摘要：目前許多程序設(shè)計語言都支持利用正則表達(dá)式進(jìn)行字符串操作。本文中的正則表達(dá)式轉(zhuǎn)化為關(guān)系圖來展示的工具是此文主要參考和學(xué)習(xí)了老姚的正則表達(dá)式迷你書，內(nèi)容清晰明了，在此非常感謝老姚的精神，致敬。參考文獻(xiàn)老姚著正則表達(dá)式迷你書

sharplook作為專業(yè)的日志采集分析系統(tǒng)，涉及的技術(shù)點，從后到前著實不少，內(nèi)容也較為復(fù)雜。正則作為日志解析的手段，起著舉足輕重的作用，在此小生將晦澀難懂的內(nèi)容，拆解出來以便學(xué)習(xí)之用。

維基百科對其的定義是：“正則表達(dá)式，又稱正規(guī)表示式、正規(guī)表示法、正規(guī)表達(dá)式、規(guī)則表達(dá)式、常規(guī)表示法（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），是計算機(jī)科學(xué)的一個概念。正則表達(dá)式使用單個字符串來描述、匹配一系列匹配某個句法規(guī)則的字符串。在很多文本編輯器里，正則表達(dá)式通常被用來檢索、替換那些匹配某個模式的文本。” 目前許多程序設(shè)計語言都支持利用正則表達(dá)式進(jìn)行字符串操作。簡單地理解就是，正則表達(dá)式是用于匹配字符串中字符組合的模式，要么匹配字符，要么匹配位置。

目前暫定以下內(nèi)容將在后期分享于諸君，本篇先介紹正則表達(dá)式里面的字符匹配，實例都將以JavaScript代碼演示，其實正則沒有語言界限，小生也不是強(qiáng)權(quán)主義，只是寫來方便罷了。

字符匹配

位置匹配

分組匹配

待續(xù)....

正則表達(dá)式不僅可以精確匹配還可以模糊匹配，倘若只有精確匹配，那正則就太弱了，也不值得在此繼續(xù)聊下去。

const reg = /hello, world/;
console.log(reg.test("hello ,world"));
// => true

而強(qiáng)大的模糊匹配，有兩個方向上的“模糊”: 橫向模糊和縱向模糊。

橫向模糊指的是，一個正則可匹配的字符串的長度是不確定的，可以是多種情況。

其實現(xiàn)的方式是量詞。例如{m,n}，表示最少出現(xiàn)m次，最多出現(xiàn)n次。例如正則/ab{2,4}c/表示匹配一個“a”，緊接著匹配2個或者3個或者4個連續(xù)的字母“b”，最后匹配字母“c”。

可視化圖如下：

測試如下：

const reg = /ab{2,4}c/g;
const string = "abc abbc abbbc abbbbc abbbbbc";
console.log(string.match(reg));
// => ["abc", "abbc", "abbbc", "abbbbc"]

正則 /ab{2,4}c/g中的‘g’是正則的修飾符，表示此正則采用全局匹配，按照順序匹配出所有符合正則的字符串，g表示global。

縱向模糊指的是，一個正則匹配的字符串，當(dāng)匹配到某一位的字符時，并不是一個特定的字符，其有多種可能性。

其實現(xiàn)的方式是字符組。例如[abc]，表示匹配的字符可能是“a”，“b”，“c”中的一個。 例如/a[123]b/表示匹配的是“a1b”，“a2b”，“a3b”其中一個。

可視化圖如下：

測試如下：

const reg = /a[123]c/g;
const string = "a1c a2c a3c a4c";
console.log(string.match(reg));
// => ["a1c", "a2c", "a3c"];

字符組雖然是組的概念，但是只是表示其中一個字符。

例如[abc]，表示匹配其中一個字符，它可以是“a”，“b”，“c”之一。

如果字符組中的字符非常多的話，怎么辦呢？可以使用范圍表示法。

例如“1234567abcdefgHIJKLMN”可是表示為[1-7a-gH-N]。用連字符“-”表示簡寫中間的項。

在這里“-”表示特殊含義，如果正則匹配需要匹配這個字符，比如匹配“a”，“h”，“-”怎么辦呢？ 可以寫成[-ah]，[ah-]，[a-h]中的一種，這樣就可以避免被作為連字符來處理了。

