【教程】图文解读正则表达式的使用技巧
cshanzhizi 2020-10-16
这篇博客是关于正则表达式（regex）的插图指南，旨在为那些从来没有使用过正则表达式，想尝试但又望而生畏的新手提供一个简单介绍。
一个好的正则表达式看起来像魔法，但请记住：任何足够先进的技术都无法与魔法区分开来。所以，就让我们揭开正则表达式的神秘面纱！
如果你理解正则表达式，它会突然变成一个超快速和强大的工具……但你首先需要理解它，老实说，我觉得新手可能会对它望而生畏！让我们从基础开始。正则表达式（regex）是什么？它们的用途是什么？
Regex 新手上路
本质上来看，正则表达式是定义一种搜索模式的字符序列。正则表达式通常用于 grep 等工具中，以在较长文本字符串中查找模式。
考虑以下一个 cat.txt 文件：
catcat2 dog
如果我们使用正则表达式 cat 来搜索匹配项，我们会找到以下匹配项：
catcat2
高级用户需要注意的是，本文存在一个技术上的错误，即正则表达式和使用正则表达式的工具（如 grep）混为了一谈。
正则表达式适用于字符，而不是单词
需要反复强调的一个重要问题是：正则表达式适用于字符，而不是单词。隐含串联。
如果我们使用正则表达式搜索模式 cat，则不会查找单词「cat」，而会查找字符 c、a 和 t。
点和星号
最基本的字符是单个字符，如 a、b、c 等。现在让我们介绍以下两种特殊的字符。
.（点）字符可以匹配*任何单个字符*。例如，如果我们搜索 c.t，则将匹配从 cat 到 c0t 或 cAt 的任何内容，并将匹配任何单个字符 c +任何字符+单个字符 t。
*（星号）字符有点困难。它修改它前面的字符，然后匹配该字符的*零个或多个字符*。的确如此。例如，cat*可以匹配 cat、catt、cattttt 以及 ca。
示例分析：The cat ate my homework
假设我们逐行读取一个文件，则第一行如下所示：
The cat ate my homework.
让我们看看如何匹配该行中的模式 cat。
我们首先将该模式的首字符与句子中的首字符匹配。
如果找不到匹配项，则跳转至该行中的下一个字符，然后再从模式的首字符开始。
如果我们找到一个匹配项，则将跳转至模式和该行中的下一个字符，然后重复这个过程。当我们找到整个模式的匹配时，返回找到匹配项的行。
这就是正则表达式最基本、最常用的功能，即在较大的字符串中查找较小的搜索模式。
讲到这里，我想大家已经大致了解了什么是正则表达式以及它的两个特殊字符： .（点）和 *（星号）。接下来，我会为大家介绍更多其他内容。
正则表达式三叉戟
正则表达式的各个部分可以由三个不同的组件组成：
- 锚点
- 字符集
- 修饰符
这三部分构成了正则表达式的三叉戟！
让我们从三叉戟的第一个部分开始：锚点！
锚点
锚点指定个各行的模式位置。下面是两个最重要的锚点：
- ^（插入符号）将模式固定到行首。例如，模式^1 匹配以 1 开头的任意行。
- $（美元符）将模式固定到句尾。例如，9$匹配以 9 结尾的任意行。
注意，在以上两种情况下，锚点必须分别位于模式的开头和结尾。^1 匹配行首的 1，但 1^匹配后跟^的 1。类似地，1$匹配以 1 结尾的行，但$1 匹配一个该行任意位置后跟 1 的美元符号。
字符集
三叉戟的第二部分：字符集。字符集是正则表达式的基础。单个字符，比如 a，是最基本的字符集（一组元素）。但是 [0-9] 等正则表达式可以匹配任何一个数字，或者如果你能回想到 *的含义，则可以制作模式 [0-9][0-9]（这个模式匹配的内容留给读者作为练习）。
其他一些重要的字符集：
- [0-9] 匹配 0…9 中的任何一个数字
- [a-z] 匹配任何小写字母
- [A-Z] 匹配任何大写字母
我们还可以对多个字符集进行组合：
- [A-ZA-Z0-9] 匹配任何大小写字母和单个数字。
修饰符
此部分内容没有深入展开，以前面遇到的一个修饰符 *（星号）为例。修饰符改变它前面字符的含义。还有很多其他的修饰符，但以* 为例进行讨论是一个很好的开始。
如下所示：让我们快速将文本转储到文件中。
$ echo "The cat jumps long time \nThen we also have the fact that these are words.\n1234 this is a test post please ignore." >> grep.txt
这是现在文件中的内容。
$ cat grep.txt The cat jumps long timeThen we also have the fact that these are words. 1234 this is a test post please ignore.
寻找 cat。
$ grep "cat" grep.txt The cat jumps long tim
寻找任何以数字^[0-9] 开始的任意行。
$ grep "^[0-9]" grep.txt 1234 this is a test post please ignore.
就是这样！你刚刚使用了正则表达式。太棒了。
总结
回顾一下这篇博客的内容：
- 正则表达式的基本功能；
- 正则表达式的三个主要组件：锚点、字符集和修饰符。
- .（点）、*（星号）、^（插入符）和$（美元符号）。
- 一些字符集 [0-9]、[a-z]、[A-Z] 和它们的组合。
