欢迎大家来到IT世界,在知识的湖畔探索吧!

第一回 初来乍到

NPC: “欢迎来到正则表达式的国度，勇士！这里的每一个人都使用正则表达式，我是这里的 NPC，每一个来到这里的人都将由我代为介绍正则世界的规则，至于能领悟到何种境界，就看你的造化了。祝你好运，勇士！”

你：”啊，好的，正则表达式……有点奇怪的名字，它是什么呢？”

NPC：”什么？你还没有听过正则表达式，真是一个莽撞的小伙子。看来你也和外面世界的人一样，每次只有用到字符串匹配 时，才会通过「谷鸽」来我们的国度寻找答案。一群知其然不知其所以然的家伙。”

说着，NPC 身前浮现出几个鎏金大字：

正则表达式：用来匹配一系列符合某个规则的字符串的表达式。

“正则的意思是正规、规则。正则表达式的英文名是 Regular Expression，可以直译为描述某种规则的表达式，一般缩写为 regex” ，NPC 缓缓说道。

第二回 牛刀小试

NPC：”我先来考考你吧：你如何判断一个字符串是不是有效的电话号码？这可是一个非常常见的需求。”

你：”没问题，我以前确实写过一份类似的代码。首先判断字符串是否是 11 位，再判断每一位是否都是数字就可以了。”

NPC：”好了好了，快把你这份代码藏好，这份代码放到我们正则的国度是会被笑掉大牙的。看看我们国度的人是怎么实现这份需求的吧！”

你：”啊？如此简洁的实现，正则强者竟恐怖如斯！”

NPC：”这可不是什么强者写的代码，充其量算是牛刀小试罢了。”

第三回 初窥门径

NPC：”我先给你讲讲正则表达式的精确匹配。一个普通的字符串，比如 abc，它如果用来做正则表达式匹配的话，只能匹配自己。也就是说它只能匹配字符串 abc，不能匹配 ab，Abc 等其他任何字符串。”

你：”这好像没什么用，需要精确匹配的话，我们可以用 String.equals()函数，不需要用正则吧？”

NPC：”没错，正则表达式的精确匹配很少用到。我只是在给你介绍正则表达式的一条基本规则而已。”

NPC：”如果需要匹配的字符串含有特殊字符，那就需要用 \转义。比如 a&b，在用正则表达式匹配时，需要使用 a\&b，又由于在 Java 字符串中，\ 也是特殊字符，它也需要转义，所以 a\&b 对应的 Java 字符串是 a\\&b，它是用来匹配 a&b 的。”

你：”这么说来，这两个反斜杠的意义竟然还不一样：一个是正则的转义，一个是 Java 字符串的转义。那么我们之前那个匹配电话号码的例子里面， \\d的本意也是 \d吗？”

NPC：”不错不错，算你还有点悟性。\d在正则表达式中表示匹配任意数字，d 是 digital 的简写。比如 00\d就可以匹配 000， 007，008等等。”

你：”那么，00\d可以匹配 0066吗？”

NPC：”不能，\d只能匹配单个数字。”

你：”那我要怎么才能匹配多个数字呢？”

NPC：”你可以写多次，比如 \d\d就能匹配两个数字，\d\d\d能匹配三个数字，需要匹配几个数字就写几次就行了。”

你：”那我如果要匹配 10000 个数字呢？总不能写一万次吧？”

NPC：”那就像我们刚才匹配电话号码的例子一样，在 \d 后面打上花括号 {}，{n} 表示匹配 n 次。\d{10000} 就表示匹配 10000 个数字。”

你：”原来如此，现在我能完全看懂刚才写的匹配电话号码的例子了！”

NPC：”趁热打铁，如果要匹配 n ~ m 次，用 {n,m}即可，如果要匹配至少 n次，用 {n,}即可。需要注意，后不能有空格。”

“按照这个写法，如果要匹配最多 m次，是不是用 {,m}？ “你若有所思。
NPC：”刚夸了你有点悟性又被你蠢哭了，最多 m 次需要这么写吗？直接用 {0,m}不就行了吗？只是因为正无穷不好表示我们才用的 {n,}，在正则国度根本没有 {,m}这样的写法。 “

你：”啊，原来如此，我想多了。”

第四回 小有所成

NPC：”正则的基础规则中，除了 \d，还有 \w和\s，w 是 word 的简写，表示匹配一个常用字符，包括字母、数字、下划线。s 是 space 的简写，表示匹配一个空格，包括三种：

• 空格键打出来的空格
• Tab 键打出来的空格
• 回车键打出来的空格”

你：”Tab 键打出来的空格和回车键打出来的空格？是指 \t和 \n吗？”

