濮阳杆衣贸易有限公司

主頁 > 知識庫 > 讀懂正則表達式就這么簡單

讀懂正則表達式就這么簡單

熱門標簽:地圖標注商戶中心要收錢多少 菏澤智能ai電銷機器人銷售公司 400免費電話去哪申請 鄂州人工智能電銷機器人軟件 css百度地圖標注位置顯示 宿遷智能外呼系統(tǒng)供應商 線上教育ai外呼系統(tǒng) 地圖標注字母的軟件 實用地圖標注app

一 前言

  對于正則表達式,相信很多人都知道,但是很多人的第一感覺就是難學,因為看第一眼時,覺得完全沒有規(guī)律可尋,而且全是一堆各種各樣的特殊符號,完全不知所云。

其實只是對正則不了解而以,了解了你就會發(fā)現(xiàn),原來就這樣啊正則所用的相關字符其實不多,也不難記,更不難懂,唯一難的就是組合起來之后,可讀性比較差,而且不容易理解,本文旨在讓大家對正則有一個基本的了解,能看得懂簡單的正則表達式,寫得出簡單的正則表達式,用以滿足日常開發(fā)中的需求即可。

0\d{2}-\d{8}|0\d{3}-\d{7} 先來一段正則,如果你對正則不了解,是不是完全不知道這一串字符是什么意思?這不要緊文章會詳細解釋每個字符的含義的。

1.1 什么是正則表達式

     正則表達式是一種特殊的字符串模式,用于匹配一組字符串,就好比用模具做產(chǎn)品,而正則就是這個模具,定義一種規(guī)則去匹配符合規(guī)則的字符。

1.2 常用的正則匹配工具

     在線匹配工具:

  1 http://www.regexpal.com/

      2 http://rubular.com/

     正則匹配軟件 McTracer

      用過幾個之后還是覺得這個是最好用的,支持將正則導成對應的語言如java C# js等還幫你轉義了,Copy直接用就行了很方便,另外支持把正則表達式用法解釋,如哪一段是捕獲分組,哪段是貪婪匹配等等,總之用起來 So Happy .

二 正則字符簡單介紹

2.1 元字符介紹

   "^" :^會匹配行或者字符串的起始位置,有時還會匹配整個文檔的起始位置。

   "$"  :$會匹配行或字符串的結尾

    如圖

         而且被匹配的字符必須是以This開頭有空格也不行,必須以Regex結尾,也不能有空格與其它字符

 "\b" :不會消耗任何字符只匹配一個位置,常用于匹配單詞邊界 如 我想從字符串中"This is Regex"匹配單獨的單詞 "is" 正則就要寫成 "\bis\b" 

    \b 不會匹配is 兩邊的字符,但它會識別is 兩邊是否為單詞的邊界

 "\d": 匹配數(shù)字,

    例如要匹配一個固定格式的電話號碼以0開頭前4位后7位,如0737-5686123  正則:^0\d\d\d-\d\d\d\d\d\d\d$ 這里只是為了介紹"\d"字符,實際上有更好的寫法會在     下面介紹。

 "\w":匹配字母,數(shù)字,下劃線.

    例如我要匹配"a2345BCD__TTz" 正則:"\w+"  這里的"+"字符為一個量詞指重復的次數(shù),稍后會詳細介紹。

 "\s":匹配空格

    例如字符 "a b c" 正則:"\w\s\w\s\w"  一個字符后跟一個空格,如有字符間有多個空格直接把"\s" 寫成 "\s+" 讓空格重復

  ".":匹配除了換行符以外的任何字符

    這個算是"\w"的加強版了"\w"不能匹配 空格 如果把字符串加上空格用"\w"就受限了,看下用 "."是如何匹配字符"a23 4 5 B C D__TTz"  正則:".+"

