劉亦菲生日當(dāng)天,引發(fā)了我對正則的思考

前兩天從網(wǎng)上采集到一條短視頻數(shù)據(jù)（刷短視頻），發(fā)現(xiàn)六公主連排5部劉亦菲主演的電影！甚是震驚，太有牌面了，看了一下日子是8月25號，嗷，原來當(dāng)天是劉亦菲的生日。巧了，正好也是我家柴犬旺財?shù)?歲生日。

言歸正傳，我們看到這條數(shù)據(jù)的

標(biāo)題：#劉亦菲35歲生日獲央視獨寵# 神仙姐姐生日快樂！

為了分析數(shù)據(jù)，我們需要獲取數(shù)據(jù)中所提到的話題#劉亦菲35歲生日獲央視獨寵#。提問：你能想到幾種實現(xiàn)方式呢？歡迎評論區(qū)留言。

正則

想必細心看標(biāo)題的朋友一定會猜到本文的主人公——正則，這玩意優(yōu)點是寫起來快，但缺點也顯而易見，性能差，跟批處理一個德性，反人類的難記，長時間不用，每次都要重新學(xué)習(xí)，日常開發(fā)中也就偶爾寫工具用一下。因此，我們只需要把常用的正則理解透就可以了，不要有心理包袱，看完本文，大部分的正則使用場景就可以活學(xué)活用。

場景一：匹配兩個#之間的字符串

現(xiàn)在我們把需求轉(zhuǎn)換成實現(xiàn)思路，想要獲取上述數(shù)據(jù)中的話題，其實就是匹配兩個#之間的文本內(nèi)容，show code：

正則表達式：#.*?#

      
      ????public?static?void?main(String[]?args)?{
????????String?title?=?"#劉亦菲35歲生日獲央視獨寵#?神仙姐姐生日快樂！";
????????Pattern?p?=?Pattern.compile("(#.*?#)");
????????Matcher?m?=?p.matcher(title);
????????while?(m.find())?{
????????????String?group?=?m.group(0);
????????????System.out.println("話題:"?+?group);
????????}
????}

    

輸出

      
      話題:#劉亦菲35歲生日獲央視獨寵#

    

可以看出，輸出的結(jié)果就是該條數(shù)據(jù)的話題，給大家分析一下這個正則表達式：.表示任意字符，?平時表示匹配0個或者多個，此時它表示不貪婪，那什么是貪婪呢？

說到貪婪，那就不得不提這兩個限定符：* 和 + ，它們兩個就是貪婪的！*表示匹配0個或者多個，+表示匹配至少一個，可以發(fā)現(xiàn)它們的共性：都會盡可能匹配更多。但，只要緊跟在它們的后面加上一個 ? ，讓他們捫心自問，就可以實現(xiàn)非貪婪，即最小匹配。比如，我們在標(biāo)題上再加一個#，此時標(biāo)題變?yōu)?code style="font-size:14px;color:rgb(30,107,184);background-color:rgba(27,31,35,.05);font-family:'Operator Mono', Consolas, Monaco, Menlo, monospace;">#劉亦菲35歲生日獲央視獨寵## 神仙姐姐生日快樂！，然后正則表達式我們不使用?，此時，運行代碼后輸出結(jié)果為：

      
      話題:#劉亦菲35歲生日獲央視獨寵##

    

比較兩次的執(zhí)行結(jié)果，我們會發(fā)現(xiàn)輸出結(jié)果多了一#，這樣就很貪婪，違背了我們的初衷，這就是?的妙用。

場景二：只匹配#開頭的字符串

我們知道不同平臺的話題格式是不一樣的，比如抖音，它的話題形式就與微博不同，只是#開頭，并沒有成對的#與其呼應(yīng)：

標(biāo)題：#劉亦菲35歲生日獲央視獨寵 神仙姐姐生日快樂！

如果是這種形式的話題，愛動腦筋的朋友就會發(fā)現(xiàn)無非就是將后面的#變?yōu)橐粋€空格或者多個空格唄。沒錯，我們可以使用

正則表達式：#.*?\\s+

      
      ????public?static?void?main(String[]?args)?{
????????String?title?=?"#劉亦菲35歲生日獲央視獨寵??神仙姐姐生日快樂！";
????????Pattern?p?=?Pattern.compile("(#.*?\\s+)");
????????Matcher?m?=?p.matcher(title);
????????while?(m.find())?{
????????????String?group?=?m.group(0);
????????????System.out.println("話題:"?+?group);
????????}
????}

    

輸出

      
      話題:#劉亦菲35歲生日獲央視獨寵?