在縱向匹配中，我們還會遇到一種情況，那就是我們不希望匹配到字符組的任何一個字符。例如不能匹配“a”，“b”，“c”。

此時就出現(xiàn)了排除字符組的概念。例如[^abc]，表示匹配除了“a”，“b”，“c”字符之外的任意一個字符。字符組中第一位放^脫字符，表示求反的概念。

當(dāng)然，也有相應(yīng)的范圍表示法，例如：[^a-h]。

有了字符組的概念之后，我們就很容易理解系統(tǒng)自帶的簡寫方式了。

d： 表示 [0-9]。表示是一位數(shù)字。 記憶方式: 其英文是 digit(數(shù)字)。

D： 表示 [^0-9]。表示除數(shù)字外的任意一個字符。

w： 表示 [0-9a-zA-Z_]。表示數(shù)字、大小寫字母和下劃線。記憶方式：w是 word的簡寫，也表示單詞字符。

W： 表示 [^0-9a-zA-Z_]。表示除了數(shù)字、大小寫字母和下劃線之外的任意一個字符。非單詞字符。

s： 表示 [ v f]。表示空白符，包括空格、水平制表符、垂直制表符、換行符、回車符、換頁符。記憶方式： s是 space的首字母，空白字符的單詞是 white space。

S： 表示 [^ v f]，表示非空白符。

. ： 表示 [^ u2028u2029]。通配符，表示幾乎任意字符，除了換行符、回車符、行分隔符和段分隔符除外。記憶方式：想想省略號 ... 中的每個點，此處省略了無數(shù)個字（什么情況都可能發(fā)生）。

如果表示任意字符，怎么辦？ 可以使用[dD]，[wW]，[sS]和[^]中任何一個。

/dDwWsS.[^]/的可視化表示如下：

量詞也稱為重復(fù)詞。理解了{m,n}后，我們再來記住一些簡寫方式。

{m,}：表示至少出現(xiàn)m次。

{m} ：表示出現(xiàn)m次，等價于{m,m}。

? ：表示出現(xiàn)一次或者不出現(xiàn)，等價于{0,1}。記憶方式： 問號的表示意思，有嗎？

+ ：表示出現(xiàn)一個或者多次，等價于{1,}。記憶方式： 加好是追加的意思，先得到一個，以后的再追加。

* ：表示出現(xiàn)任意次數(shù)，可能不出現(xiàn)。記憶方式： 好比天上的星星，可能一個沒有，可能只有零星幾個，也可能有無數(shù)多。

先看一個簡單的例子：

const reg = /d{2,5}/g;
const string = "123 1234 12345 123456";
console.log(string.match(reg));
// => ["123", "1234", "12345", "12345"]

其中正則/d{2,5}/表示匹配連續(xù)的數(shù)字2次到5次。會匹配2位、3位、4位、5位連續(xù)數(shù)字。

但是其是貪婪的，它會盡可能多的匹配。你能給我 5 個，我就要 5 個。你能給我 3 個，我就要 3 個。
反正只要在能力范圍內(nèi)，越多越好。

但是有時候貪婪并不是一件好事（人心不足，蛇吞象）。而惰性匹配，就是盡可能少的匹配，例如下：

const reg = /d{2,5}?/g;
const string = "123 1234 12345 123456";
console.log(string.match(reg));
// => ["12", "12", "34", "12", "34", "12", "34", "56"]

其中 /d{2,5}?/ 表示，雖然 2 到 5 次都行，當(dāng) 2 個就夠的時候，就不再往下嘗試了。

對惰性匹配的記憶方式是: 量詞后面加個問號，問一問你知足了嗎，你很貪婪嗎?

一個模式可以實現(xiàn)橫向匹配和縱向匹配，而多分支可以支持多個子模式任選其一。

具體形式如下(p1|p2|p3)，其中p1、p2和p3是子模式，用|（管道符）分隔，表示任選其一。

例如匹配hello或者world，正則式為/hello|world/。

可視化形式如下：

測試如下：

const reg = /hello|world/g;
const string = "hello lemon, world is yours!";
console.log(string.match(reg));
// => ["hello", "world"]

需要注意的地方是，he|hello，你想匹配“hello”這個單詞，結(jié)果是“he”。

如下實例：

const reg = /he|hello/g;
const string = "hello";
console.log(string.match(reg));
// => ["he"]

如果你的正則改為hello|he。匹配的結(jié)果就是“hello”

如下實例：

const reg = /hello|he/g;
const string = "hello";
console.log(string.match(reg));
// => ["hello"]

由此可知，多分支結(jié)構(gòu)匹配也是惰性的，當(dāng)前面匹配上之后，后面就不在匹配了。

正則表達(dá)式是一個優(yōu)秀程序員的基本技能，本身雖然不是很復(fù)雜，但內(nèi)容卻比較雜亂，能一步一步理清思路是很重要的，本章主要先介紹了字符的匹配，下一章將介紹位置的匹配。

本文中的正則表達(dá)式轉(zhuǎn)化為關(guān)系圖來展示的工具是Regexper

此文主要參考和學(xué)習(xí)了老姚的《JavaScript 正則表達(dá)式迷你書》，內(nèi)容清晰明了，在此非常感謝老姚的 free精神，致敬。

[1] 老姚 著《JavaScript 正則表達(dá)式迷你書》