【正则表达式】粗浅学习

1 配景先容

1.1 为什么要学习正则表达式？

一样平常学习大概其他场景中，经常会遇到针对文本文件中的内容举行查找、日志分析等，对正则表达式不了解大概不清楚，搞的比较难做。
1.2 什么是正则表达式？

正则表达式，Regular Expression，简称RE。
它表达的是一种文本模式。
它自己是一个字符串。
它是一些字符和特别字符组成的。
1.3 正则表达式可以做什么？

反正挺有用的，知道的人都知道。几个常用的地方：
1、单个文件内查找指定模式的字符串
2、磁盘上查找文件名称匹配某个模式的文件，列出来匹配了规则的文件路径
3、和linux命令grep、sed、awk等联合利用，做到删除、替换、查找文本等常规操纵。
4、和java大概shell编程实现文本的高级处理
5、其他字符串处理的场景。
总之，正则表达式的利用场景在字符串范畴是应用广泛的，值得轻微花点时间学习一下。
2 基本语法

序号字符分类字符简要阐明利用先容1普通字符[A-Z]从字符串中匹配大字母字符–2普通字符[a-z]从字符串中匹配小写字母字符–3普通字符[0-9]从字符串中匹配数字相当于\d4普通字符[A-Za-z]从字符串中匹配所有字母字符–5普通字符[A-Za-z0-9]从字符串中匹配字母和数字–6普通字符[具体的字符聚集]从字符串中匹配指定的字符聚集中的字符例如：[abc123] 就是从字符串中匹配a、b、c、1、2、3的字符，但凡字符串中出现这6个字符，都判定为掷中状态。7普通字符[^具体的字符聚集]非的逻辑，匹配字符串中不在指定范围内字符例如：[^A-Z]表示匹配字符串中不是大写字母的字符。8普通字符.字符点(我很藐视不清)匹配1个字符，这个字符是任意字符，但是不包括换行符(\n和\r)等效于[^\n\r]9普通字符\d匹配数字等效于[0-9]10普通字符\w匹配字母、数字、下划线等效于[A-Za-z0-9_]1定位字符^正则模式字符串匹配输入字符串的开始位置，相当于是限定在开头要匹配掷中。例如：^[#*]，匹配开头是#大概*的字符串。2定位字符正则模式字符串$匹配输入字符串结尾位置，相当于限定要从结尾开始匹配例如：[#*]$，匹配结尾是#大概*的字符串。1转义字符\反斜杠字符，转义字符，把特别意义的符号的特别意义去除例如：\.\$ 表示的是匹配包括.$字符的字符串，而不是表示作为字符串结尾包括.的字符串。假如要匹配的是以圆点.结尾的字符串，那么正则是这样的：\.$1元字符*该字符跟在其他字符反面的位置，表示的是匹配前面的子表达式0次大概多次，留意包括0次。也就是大于或即是0次，相当于{0,}，举例：zo*，意思是匹配z字母反面跟大于即是0个o字母，包括z，zo，zoo等等。2元字符+匹配前体面表达式大于即是1次相当于{1,}3元字符?匹配前体面表达式0或1次相当于{0,1}3元字符?假如?前面一些特别字符(*, +, ?, {n}, {n,}, {n,m}) 反面时，匹配模式是非贪婪的例如：假如字符串是123456，正则表达式是\d+ ，默认是贪婪的，那么结果匹配得到123456，假如正则表达式是\d+?，此时转换为非贪婪方式的，那么结果是1、2、 3、 4、 5、 6。4元字符{n}匹配前体面表达式n次5元字符{n,}匹配前体面表达式>=n次6元字符{n,m}匹配前体面表达式n~m次，包括n和m，m>=n例如：abc{1,3} 意思是匹配abc，abcabc，abcabcabc三种情况7元字符子表达式1|子表达式2匹配子表达式1和子表达式2，例如：abc|123，表示匹配abc大概123两种情况 3 典范案例

正则表达的编写有3点需要重点留意：
第一，先确定要目的的完备定义，并针对正则表达式需要计划全量的测试用例场景；
第二，特别字符大概会应用到普通字符场景，一定要举行转移；
第三，重新审视写完的正则表达式，举行精简。
3.1 正整数

正则表达式要告竣的目的定义：
和整数一样，正整数也是一个可数的无限聚集。在数论中，正整数，即1、2、3……；但在聚集论和计算机科学中，自然数则通常是指非负整数，即正整数与0的聚集，也可以说成是除了0以外的自然数就是正整数。正整数又可分为质数，1和合数。正整数可带正号（+），也可以不带。
具体写法：

1. 写法1：
2. \+{0,1}[1-9][0-9]{1,}|\+{0,1}[1-9]
3. 写法2：
4. \+?[1-9][0-9]+|\+?[1-9]
5. 写法3：
6. \+?[1-9]\d+|\+?[1-9]
7. 写法4：
8. \+{0,1}[1-9][0-9]{0,}
9. 写法5：
10. \+?[1-9]\d*

复制代码

其中涉及到转义字符、元字符？ * {} 等的利用，需要特别小心。
3.2 IPv4类型的IP地址

3.2.1 点分10进制表示格式

正则表达式要告竣的目的定义：
点分10进制表示格式是IP地址的尺度表示方法。在这种格式中，IP地址由四个部分组成，每个部分是一个0到255之间的整数，各部分之间用点（.）分隔。例如，一个有用的IP地址大概是192.168.1.1。这种格式的优点是易于阅读和排序，同时也方便举行数学计算。每个部分代表一个8位的二进制数，因此整个IP地址可以表示一个32位的二进制数。这种格式也方便网络装备和软件举行解析和处理。
具体写法：
下面的写法是针对给定一个字符串来准确判断是否为有用IPv4地址的正则表达式：

1. ^((25[0-5]|2[0-4]\d|1\d{2}|[1-9]\d|\d)\.){3}(25[0-5]|2[0-4]\d|1\d{2}|[1-9]\d|\d)$

复制代码

假如只是想要简单的从日志等文本文件中抓出类似IPv4地址格式的内容，可以利用下面的正则表达式：

1. (\d+\.){3}(\d+)

复制代码

通过这种方式可以抓全相干的类似IPv4点分格式的文本，假如用上面去掉开头^和结尾$，有的时间匹配的情况的结果大概会存在截断的结果，从日志分析上看，还不如下面这个短的方式来的方便。
但是，
要留意，不是所有的地方都会支持各种特别简写的方式，好比：
简单的[0-9] 不是所有地方都支持\d的简写方式，现实应用的时间要留意识别，制止堕落。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

继续阅读请点击广告