9 Go Regexp 正则表达式

一、正则表达式概述

正则表达式(Regular Expression)是一种基于匹配模式的文本处理工具。它有如同一门编程语言一样的模式表示法，赋予使用者描述和分析文本的能力。关于正则表达式，其历史发展和知识体系都非常繁杂，不太可能在此全部展开，如果你对正则表达式有兴趣并愿意深入了解，推荐阅读《精通正则表达式 - Jeffrey E.F Friedl》一书，相信你会得到最全面的理解。在此我们只讲与Go相关的以及使用方式即可。

首先说说正则引擎：

目前的主流正则引擎又分为3类：一、DFA，二、传统型NFA，三、POSIX NFA。

• 目前使用DFA引擎的程序主要有：awk,egrep,flex,lex,MySQL,Procmail等；

• 使用传统型NFA引擎的程序主要有：GNU Emacs,Java,ergp,less,more,.NET语言,PCRE library,Perl,PHP,Python,Ruby,sed,vi；

• 使用POSIX NFA引擎的程序主要有：mawk,Mortice Kern Systems’ utilities,GNU Emacs(使用时可以明确指定)；

• 也有使用DFA/NFA混合的引擎：GNU awk,GNU grep/egrep,Tcl。

以上信息引用自《精通正则表达式》。可见传统NFA使用最为广泛，大多数编程语言都内置NFA引擎实现正则功能。Go与2009年面世，和其他编程语言一样，Go也内置NFA正则引擎。

全面正则表达式语法体系复杂度可比肩一门编程语言，具体使用语法请参考相关教程或工具书，在此只演示一些常用的正则规则：

常用正则规则（其他请详见官方文档）:

符号	意义
\d	数字
\D	非数字
\w	单词字符：大小写字母+数字+下划线_
\W	非单词字符
\s	空白字符：\t、\n、\r、\f之一
\S	非空白字符
.	换行符以外的任意字符
\.	一个真正的点
re+	re表示的片段出现1到多次
re*	re表示的片段出现0到多次
re?	re表示的片段出现0到1次
re{n}	re表示的片段出现n次
re{m,n}	re表示的片段出现m到n次
re{m,}	re表示的片段出现m到无限多次
re{,n}	re表示的片段出现0到n次
[abc]	a、b、c中间的一个字符
[\s\S]	习惯上表示绝对的任意字符
[a-z]	a到z中的任意一个字符
[^abc]	除了abc以外的任意字符
re1|re2	re1或re2所表示的片段
^re$	re片段匹配全文,^匹配字符串开始,$匹配字符串结尾
re*?,re+?	re*或re+所代表的片段，使用非贪婪模式
非贪婪模式：	re*或re+匹配的字符，越少越好
[a-z]*?http	任意多个小写字母，截止到http出现为止

二、Go 正则表达式的使用

Go标准库提供regexp包支持正则表达式搜索。Go的正则表达式采用RE2语法（除了\c、\C），和Perl、Python等语言的正则基本一致。

https://studygolang.com/pkgdoc Go正则包也提供一些正则语法参考与使用用例，值得一提的是，该包保证正则表达式搜索复杂度为O(n)，其中n为输入的长度。这一点很多其他开源实现是无法保证的。虽然在性能上无需担忧，但正则引擎的性能相对于strings包还是较高的，建议日常的字符搜索或替换使用strings包即可，当涉及较复杂的模式匹配时才用正则表达式。

regexp包提供多种正则匹配的方式，四种主要匹配模式的工厂函数：

• func Compile(expr string) (*Regexp, error)

Compile解析并返回一个正则表达式。如果成功返回，该Regexp就可用于匹配文本。

• func CompilePOSIX(expr string) (*Regexp, error)

类似Compile但会将语法约束到POSIX ERE（egrep）语法，并将匹配模式设置为leftmost-longest。

• func MustCompile(str string) *Regexp

MustCompile类似Compile但会在解析失败时panic，主要用于全局正则表达式变量的安全初始化。

• func MustCompilePOSIX(str string) *Regexp

MustCompilePOSIX类似CompilePOSIX但会在解析失败时panic，主要用于全局正则表达式变量的安全初始化。

返回*Regexp后就可搜索目标文本了，其内部提供多种搜索方法，最常使用的是MustCompile()模式匹配函数，返回一个*Regexp指针，该类型指针提供多种搜索方法，FindAllStringSubmatch()支持搜索所有的全匹配和子模式匹配。其他的请根据需求阅读包文档吧。

以下演示一下常用的手机、邮箱、链接、身份证号码的匹配示例：

import (
    "fmt"
    "io/ioutil"
    "net/http"
    "os"
    "regexp"
)

//正则表达式演练

const (
    RE_PHONE = `(1[356789]\d)(\d{4})(\d{4})`
    RE_EMAIL = `(\w+?)(\.\w+)?@(\w+)?\.(\w{2,5})(\.\w{2,3})?`
    RE_LINK  = `

至此Go的正则表达式使用就介绍到这，正则表达式是强大的编程工具，一旦你熟悉使用该工具会让你在日常开发中事半功倍，建议继续深入学习正则表达式！