NPC：”完全正确。”

你：”我明白了，我来测试一下。”

NPC：”非常棒，我的勇士！希望这三个基本规则还不至于让你记昏了头。不过请放心，没有其他字母需要记忆了，只有这三个而已。”

第五回 更进一步

NPC：”记住上面三个规则之后，你还可以顺带获得几个新的规则。因为正则国度规定：将字母换成大写，就表示相反的意思。用 \d你可以匹配一个数字，\D则表示匹配一个非数字。”

你：”哈，设计者真是太机智了，大大减少了我这种新手的学习成本。”

NPC：”是的，这非常好记。类似地，\W 可以匹配 \w 不能匹配的字符，\S 可以匹配 \s 不能匹配的字符。”

第六回 渐入佳境

NPC：”有时候，我们对某些位置的字符没有要求，仅需要占个位置即可。这时候我们就可以用 . 字符。”

你：”那是不是也可以理解为：.可以匹配任意字符。”

NPC：”是的，可以这么理解。还记得之前说的 {n}表示匹配 n次吗？有时候，我们对匹配的次数没有要求，匹配任意次均可，这时，我们就可以用 *字符。”

你：”我有疑问，为什么第三个表达式也会输出 true 呢？明明没有出现数字啊？”

NPC：”那意味着出现了 0 次，* 是指 可以匹配任意次，包括 0 次。也就是说，* 等价于 {0,}”

你：”我感觉比较常见的需求应该是某个字符至少出现一次吧？”

NPC：”那就可以用 +匹配，+表示 至少匹配一次。它等价于 {1,}”

你：”哈哈，看来设计者也发现了这个需求更常用。平时 +号比 *号用得多吧”！你感觉自己猜到了语法设计者的想法，洋洋得意地对 NPC 说道。

“这倒没人统计过”，NPC 白了你一眼，”在我们正则的国度，常常是一个场景一个正则，不存在谁比谁更常用的对比，按照实际场景使用就行了。”

NPC：”还有一种场景，如果某个字符要么匹配 0 次，要么匹配 1 次，我们就可以用 ? 匹配。它等价于 {0,1}”

你：” .匹配任意字符；*匹配任意次，包括 0 次；+号匹配至少 1 次，?匹配 0 次或 1 次。我记住了！”

第七回 心浮气躁

一下子掌握了这么多的正则匹配规则的你有点飘飘然，于是你对 NPC 说道：”我感觉我已经掌握了够多的匹配规则，足以应付所有的字符串匹配场景了！”

NPC：”是的，你已经掌握了足够多的规则，勇士。可先别得意得太早，我再考考你吧。看看匹配电话号码的程序，如果我们规定电话号码不能以 0 开头，应该怎么写正则表达式呢？”

“不能以 0 开头，那就不能用\d{11}了，这……”，你抓耳挠腮，为难起来。

这时，调皮的 NPC 学着你刚才的样子，说道：”我已经掌握了足够多的匹配规则，足以应付所有的字符串匹配场景了！”

你：”呃，还差一点……快别取笑我了，快告诉我这个要用什么新的规则吧！”

“年轻人啊，总是心浮气躁”，NPC 摇了摇头，”这样的场景需要用 [] 来匹配，[] 用于匹配指定范围内的字符，比如[123456789] 可以匹配 1~9。”

你：”啊哈，那我就知道怎么写了， 这个问题的正则匹配规则是[123456789]\d{10}。”

NPC：”就是这样。这里还有一个语法糖，[123456789] 写起来太麻烦，可以写作 [1-9]。”

你：”只能用于数字吗？可以用在字母身上吗？”

NPC：”当然可以，比如 [a-g] 表示 [abcdefg]，[U-Z] 表示 [UVWXYZ]。”

你：”但如果既可以是数字 1~9，又可以是字母 a~g，还可以是字母 U~Z，还是得把所有范围列出来。”

NPC：”不必，你还可以这么写：[1-9a-gU-Z]。”

你：”这可真是太方便了！如果是 0~1，8~9 可以这样组合吗？”

NPC：”那样的话，你写 [0189] 不是更简洁吗？”

你：”我想学习（装 X）。”

NPC：”那当然也是可以的，[0-18-9] 正是你想要的。由于正则一次只匹配一个字符，所以这样写并不会有歧义，也就是说计算机不会把这种写法误解成要匹配 0~18 之类的。”

NPC：”还有一种写法可以实现这一点，那就是用 或 运算符，正则的 或 运算符是 |，[0189]也可以写作 0|1|8|9。”

你：”所以说范围就是 或 的简写，对吗？”