    

Tips：\s 表示匹配所有空白符，它不僅僅可以匹配空格，還可以匹配換行等空白字符，如果再加上+，組合起來就表示甭管幾個空白字符，統(tǒng)統(tǒng)all in。

不過，不要高興得太早，心細的小明還發(fā)現(xiàn)話題可能會存在文末的情況：

標(biāo)題：神仙姐姐生日快樂！#劉亦菲35歲生日獲央視獨寵

此時是沒有空白字符結(jié)束的，上面的正則就不滿足這種情況。那如何是好？小明當(dāng)時就想到了兩個方案：

• 方案一：不管話題在不在文末，我們在匹配之前全部給標(biāo)題追加一個空白字符，這樣就可以人為干預(yù)，巧妙地避開了這種情況，曲線救國，便于正則匹配
• 方案二：使用正則表達式#.*?$

Tips：方案二中的$ 是用來匹配輸入字符串的結(jié)尾位置，組合起來就表示匹配#開頭，一直到句末的話題。

進階

前面兩種場景我們雖然獲取到了兩個#之間或者#開頭的內(nèi)容，實現(xiàn)了需求，但是匹配的結(jié)果還是會帶上#，貪婪的小明不滿足現(xiàn)狀（產(chǎn)品強制要求），可不可以不帶呢？當(dāng)然可以了！小明又想到了兩個方案：

• 方案一：得到匹配的話題后，再二次文本處理去掉#
• 方案二：使用正則表達式?<=和?=一步到位，直接去除#

使用方法

• (?<=exp2)exp1：表示匹配 exp2 后面的 exp1
• exp1(?=exp2)：表示匹配 exp2 前面的 exp1那結(jié)合以上我們實際使用的所有場景，最終這個理想的正則表達式就正式出爐（好熱）：((?<=#).*?(?=#|\s+))反應(yīng)慢的朋友，可以慢點理解，我們先運行試一下（不自信）：

      
      ????public?static?void?main(String[]?args)?{
????????String?title?=?"#劉亦菲#?#神仙姐姐?#生日快樂#?#劉亦菲35歲生日獲央視獨寵";
????????Pattern?p?=?Pattern.compile("((?<=#).*?(?=#|\\s+|$))");
????????Matcher?m?=?p.matcher(title);
????????while?(m.find())?{
????????????String?group?=?m.group(0);
????????????System.out.println("話題:"?+?group);
????????}
????}

    

輸出

      
      話題:劉亦菲
話題:
話題:神仙姐姐
話題:生日快樂
話題:
話題:劉亦菲35歲生日獲央視獨寵

    

Tips：正則表達式中的|表示或，即多項之間的一個選擇，就像今天你看完本文，感覺不錯的話，必須做出(關(guān)注|點贊|星標(biāo))其中的一個選擇！

從代碼的輸出結(jié)果我們可以看出，目前的正則是經(jīng)得住實際考驗的。但是唯一美中不足的是，會有空字符串的情況出現(xiàn)（產(chǎn)品不同意）。這該如何是好？

目前小明的解決方案是，拿到匹配結(jié)果時，過濾掉空字符串。能解決問題的辦法就是好辦法。

不過，肯定有更完美的表達式可以實現(xiàn)這個需求，此處拋磚引玉，期待你在評論區(qū)分享！

常用的正則表達式分享

• 微信號（并不能幫你要到男神|女神的微信號）

      
      ^[a-zA-Z][a-zA-Z\d_-]{5,19}$

    

歡迎補充，未完待續(xù)……