  "[abc]": 字符組  匹配包含括號內元素的字符

        這個比較簡單了只匹配括號內存在的字符,還可以寫成[a-z]匹配a至z的所以字母就等于可以用來控制只能輸入英文了,

2.2 幾種反義

  寫法很簡單改成大寫就行了,意思與原來的相反,這里就不舉例子了

   "\W"   匹配任意不是字母,數(shù)字,下劃線 的字符

   "\S"   匹配任意不是空白符的字符

 "\D"  匹配任意非數(shù)字的字符

   "\B"  匹配不是單詞開頭或結束的位置

   "[^abc]"  匹配除了abc以外的任意字符

 2.3  量詞

  先解釋關于量詞所涉及到的重要的三個概念

    貪婪(貪心) 如"*"字符 貪婪量詞會首先匹配整個字符串,嘗試匹配時,它會選定盡可能多的內容,如果 失敗則回退一個字符,然后再次嘗試回退的過程就叫做回溯,它會每次回退一個字符,直到找到匹配的內容或者沒有字符可以回退。相比下面兩種貪婪量詞對資源的消耗是最大的,

   懶惰(勉強) 如 "?"  懶惰量詞使用另一種方式匹配,它從目標的起始位置開始嘗試匹配,每次檢查一個字符,并尋找它要匹配的內容,如此循環(huán)直到字符結尾處。

   占有  如"+" 占有量詞會覆蓋事個目標字符串,然后嘗試尋找匹配內容 ,但它只嘗試一次,不會回溯,就好比先抓一把石頭,然后從石頭中挑出黃金

     "*"(貪婪)   重復零次或更多

     例如"aaaaaaaa" 匹配字符串中所有的a  正則: "a*"   會出到所有的字符"a"

     "+"(懶惰)   重復一次或更多次

       例如"aaaaaaaa" 匹配字符串中所有的a  正則: "a+"  會取到字符中所有的a字符,  "a+"與"a*"不同在于"+"至少是一次而"*" 可以是0次,

       稍后會與"?"字符結合來體現(xiàn)這種區(qū)別

     "?"(占有)   重復零次或一次

       例如"aaaaaaaa" 匹配字符串中的a 正則 : "a?" 只會匹配一次,也就是結果只是單個字符a

   "{n}"  重復n次

       例如從"aaaaaaaa" 匹配字符串的a 并重復3次 正則:  "a{3}"  結果就是取到3個a字符  "aaa";

   "{n,m}"  重復n到m次

       例如正則 "a{3,4}" 將a重復匹配3次或者4次 所以供匹配的字符可以是三個"aaa"也可以是四個"aaaa" 正則都可以匹配到

     "{n,}"  重復n次或更多次

       與{n,m}不同之處就在于匹配的次數(shù)將沒有上限,但至少要重復n次 如 正則"a{3,}" a至少要重復3次

 把量詞了解了之后之前匹配電話號碼的正則現(xiàn)在就可以改得簡單點了^0\d\d\d-\d\d\d\d\d\d\d$ 可以改為"^0\d+-\d{7}$"。

這樣寫還不夠完美如果因為前面的區(qū)號沒有做限定,以至于可以輸入很多們,而通常只能是3位或者4位,

現(xiàn)在再改一下 "^0\d{2,3}-\d{7}"如此一來區(qū)號部分就可以匹配3位或者4位的了

 2.4 懶惰限定符

  "*?"   重復任意次,但盡可能少重復

      如 "acbacb"  正則  "a.*?b" 只會取到第一個"acb" 原本可以全部取到但加了限定符后,只會匹配盡可能少的字符 ,而"acbacb"最少字符的結果就是"acb"

  "+?"  重復1次或更多次,但盡可能少重復

     與上面一樣,只是至少要重復1次

  "??"  重復0次或1次,但盡可能少重復

      如 "aaacb" 正則 "a.??b" 只會取到最后的三個字符"acb"

  "{n,m}?"  重復n到m次,但盡可能少重復

          如 "aaaaaaaa"  正則 "a{0,m}" 因為最少是0次所以取到結果為空

  "{n,}?"    重復n次以上,但盡可能少重復

          如 "aaaaaaa"  正則 "a{1,}" 最少是1次所以取到結果為 "a"

三  正則進階

     3.1 捕獲分組

  先了解在正則中捕獲分組的概念,其實就是一個括號內的內容 如 "(\d)\d" 而"(\d)" 這就是一個捕獲分組,可以對捕獲分組進行 后向引用 (如果后而有相同的內容則可以直接引用前面定義的捕獲組,以簡化表達式) 如(\d)\d\1 這里的"\1"就是對"(\d)"的后向引用

