我們不知道具體叫 「馬什么梅」，但是知道它中間一定是個(gè)字，那么我們可以制定一個(gè)規(guī)則，說：「以后這玩意【??】就代表一個(gè)任意的中文字」。

?? = 任意一個(gè)中文字

如果你的編輯器遵循了這一規(guī)則，知道【??】就代表一個(gè)任意的中文字，那么我們接下來就可以根據(jù)這個(gè)規(guī)則，使用「馬??梅」進(jìn)行快速匹配了。

所以其實(shí)，這個(gè)「東西」就是用來描述我們想要的規(guī)則的，對(duì)吧？

當(dāng)然，你也知道，我們自己制定的「東西」，編輯器是不會(huì)聽我們的，如果我們能夠知道那些已經(jīng)被大多數(shù)遵循了的「東西」，不就可以做到快速匹配我們想要的內(nèi)容了嗎？

這些被遵循的「東西」，就是正則表達(dá)式的元字符。

找到那些被遵循的「東西」

先認(rèn)識(shí)「.」 和 「*」

這兩玩意也許是我們最常用到的「東西」了，其中每個(gè)「.」用來表達(dá)的是「除了換行符以外的任何字符」，像這樣：

標(biāo)高亮的表示被匹配到的字符

一個(gè)「.」只能表達(dá)一個(gè)字符，那如果很多豈不是得點(diǎn)點(diǎn)點(diǎn)點(diǎn)點(diǎn)到天荒地老？所以其實(shí)我們不必要這樣去用那么多點(diǎn)來匹配，我們可以在「.」后面使用 「*」，這樣編輯器就知道：「哦，你要找的是0個(gè)或者多個(gè)『.』」：

所以，「.」是用來描述相關(guān)字符，而「*」用來描述匹配次數(shù)的。

和「.」一樣

雖然這兩玩意已經(jīng)可以代表大多數(shù)內(nèi)容了，但是對(duì)于一些具體的內(nèi)容，比如數(shù)字，換行等，也有已經(jīng)被遵循的「東西」，和「.」一樣，常用到的有：

把這個(gè)看熟，你基本可以匹配大部分你需要的內(nèi)容了，比如你要在這里只找到「handsome」這個(gè)詞就可以這樣：

匹配多個(gè)字母，數(shù)字，下劃線：

只匹配字母：

反向匹配：

匹配回車：

你去玩幾下就都熟悉了。

和 「*」 一樣

我們知道 「*」代表的是匹配0次或多次。和 「*」 一樣也有表示次數(shù)的，比如具體多少次，0次或一次：

轉(zhuǎn)義

現(xiàn)在，你已經(jīng)知道了常用的「東西」，它們都代表著一定的規(guī)則，但如果有時(shí)候文本出現(xiàn)了和「東西」一樣的字符，怎么去匹配呢？

比如說，我們知道「.」是匹配除了換行外的所有字符，但如果文本就出現(xiàn)了「.」，我們只要匹配這個(gè)「.」，咋整？

我們可以使用轉(zhuǎn)義字符，也就是在 「.」前面加一個(gè) 「\」，就說明我們是真的要找的是「.」:

當(dāng)你在 「東西」前面加一個(gè)「\」，它就失去了功效，變回了原來的模樣。

還會(huì)常用到這玩意「｜」

這個(gè)你應(yīng)該很熟悉，就是「或」的意思，在 「｜」的兩邊，滿足其一即可。

a|b 匹配 a 或者 b。

比如判斷文件是不是圖片類型，就可以這樣：

^.*?.(gif|png|jpg)$

小試牛刀

現(xiàn)在，找到了這些「東西」，也知道了轉(zhuǎn)義....現(xiàn)在我們來寫一個(gè)正則表達(dá)式，匹配郵箱的規(guī)則吧。

我們知道，郵箱的格式是這樣的：

[email protected]

我們可以發(fā)現(xiàn)，郵箱有兩很明顯的特征點(diǎn)：「@」和「.」，而在「@」和 「.」前面和后面可以是一個(gè)或多個(gè)「大小寫字母或數(shù)字或下劃線」。

我們可以從開始到結(jié)束的特征點(diǎn)寫出來：

^[大小寫字母或數(shù)字或下劃線]+@[大小寫字母或數(shù)字或下劃線]+\.[大小寫字母或數(shù)字或下劃線]+$

替換成我們知道的「東西」：

^[a-zA-Z0-9_]+@[a-zA-Z0-9_]+\.[a-zA-Z0-9_]+$

好用的 （）

在這些「東西」里，（）能夠進(jìn)行分組，這對(duì)于我們?cè)谔崛∑ヅ湮覀冴P(guān)心的內(nèi)容很有幫助，比如我們要提取這樣的內(nèi)容：

我們可以使用 （）對(duì)相關(guān)的匹配進(jìn)行分組，這樣得到多個(gè)分組（group1、group2、group3...）結(jié)果，這樣可以很方便的從中提取內(nèi)容，像這樣：

.*? 和 .*

這兩玩意都是匹配多個(gè)字符的「東西」，不過一個(gè)帶了「？」一個(gè)不帶，它們有什么區(qū)別呢？

.*? 表示的是非貪婪匹配

.* 表示的是貪婪匹配

啥意思呢？

舉一個(gè)最簡單的例子，比如我們有一個(gè)這樣的文本：

abcdefghijkabcdefghijkabcdefghijkabcdefghijk

如果我們想從中提取 a 到 k 的內(nèi)容，你可以發(fā)現(xiàn)，當(dāng)我們「貪婪」的時(shí)候得到的結(jié)果就是這樣的：

abcdefghijkabcdefghijkabcdefghijkabcdefghijk

「非貪婪」的時(shí)候，得到的結(jié)果就是這樣的：

abcdefghijk

那么用在它們兩身上，就是這樣的，貪婪：

非貪婪：

意思就是這么個(gè)意思～

ok，這就是我常常會(huì)使用到的正則表達(dá)式，在 Python 中，有個(gè) re 庫可以專門操作這些玩意的，你可以到下面這個(gè)鏈接看到具體的解釋：

https://docs.python.org/zh-cn/3/library/re.html

順便，再給你推薦幾個(gè)正則表達(dá)式可以參考的地方：

這里，有圖文相關(guān)的正則表達(dá)式給你參考：

https://github.com/cdoco/common-regex

這里，可以讓你校驗(yàn)自己寫的正則：

https://regexr.com/

這里，有多個(gè)語言版本的正則表達(dá)式教程（如果你想更進(jìn)一步了解反向引用，零寬斷言的可以看看）：

https://github.com/ziishaned/learn-regex/blob/master/README.md

我在上面演示用到的插件，叫「Regex Matcher」。

ok，以上就是今天給你帶來的分享，正則表達(dá)式算是基礎(chǔ)且通用的技能了，希望對(duì)你有幫助，如果有的話，請(qǐng)拼命點(diǎn)贊分享一波，哈哈，那么我們下回見，peace！

掃碼回復(fù)：2021

獲取最新學(xué)習(xí)資源

點(diǎn)擊公眾號(hào)卡片關(guān)注，一起學(xué)Python

學(xué)習(xí)更多：
整理了我開始分享學(xué)習(xí)筆記到現(xiàn)在超過250篇優(yōu)質(zhì)文章，涵蓋數(shù)據(jù)分析、爬蟲、機(jī)器學(xué)習(xí)等方面，別再說不知道該從哪開始，實(shí)戰(zhàn)哪里找了