NPC：”不对，或 可以实现更多的功能，它并不局限于单个字符。”

你：”如果我想排除某些字符呢？比如这个位置不能是 [123]。我记得你之前说正则王国以大写表示取反，[]要怎么大写呢？”

NPC：”[]可没有大写之说，[]取反的方式是：[^]，比如不能是 [123]的表示方法为 [^123]或者 [^1-3]”

你：”原来如此，我懂了。现在还有什么规则我没有学到的吗？”

NPC：”新手教程到这里就结束了，这已经足够你应付许多应用场景了。但我这还有两本高手秘籍，你想不想学呢？”

你：”高手秘籍！听着都让人激动啊，快讲讲！”

第八回 探囊取物

NPC：”这第一本秘籍的名字叫 探囊取物。考虑一个实际需求，有许许多多以下格式的字符串，你需要用正则表达式匹配出其姓名和年龄。

• Name:Aurora Age:18
• 其中还夹杂着一些无关紧要的数据
• Name:Bob Age:20
• 错误的数据有着各种各样错误的格式
• Name:Cassin Age:22
• …”

你：”没问题，这已经难不倒我了。让我想想……观察字符串的规则，只需要用 Name:\w+\s*Age:\d{1,3} 就能匹配了。”

NPC：”很好！一般来说，下一步你要做的就是取出这些表达式中的姓名和年龄，以便把它们存到数据库中。”

你：”那我可以用 indexOf 和 subString 函数来取这些值。 “

NPC：”的确可行，但你现在不需要那个蠢办法了，我的勇士。你已经掌握了正则的力量，在我们正则国度有更简洁的取值方式。”

NPC：”看吧，只要用 ()将需要取值的地方括起来，传给 Pattern 对象，再用 Pattern 对象匹配后获得的 Matcher 对象来取值就行了。每个匹配的值将会按照顺序保存在 Matcher 对象的 group 中。”

NPC：”你可以看到我用 ()把 \\w+和 \\d{1,3}分别括起来了，判断 Pattern 对象与字符串是否匹配的方法是 Matcher.matches()，如果匹配成功，这个函数将返回 true，如果匹配失败，则返回 false。”

你：”这里是不是写错了，为什么 group 是从下标 1 开始取值的，计算机不都从 0 开始数吗？”

NPC：”并没有写错，这是因为 group(0) 被用来保存整个匹配的字符串了。”

你：”原来是这样，分组可真是太方便了。但我们之前都是用的 String.matches方法来匹配的正则表达式，这里用的 Pattern 又是什么呢？”

NPC：”想知道这个问题的答案的话，我们不妨来看一下 String.matches方法的源码。”

“源码中调用了 Pattern.matches方法，我们再跟进去。”

你：”啊，我明白了！原来 Pattern 并不是什么新鲜东西，String.matches内部就是调用的 Pattern，两种写法的原理是一模一样的！”

NPC：”没错，并且阅读源码之后，你可以发现，每次调用 String.matches函数，都会新建出一个 Pattern 对象。所以如果要用同一个正则表达式多次匹配字符串的话，最佳的做法不是直接调用 String.matches方法，而应该先用正则表达式新建一个 Pattern 对象，然后反复使用，以提高程序运行效率。”

第九回 移花接木

NPC：”我这第二本秘籍名为 移花接木。再考虑一个实际场景：你有一个让用户输入标签的输入框，用户可以输入多个标签。可是你并没有提示用户，标签之前用什么间隔符号隔开。”

你：”你还别说，我之前真遇到过这个问题。结果用户的输入五花八门，有用逗号的，有用分号的，有用空格的，还有用制表符的……”

• 二分，回溯，递归，分治
• 搜索；查找；旋转；遍历
• 数论 图论 逻辑 概率

NPC：”那你是怎么解决的呢？”

你：”用 String.split 函数呗，这个函数我已经用得很熟练了。将各种分隔符号依次传入尝试，最后总算是解决了。”

输出为：

这时，你看到 NPC 露出了心痛的表情：”暴殄天物啊！你这种行为就好比拿着精心打磨的钻石当电钻头，这样的代码在我们正则王国是会遭人唾骂的。”

你：”String.split 函数不就是用来分割字符串的吗？”

NPC：”当然是，但 split 函数可不是你这样用的，不知你是否看过 split 函数的源码，这个函数传入的参数实际上是一个正则表达式。”

你：”啊？但我之前没写过正则表达式，分割出来也没出错啊！”

NPC：”当然，你忘了我最开始给你讲的了吗？你直接使用字符串，在正则王国属于精确匹配，只能匹配你写死的那个字符串。”