那捕獲分組有什么用呢看個例子就知道了

如  "zery zery" 正則 \b(\w+)\b\s\1\b 所以這里的"\1"所捕獲到的字符也是 與(\w+)一樣的"zery",為了讓組名更有意義,組名是可以自定義名字的

"\b(?name>\w+)\b\s\kname>\b" 用"?name>"就可以自定義組名了而要后向引用組時要記得寫成 "\kname>";自定義組名后,捕獲組中匹配到的值就會保存在定義的組名里

下面列出捕獲分組常有的用法

"(exp)"    匹配exp,并捕獲文本到自動命名的組里

"(?name>exp)"   匹配exp,并捕獲文本到名稱為name的組里

"(?:exp)"  匹配exp,不捕獲匹配的文本,也不給此分組分配組號

以下為零寬斷言

"(?=exp)"  匹配exp前面的位置

  如 "How are you doing" 正則"(?txt>.+(?=ing))" 這里取ing前所有的字符,并定義了一個捕獲分組名字為 "txt" 而"txt"這個組里的值為"How are you do";

"(?=exp)"  匹配exp后面的位置

  如 "How are you doing" 正則"(?txt>(?=How).+)" 這里取"How"之后所有的字符,并定義了一個捕獲分組名字為 "txt" 而"txt"這個組里的值為" are you doing";

"(?!exp)"  匹配后面跟的不是exp的位置

  如 "123abc" 正則 "\d{3}(?!\d)"匹配3位數(shù)字后非數(shù)字的結果

"(?!exp)"  匹配前面不是exp的位置

  如 "abc123 " 正則 "(?![0-9])123" 匹配"123"前面是非數(shù)字的結果也可寫成"(?!\d)123"

四  正則實戰(zhàn)

  正則在做驗證,與數(shù)據(jù)過濾時體現(xiàn)的威力是巨大的,我想用過的朋友都知道,下面我們把剛剛了解的全部結合起來做一次實戰(zhàn) 做數(shù)據(jù)采集用正則過濾Html標簽并取相應的數(shù)據(jù)

我們的戰(zhàn)場就選在博客園吧,假設現(xiàn)在要采集博客園首頁的所有文章信息 包括文章標題,鏈接接 作者博客地址,文章簡介,文章發(fā)布時間,閱讀數(shù)據(jù),評論數(shù) ,推薦數(shù)。

先看博客園文章的Html格式

div class="post_item">
div class="digg">
 div class="diggit" onclick="DiggIt(3439076,120879,1)"> 
 span class="diggnum" id="digg_count_3439076">4/span>
 /div>
 div class="clear">/div> 
 div id="digg_tip_3439076" class="digg_tip">/div>
/div> 
div class="post_item_body">
 h3>a class="titlelnk"  target="_blank">分享完整的項目工程目錄結構/a>/h3>   
 p class="post_item_summary">
a  target="_blank">img width="48" height="48" class="pfs" src="http://pic.cnitblog.com/face/142964/20131116170946.png" alt=""/>/a> 在項目開發(fā)過程中,如何有序的保存項目中的各類數(shù)據(jù)文件,建立一個分類清晰、方便管理的目錄結構是非常重要的。 綜合以前的項目和一些朋友的項目結構,我整理了一份我覺得還不錯的項目目錄結構。 在這里分享給大家,歡迎各位提出你寶貴的意見和建議。如果喜歡請“推薦”則個,感激萬分??! 整個目錄設置到4級子目錄,實... 
 /p>  
 div class="post_item_foot">   
 a  class="lightblue">七少爺/a> 
 發(fā)布于 2013-11-23 15:48 
 span class="article_comment">a  title="2013-11-23 16:40" class="gray">
 評論(4)/a>/span>span class="article_view">a  class="gray">閱讀(206)/a>/span>/div>
/div>
div class="clear">/div>
/div>

 通過構造一個Http請求來取到數(shù)據(jù)并對數(shù)據(jù)進行相應處理得到關鍵信息,在過濾Html標簽取文章時正則的強大的威力就體現(xiàn)出來了,

