正则表达式杂记：入门笔记速查，进阶：组属性，vim magic 与练习场地

前言：提起正则，做深度学习的朋友可能会首先想到防止参数过拟合的 L1/L2 正则算法。此正则非彼正则。 正则表达式（Regular Expression, regex） 用于字符串匹配，规则明确、语法精简、应用场景极其广泛。

几乎所有写代码的朋友都或多或少接触过一点 regex ，但你真的会用吗？比如，用于全匹配 aabc 的 regex 为 ^(?<a>.)\k<a>(?!\k<a>)(?<b>.)(?!\k(b)|\k<a>).$ ，你可以给出解释吗？今天，不妨一起回顾一下 regex 中的知识；此外，笔者将分享一些拓展内容，比如 vim 中的 magic 、练习 regex 的绝佳在线工具等。

入门笔记速查

本段及下段内容是 B站UP主free-coder 视频正则表达式-从入门到group入门[1]的笔记。阅读原文可以观看其视频。 强烈安利这位技术UP。

基础内容

对于字符串abc，我们输入正则表达式：

•abc，可以匹配到出现在任意位置的abc•^abc， 全匹配 ，^a表示这个字符串开头必须是a，c表示这个字符串结尾必须是c

此外，我们可以用 中括号 []某个范围的匹配，比如：

•[a-z]表示匹配任意位置的某个字符，这个字符的范围是a,b,c,...,z•[a-zA-Z]表示匹配任意位置的某个字符，这个字符的范围是a,b,c,...,z,A,B,C,...,Z

而在中括号[]内，^表示取反，如，^[^a-z]$表示： 全匹配一个字符，这个字符不属于a,b,c,...,z

而 大括号 表示字符的数量，如：

•^[a-zA-Z]{3}表示，全匹配一个字符串，这个字符串有3个字符，每个字符都属于a,b,c,...,z,A,B,C,...,Z•^[a-zA-Z]{3,}表示，全匹配一个字符串，这个字符串 至少 有3个字符，每个字符都属于a,b,c,...,z,A,B,C,...,Z•^[a-zA-Z]{3,6}

其他符号

如.表示除了 回车 的任意符号， 除了 回车/换行符号 line terminators 。

符号 . 匹配到两个字符串，被换行隔开

而 \d 与 [0-9] 同， \D 与 [^0-9] 同。我们一般用 [\d\D] 表示任意字符， 包括 回车/换行符号 line terminators 。

符号 [\d\D] 匹配到一个字符串，不会受换行影响

\w 是常用互联网命名符号，与 [a-zA-Z0-9_] 同。

\s 是特殊符号，与 [\r\n\t\f\v ] 同，\S 是非特殊符号 [^\r\n\t\f\v ] 。

此外，还有表示数量的符号：

•w? 同 {0,1}•w* 同 {0,}•w+ 同 {1,}

举例：匹配 qq 邮箱

以我的邮箱 piperliu@qq.com 为例：

•^[a-zA-Z0-9]\w*第一个字符不能是下划线•后面是@qq\.com$，其中，\.表示字符“.”，\是转义符号。

用 JavaScript 匹配：

'piperliu@qq.com'.match(/^[a-zA-Z0-9]\w*@qq\.com$/)

其中，字符串对象的match()函数中用//包裹正则表达式。

进阶：组属性

组属性很神奇，有了组属性，我们可以表达更复杂的语法规则。

组基础

我们用括号()定义哪些部分是一个组。

'piperliu@qq.com'.match(/^([a-zA-Z0-9]\w*)@qq\.com$/)

其中，我们将piperliu即([a-zA-Z0-9]\w*)定义为一个组，且是第1个组。

但是组`([a-zA-Z0-9]\w*)`并不在 JavaScript 对象的组对象 groups 中

如上，在 JavaScript 对象的组对象 groups 中，并没有我们刚刚定义的组。这是因为 groups 中只存放定义了名称的组。我们用 ?<name> 定义组的名称。

'piperliu@qq.com'.match(/^(?<first>[a-zA-Z0-9]\w*)@qq\.com$/)

组`([a-zA-Z0-9]\w*)`在 JavaScript 对象的组对象 groups 中

如上，我们定义组名称为first。

组实现引用

在同一个正则表达式中，我们可以直接用索引引用组（\1），也可以用名字引用定义了组名的组(\k<name>)。

组的索引是从 1 开始的，而非 0 ， 因为\0已经被用来表示asc码的第一个码。

对于字符串1212，我们可以用如下的方式匹配：

•^\d\d\d\d•^(\d\d)\1，引用第一组•^?<first>(\d\d)\k<first>

组的特殊结构

有了组，我们可以实现很多 Group Construction ，首先以 Positive Lookahead 为例。

对于字符串foobar,fooboo为例，我们想找出foo，且这个foo必须紧紧靠在bar前，则可表达如下：

•foo(?=bar)

再举个例子， Positive Lookbehind 和 Negative Lookbehind ，对于字符串barfoo,boofoo，我们想找出foo：

•这个foo必须紧紧靠在bar后，则(?<=bar)foo•这个foo前紧邻的必须不是bar，则(?!=bar)foo

老师例题

现在想匹配字符串形式aabc，要注意不可以匹配到：

•aaaa•aabb•aaba

则正则表达式如下：

^(?<a>.)\k<a>(?!\k<a>)(?<b>.)(?!\k<b>|\k<a>).$

正确的匹配

分析一下：

•^(?<a>.)第一个字符，定义为组a，可以是任何字符.•\k<a>第二个字符要与第一个字符同•(?!\k<a>)此外，第二个字符紧后面的字符，不可以是组a的字符•(?<b>.)第三个字符定义为组b•(?!\k<b>|\k<a>)此外，第二个字符紧后面的字符，不可以是组b或组a的字符•.第四个字符任意

vim magic

在上古神器 vim 中，我习惯 使用类似正则的思想，进行批量注释 （其实是 VS Code 中 vim 插件，块快捷键 Ctrl+v 与粘贴键有冲突），如下图（编辑模式下:2,3s/^/#/g）。

在第2、3行前加入#，思路是：将开头符号^替换为#

而对于 vim 来讲，在使用 / 正则查找时，分为两个模式：

•magic 模式•nomagic 模式

对于 magic 模式，我们的特殊符号如 . 就是特殊含义（任何字符），即正常的正则表达模式；对于 nomagic 模式，我们的符号都只表达符号本身，使用特殊含义需要用 \ 转义。

:set magic

:set nomagic

更多内容，如 vim 中的 very magic 等，可以参阅：https://www.cnblogs.com/penseur/archive/2011/02/25/1964522.html

学习资源

https://regex101.com/

Online regex tester and debugger: PHP, PCRE, Python, Golang and JavaScript

如其英文名，极其可靠的在线正则表达式调试工具，汇集了功能包括： 教学、查阅、解析与分析、运算、知识检测等。

感谢你读到最后！我是小拍，一名计算机技术爱好者！觉得文章不错的话，可以点击“在看”支持我一下！有任何批评建议或者合作事宜，可以给我发邮件 piperliu@qq.com[2] ，或者关注公众Piper蛋窝，回复「微信」来加我微信联系~

引用链接

[1] 正则表达式-从入门到group入门: https://www.bilibili.com/video/BV1Rf4y1X7R8 [2] piperliu@qq.com: mailto:piperliu@qq.com