你：”原来如此。那么我应该怎么做呢？”

NPC：”当然是用正则表达式模糊匹配，只要能匹配成功，就以其分割。”

输出为：

你：”原来 split 函数这么强大，我以后不会犯这种错误了！”

NPC：”字符串中，可不止这一个函数是传入的正则表达式，你还记得替换所有匹配字符串用的什么函数吗？”

你：”用的是 replaceAll 函数，这个函数不会也是传的正则表达式吧！”

NPC：”正是这样，所以我们可以用正则表达式模糊匹配，将符合规则的字符串全部替换掉。比如就现在这个例子，我们可以把用户输入的所有数据统一规范为使用 ; 分隔，那我们就可以这样写。”

输出为：

你：”果然是 移花接木，模糊匹配比精确匹配效率高多了！”

NPC：”还不止这一点，在 replaceAll 的第二个参数中，我们可以通过 $1，$2，…来反向引用匹配到的子串。只要将需要引用的部分用 ()括起来就可以了。”

输出为：

你：”哈，有时候我们不需要替换，只需要将正则匹配出来的部分添加一些前缀或后缀，就可以用这种方式！”

NPC：”完全正确。”

第十回 蓦然回首

NPC：”恭喜你学完了所有的正则教程，现在你知道正则表达式是什么了吧。”

你：”没错，以前总感觉正则表达式晦涩难懂，每次用到时就去网上搜索答案，现在看来也不过如此。”

NPC：”说 不过如此 倒是有些托大了，虽然我给你介绍了正则表达式的基本规则，但正则表达式里面还有不少的学问可以去挖掘的。每种技术都有一个熟能生巧的过程。”

你：”什么？还有学问？我感觉我已经学完了啊！还有什么学问，一并给我讲了吧！”

NPC：”那你看这样一道题：给你一些字符串，统计其末尾 e 的个数：

• LeetCode
• LeetCodeeee
• LeetCodeee”

你：”看起来并不难，用 (\w+)(e*) 匹配，再取 group(2) 判断即可。”

NPC：”你运行一下试试看。”

输出如下：

你：”怎么会这样？我期望的结果是 group1 等于 LeetCod，group2 等于 e 才对啊！”

NPC：”这是因为 e 仍然属于 \w 能匹配的范畴，正则表达式默认会尽可能多地向后匹配，我们王国将其称之为 贪婪匹配。”

你：”贪婪匹配，听起来和贪心算法有异曲同工之妙。”

NPC：”没错，贪婪匹配和贪心算法原理是一致的。与之对应的匹配方式叫做 非贪婪匹配，非贪婪匹配 会在能匹配目标字符串的前提下，尽可能少的向后匹配。”

你：”那么，我要怎样指定匹配方式为非贪婪匹配呢？”

NPC：”也很简单，在需要非贪婪匹配的正则表达式后面加个 ? 即可表示非贪婪匹配。”

运行程序，输出如下：

你：”这里也用的是 ?，我记得之前 ?表示的是匹配 0 次或者 1 次，两个符号不会混淆吗？”

NPC：”不会混淆的，你仔细想一想就能明白了，如果只有一个字符，那就不存在贪婪不贪婪的问题，如果匹配多次，那么表示非贪婪匹配的 ?前面必有一个标志匹配次数的符号。所以不会出现混淆。”

你：”最后一个问题，为什么这里没有匹配成 group1 等于 L，group2 等于 ee…… 哦我明白了，如果这样匹配的话，字符串 LeetCode就无法和正则表达式匹配起来。怪不得非贪婪匹配的定义是 在能匹配目标字符串的前提下，尽可能少的向后匹配。”

NPC：”就是这个原理，看来你是真的完全明白了。”

第十一回 最终考验

NPC：”天下没有不散的宴席，是时候说再见了。虽然我能教你的，或是说想与你探讨的，还不止这些内容，但授人以鱼不如授人以渔，以后遇到正则相关的问题，还是要靠你自己动脑思考。”

你：”这么快就要告别了吗？不知道为什么，竟然还有点舍不得……”

NPC：”我最后再出一道题考考你，你就可以从正则王国顺利毕业了。来看下你的题目吧：我们王国有一个人口吃，请你帮忙矫正他。他今天说：肚…子。。好饿……..，….早知道…..当…..初…。。。多…..刷…..点。。。力…..扣了………！”

你：”ez，只需要用 str.replaceAll(__, __) 就可以解决了！”

互动话题：

嘿，说你呢！在留言区写下你的答案吧！

本文作者：Alpinist Wang

声明：本文归 “力扣” 版权所有，如需转载请联系。