正則的知識點也都基本用上了比如 "\s \w+ . * ? "還有捕獲分組,零寬斷言等等。喜歡的朋友可以試一試,然后自己看如何通過正則取相應數(shù)據(jù)的,代碼中的正則都是很基本簡單的,其意思與用法都在上文中詳細寫了。

class Program
 {
 static void Main(string[] args)
 {
  string content = HttpUtility.HttpGetHtml();
  HttpUtility.GetArticles(content);
 }
 }
 internal class HttpUtility
 {
 //默認獲取第一頁數(shù)據(jù)
 public static string HttpGetHtml()
 {
  HttpWebRequest request = (HttpWebRequest)WebRequest.Create("http://www.cnblogs.com/");
  request.Accept = "text/plain, */*; q=0.01";
  request.Method = "GET";
  request.Headers.Add("Accept-Language", "zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3");
  request.ContentLength = 0;
  request.Host = "www.cnblogs.com";
  request.UserAgent = "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.1 (KHTML, like Gecko) Maxthon/4.1.3.5000 Chrome/26.0.1410.43 Safari/537.1";
  HttpWebResponse response = (HttpWebResponse)request.GetResponse();
  Stream responStream = response.GetResponseStream();
  StreamReader reader = new StreamReader(responStream, Encoding.UTF8);
  string content = reader.ReadToEnd();
  return content;
 }
 public static ListArticle> GetArticles(string htmlString)
 {
  ListArticle> articleList = new ListArticle>();
  Regex regex = null;
  Article article = null;
  regex = new Regex("div class=\"post_item\">(?content>.*?)(?=div class=\"clear\">" + @"/div>\s*/div>)",
    RegexOptions.Singleline);
  if (regex.IsMatch(htmlString))
  {
  MatchCollection aritcles = regex.Matches(htmlString);
  foreach (Match item in aritcles)
  {
   article = new Article();
   //取推薦
   regex =
   new Regex(
    "div class=\"digg\">.*span.*>(?digNum>.*)" + @"/span>" +
    ".*div class=\"post_item_body\">", RegexOptions.Singleline);
   article.DiggNum = regex.Match(item.Value).Groups["digNum"].Value;
   //取文章標題 需要去除轉義字符
   regex = new Regex("h3>(?a>.*)/h3>", RegexOptions.Singleline);
   string a = regex.Match(item.Value).Groups["a"].Value;
   regex = new Regex("a\\s.*href=\"(?href>.*?)\".*>(?summary>.*)/a>", RegexOptions.Singleline);
   article.AritcleUrl = regex.Match(a).Groups["href"].Value;
   article.AritcleTitle = regex.Match(a).Groups["summary"].Value;
   //取作者圖片 
   regex = new Regex("a.*>(?img>img[^>].*>)/a>", RegexOptions.Singleline);
   article.AuthorImg = regex.Match(item.Value).Groups["img"].Value;
   //取作者博客URL及鏈接的target屬性
   regex = new Regex("a\\s*?href=\"(?href>.*)\"\\s*?target=\"(?target>.*?)\">.*/a>",
     RegexOptions.Singleline);
   article.AuthorUrl = regex.Match(item.Value).Groups["href"].Value;
   string urlTarget = regex.Match(item.Value).Groups["target"].Value;
   //取文章簡介
   //1 先取summary Div中所有內容
   regex = new Regex("p class=\"post_item_summary\">(?summary>.*)/p>", RegexOptions.Singleline);
   string summary = regex.Match(item.Value).Groups["summary"].Value;
   //2 取簡介
   regex = new Regex("(?indroduct>(?=/a>).*)", RegexOptions.Singleline);
   article.AritcleInto = regex.Match(summary).Groups["indroduct"].Value;
   //取發(fā)布人與發(fā)布時間
   regex =
   new Regex(
    "div class=\"post_item_foot\">\\s*a.*?>(?publishName>.*)/a>(?publishTime>.*)span class=\"article_comment\">",
    RegexOptions.Singleline);
   article.Author = regex.Match(item.Value).Groups["publishName"].Value;
   article.PublishTime = regex.Match(item.Value).Groups["publishTime"].Value.Trim();
   //取評論數(shù)
   regex =
   new Regex(
    "span class=\"article_comment\">a.*>(?comment>.*)/a>/span>span class=\"article_view\">",
    RegexOptions.Singleline);
   article.CommentNum = regex.Match(item.Value).Groups["comment"].Value;
   //取閱讀數(shù)
   regex = new Regex("span\\s*class=\"article_view\">a.*>(?readNum>.*)/a>", RegexOptions.Singleline);
   article.ReadNum = regex.Match(item.Value).Groups["readNum"].Value;
   articleList.Add(article);
  }
  }
  return articleList;
 }
 public static string ClearSpecialTag(string htmlString)
 {
  string htmlStr = Regex.Replace(htmlString, "\n", "", RegexOptions.IgnoreCase);
  htmlStr = Regex.Replace(htmlStr, "\t", "", RegexOptions.IgnoreCase);
  htmlStr = Regex.Replace(htmlStr, "\r", "", RegexOptions.IgnoreCase);
  htmlStr = Regex.Replace(htmlStr, "\"", "'", RegexOptions.IgnoreCase);
  return htmlStr;
 }
 }
 public class Article
 {
 /// summary>
 /// 文章標題
 /// /summary>
 public string AritcleTitle { get; set; }
 /// summary>
 /// 文章鏈接
 /// /summary>
 public string AritcleUrl { get; set; }
 /// summary>
 /// 文章簡介
 /// /summary>
 public string AritcleInto { get; set; }
 /// summary>
 /// 作者名
 /// /summary>
 public string Author { get; set; }
 /// summary>
 /// 作者地址
 /// /summary>
 public string AuthorUrl { get; set; }
 /// summary>
 /// 作者圖片
 /// /summary>
 public string AuthorImg { get; set; }
 /// summary>
 /// 發(fā)布時間
 /// /summary>
 public string PublishTime { get; set; }
 /// summary>
 /// 推薦數(shù)
 /// /summary>
 public string DiggNum { get; set; }
 /// summary>
 /// 評論數(shù)
 /// /summary>
 public string CommentNum { get; set; }
 /// summary>
 /// 閱讀數(shù)
 /// /summary>
 public string ReadNum { get; set; }
 }

