正则表达式基础小总结（实例讲解）

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

给定一个正则表达式和另一个字符串，我们可以达到如下的目的：

1. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；

2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。

正则表达式的特点是：

1. 灵活性、逻辑性和功能性非常的强；

2. 可以迅速地用极简单的方式达到字符串的复杂控制。

3. 对于刚接触的人来说，比较晦涩难懂。

     记得我刚刚接触正则表达式的时候，看到百科举得例子，一下子就吓呆了，这是什么鬼？给人感觉就是很高深，直到我开始学正则表达式的时候，我才明白，原来正则表达式也不是想象中的那样难，反而正则表达式对于开发和运维人员来说是很基础的知识。

     我接触正则有三个阶段把，最一开始是蒙逼期，当时我编程水平还不是很高，而且我用的Java去练习正则的（一脸懵逼，怎么不用工具…），Java各种需要转义，遇到一个比较复杂的匹配式子，弄的我一直匹配不出来结果…感觉我蒙逼了很长时间，写正则总是不能顺心所欲不逾矩，每次都要调试好长时间才能匹配出正确结果。后来我用了PHP…（世界上最好的语言）PHP需要转义的地方比较少，本来我搞开发很长时间了，Java语言下的匹配基本熟悉了，换成PHP基本上我都可以匹配出来了，写很多复杂的匹配式也不怎么出错了，当时就感觉正则也就这样子吧…（很简单啊），再到后来我忘了当时我匹配什么了，一直匹配不到正确结果，我才意识到正则学问很大的，还要继续去学习正则表达式的用法。。。

     现在看来正则表达式入门不是那么难把（虽然当时我蒙逼了很长时间）举个比百科上面的简洁一点的例子，比如我有一串字符串：’我是soon，我成年了。’ 我们怎么把他的关键字提取出来呐？可以用下面的正则表达式：’/我是([\w\W]*)，我([\w\W]*)了。/’ 然后得到一共数组M，M[1]就是soon。M[2]就是成年。M[0]是整个匹配到的字符串。如果没有特殊说明我这里用的都是php下的正则表达式语法。

     基础的正则表达式概念我就不说了，网上大把多，我来根据具体例子讲解一下吧。

1        "^-?\d+$"  匹配所有整数的

^后面接- 表示所匹配的字符必须以– 开头，又因为 - 后面接 ? 表示前面的字符即– 至多为一个，\d表示匹配所有的数字，+ 表示前面的字符\d 至少为一个，$表示必须以前面的字符即 \d 结尾

扩展：当然这个不是很准确的，比如0000这种就匹配出来了，解决这种情况可以把\d分成多项进行匹配

2        [\u4e00-\u9fa5]  匹配中文字符

通过:unicode编码判断是不是中文字符

3        [^\x00-\xff]  匹配双字节字符

4        http://tz.its.csu.edu.cn/Home/Release_TZTG_zd/7C97659E2C724ADCAD6DDBCFB3A3074C  抓取该网页的正文部分 可用下面这个正则表达式

([\w\W]*?)

示例代码：

   $ch = curl_init();

curl_setopt($ch,CURLOPT_URL,'http://tz.its.csu.edu.cn/Home/Release_TZTG_zd/7C97659E2C724ADCAD6DDBCFB3A3074C');

             curl_setopt($ch,CURLOPT_RETURNTRANSFER, 1);

             $data= curl_exec($ch);

   curl_close($ch);

             $p= '/([\w\W]*?)/';

             preg_match_all($p,$data,$m);

             $result=$m[1][0];

        echo $result;

分析一下网页源码，匹配正文开头和结尾然后把中间部分输出 $M[1][0]，这里用到一个([\w\W]*?)  ?号在[\w\W]*的后面表示的是[\w\W]*这个匹配为非贪婪匹配，也就是说尽可能匹配最少的数据

5        ((?<=<(li)>)[\w\W]*?(?=()))  再看一个比较难的正则表达式，这个式子号称是万能正则表达式，他的用途很广泛，也不一定局限在举的这个例子，这个例子是处理DOM结构的文件匹配出所有li节点的内容的。下面我就来解释一下：

这里用到正反向预查的知识，?<=和?=表示零宽断言（属于非捕获匹配），他们不占用字符，不体现到最终的匹配结果中，?<= 表示后面式子（[\w\W]*?）的前面必须紧接着

同理?= 表示（[\w\W]*?）的后面必须紧接着 。\1是捕获组表示前面第一个子括号匹配的内容即 li 。因为零宽度断言的结果不体现在匹配结果中，所以这个式子匹配到的就是

中间的内容。这个式子扩展性很大，可以自己去体会咯~

6        上面的例子说到了正反向预查的知识，这个例子就讲一下正反向预查吧，这个是正则表达式里面相对复杂的部分。

假如我们想要匹配一个目标数据，这个字符串数据里面不包含“中南大学”但是包含”升华网“或者“54sh” 这样怎么搞？咋一看有点懵逼了，其实这个就要用到正反向预查的知识了。给出正则表达式：^(?!.*?(中南大学))((?=.*?升华网)|(?=.*?54sh)).+

这个式子就有点麻烦了，先分为两部分来看，第一个括号(?!.*?(中南大学))表示要匹配的数据里面没有”中南大学”；第二个括号表示要匹配的数据里面包含”升华网”或者”54sh”。因为是零宽度断言，所有数据可以反复匹配，所以我们写了三个匹配式子，每个都是匹配全部数据。?!这种其实在正则中叫做前瞻，具体介绍可以

google一下，他表示要匹配的数据中不包含”中南大学”同理 ?=表示要匹配的式子中必须包含”升华网”

下面给个图：

7        在匹配一些可嵌套的层次性结构时。如果按一般的匹配方式可能会匹配一堆堆的数据出来，为了不被搞懵，我们可以使用分组。

简单一个例子   “54sh” 匹配这个字符串 正则表达式：(?'text'54)这样匹配到的54就被压入名字叫做text的栈中了，到时候我们可以使用text名字取访问这个栈而不是0123了。当然因为他是一个栈，所以表达式如果写成(?'text'54) (?'text'sh)这样text中的栈顶元素就是sh，如果要把54输出，退掉栈顶元素即可。

下面给一个图：

 

PS:在实践中学习正则表达式是最有效率的~