笔记50：正则表达式入门宝典

引自：正则表达式是什么? - 知乎

中“龙吟九野”所写的一个回答，个人感觉看完之后如同醍醐灌顶，查了很多资料都没有这篇文章写的基础和通透，感觉是正则表达式扫盲好文，所以搬运一下，侵权删，感谢

a

作者：龙吟九野
链接：https://www.zhihu.com/question/19676915/answer/171365948
来源：知乎
a

a

a

a

a

文本，乃天下之大宗。自网络出现以来，文本信息指数爆炸式增长，乃至于各种文字泛滥于天下，自此，江湖皆是修文之人。如果你恰好也是其中之一，那可以来学习学习……怎么处理一些文字信息。不是用Word排版，也不是拿Excel统计单词。而是——找信息。

想象一下，假如你不知道网页是用什么鸟HTML写出来的。你打开了知乎页面，在你的面前都是文字、小图片：

然后老板过来：哦？你也看知乎？小鱼啊，把今天推荐的这些话题、对应的标题都复制下来做个目录？你会怎么办？当然是骂娘啦。都不会程序什么的，只好一个个复制、粘贴咯。别急着骂娘。假设你不知道document.getElementByXX这些鸟玩意儿，那我们就把这些当做文本来处理。全选页面，复制，粘贴到我们的编辑器Sublime Text中。

仔细观察一下，这些文本是不是有规律？

好了，课程开始了。

（1）但凡文字是有规律的，我们都会这么描述：我要一段都是字母的。我要一段都是数字的。

（2）或者你的邮箱会是被这么描述的：文字或者数字（可出现多次）@某个网站.com

看吧……其实你本来就会“正则表达式”，只是你不说而已。

正则表达式就是名字看起来比较高大上，其实就是……我要啥啥啥类型的文本，你给我瞅瞅有没有呗？

a

a

a

a

a

比如说，我要10个数字的。

你就跟电脑说：

digital x 10

当然，这样写的话……有可能人家是以为这样：

所以要用点特殊的符号来表示刚才的话。比如数字digital缩写为

\d

没错，是带着斜杆的d，没有了斜杆，软件就以为你是要找“d”的字母了。我们把斜杆称为：魔法·转义字符。

对应的，字母word可以表示为

\w

如果要表示任意字符呢？（任意字符就包括了任何你看得到的字符和看不到的字符）

那就用点号

.

↑这个点号有点小。仔细观察应该看得到。

那我想找到文本中的手机号码呢？怎么描述？

我就会说：数字，长度固定为11个的。

那么就是：

\d{11}

对，后面的花括号里面包裹的是次数。

看看效果？

那如果说是任意长度呢？那就用：

*

↑对，就是星号。

所以也可以试试任意长度的数字：

现在，知道怎么提取想要的知乎内容了吧？

没错，咱们就规定以“来自话题”为开头，然后匹配到下一行的任意内容（反正经过观察，这就是想要的标题行了）

如果要匹配新的行，要记得用上换行符号\n。

好了，开始：

来自话题:.*\n.*

↑表示以来自话题：为开头，然后匹配话题内容（任意字符都行）

再然后是换到新的一行，又匹配了任意的内容（这是标题）

效果是？

点击“全查”，即可选中所有同类型的文字。

然后复制，粘贴。

当然，现在面对的是小网页，文本不多，可能看不出什么优势。

但如果是一本小说那么长的报表呢？

想了解更多的正则表达式……就百度去吧。本咸鱼要洗白白了

~\(OvO)/~

↑这也是个正则表达式。

 

PS:之所以以Sublime Text作为文本编辑器示范是因为它的搜索功能支持正则表达式。

其他文本编辑器就看你的喜好了。反正我就喜欢用这个处理大量文字，故安利一波。