 正則部分可能寫得不很完美,但至少也匹配出來了,另外因為自己也是剛接觸正則,也只能寫出這種比較簡單的正則。還望大家海涵~~

五    總結

  正則其實并不難,了解每個符號的意思后,自己馬上動手試一試多寫幾次自然就明白了,正則是出了名的坑多,隨便少寫了個點就匹配不到數(shù)據(jù)了,我也踩了很多坑,踩著踩著就踩出經(jīng)驗了。

本文也只是對正則做了很基本的介紹,還有很多正則的字符沒有介紹,只是寫了比較常用的一些。如有錯誤之處,還望在評論中指出,我會馬上修改。

好了,關于正則表達式知識就給大家介紹這么多,希望對大家有所幫助,如果大家有任何疑問歡迎給我留言,小編會及時回復大家的,在此也非常感謝大家對腳本之家網(wǎng)站的支持!

您可能感興趣的文章:
  • 正則表達式基本語法及表單驗證操作詳解【基于JS】
  • JavaScript正則表達式上之基本語法(推薦)
  • 正則表達式基本語法詳解
  • js正則表達式基本語法(精粹)
  • 關于正則表達式基本語法的應用詳解(必看篇)

標簽:梅州 鞍山 三亞 咸陽 六安 恩施 池州 綿陽

巨人網(wǎng)絡通訊聲明:本文標題《讀懂正則表達式就這么簡單》,本文關鍵詞  讀懂,正則,表達式,就,這么,;如發(fā)現(xiàn)本文內容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《讀懂正則表達式就這么簡單》相關的同類信息!
  • 本頁收集關于讀懂正則表達式就這么簡單的相關信息資訊供網(wǎng)民參考!
  • 推薦文章
    高淳县| 山东省| 赤城县| 临高县| 安岳县| 黄冈市| 平和县| 平潭县| 曲水县| 郯城县| 丰台区| 岗巴县| 普陀区| 小金县| 太谷县| 泸州市| 霍山县| 宜州市| 枣强县| 诸暨市| 泸溪县| 五原县| 米易县| 三穗县| 汶上县| 马山县| 林周县| 江达县| 右玉县| 万源市| 乌苏市| 南岸区| 平南县| 清原| 白河县| 唐河县| 辽阳县| 景洪市| 南安市| 南通市| 饶阳县|