日常偷懒（一）正则表达式小记

平时工作中有很多drity work，学会偷懒之后真的可以帮我们省很多时间来摸鱼！

而正则表达式是我们的偷懒必备装备，会用以后用起来会特别爽~。

正则表达式（Regular Expression，简称 Regex）是一种用于匹配和操作文本模式的字符串工具，通过特殊语法规则可以快速搜索、替换或提取复杂文本中的特定内容。以下通过概念拆解与实例说明其核心用法：

---

一、基础概念

1. 核心功能

• 模式匹配：验证字符串是否符合特定规则（如邮箱格式）。
• 文本提取：从日志、网页等数据中抓取目标信息（如日期、电话号码）。
• 批量替换：自动化修改文本中的错误或格式（如统一日期格式）。

2. 语法组成

类别	符号	作用	示例
普通字符	a, 1, %	直接匹配对应字符	a 匹配 “apple” 中的 a
元字符	. ^ $	表示特殊规则（如任意字符、行首尾）	^a 匹配以 a 开头的行
量词	* + {n}	控制前面元素的重复次数	a{2} 匹配 “baad” 中的 aa
字符类	[abc] \d	匹配一组字符中的任意一个或预定义类别	\d 匹配任意数字
分组与捕获	( ) (?: )	将模式分组或捕获子匹配项	(ab)+ 匹配 “abab”

---

二、实例解析

1. 验证邮箱格式

需求：检查字符串是否符合标准邮箱格式（如 [email protected]）。
正则表达式：

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

分解说明：

• ^：匹配字符串开头。
• [a-zA-Z0-9._%+-]+：用户名部分（允许字母、数字及特定符号），+ 表示至少1个字符。
• @：固定符号。
• [a-zA-Z0-9.-]+：域名部分（如 example）。
• \.：转义后的点号 .。
• [a-zA-Z]{2,}$：顶级域名（如 com），{2,} 表示至少2个字母，$ 匹配字符串结尾。

---

2. 提取日期信息

需求：从文本中提取 YYYY-MM-DD 格式的日期。
正则表达式：

(\d{4})-(\d{2})-(\d{2})

分解说明：

• (\d{4})：捕获4位数字（年）。
• -：匹配连字符。
• (\d{2})：捕获2位数字（月）。
• (\d{2})：捕获2位数字（日）。
  匹配示例：
  字符串 "2023-10-05 会议记录" 中，可提取出 2023、10、05 三个分组。

---

3. 替换HTML标签

需求：删除文本中的所有HTML标签。
正则表达式：

<[^>]+>

分解说明：

• <：匹配标签开始的 <。
• [^>]+：匹配除 > 外的任意字符至少一次。
• >：匹配标签结束的 >。
  替换操作：将匹配到的内容（如 标题）替换为空字符串，得到纯文本“标题”。

---

三、进阶技巧

1. 贪婪与非贪婪匹配

• 贪婪模式（默认）：尽可能匹配更长的字符串。
  • 示例：a.*b 在 aabbab 中会匹配整个字符串。
• 非贪婪模式（加 ?）：匹配最短符合条件的字符串。
  • 示例：a.*?b 在 aabbab 中仅匹配 aab。

2. 预查断言

• 正向预查：(?=pattern)
  • 示例：Windows(?=10) 匹配后面紧跟 “10” 的 “Windows”。
• 负向预查：(?!pattern)
  • 示例：\d{3}(?!-) 匹配不跟随连字符的三位数字。

---

四、工具推荐

• 在线测试：
  • RegExr：实时高亮匹配结果，支持语法解释。
  • Regex101：生成代码和详细匹配分析。
• 学习资源：
  • 《精通正则表达式》（书籍）：系统学习正则引擎原理。
  • RegexOne：交互式练习教程。

---

总结

正则表达式通过简洁的符号组合实现复杂的文本操作，是数据处理、编程开发的必备技能。掌握其核心语法（如元字符、量词、分组）并配合实际场景练习，可显著提升文本处理效率。