阿里程式設計師帶你全面深入瞭解正則表示式
在日常工作中，經常會用到正則操作。但是對於大多數人來說，操作正則表示式簡直就是抓瞎。
本篇文章主要整理了正則表示式匹配的規則，使用中的一些要點，以及用圖形化的方式列舉出一些常見的正則表示式，希望能給大家帶來一定的幫助，能在以後的工作中，用上正則，愛上正則。
PS：不同語言中的正則表示式的規則不完全相同，但是大部分都可以適用。
正則是什麼
正則表示式是為了對字串進行有效資料提取以及匹配的一種機制，字串在匹配的過程中將會從第一個位置開始匹配，然後從左往右進行依次匹配，每嘗試匹配一次，就會把控制權交由下一個位置，直到匹配結束。
正則表示式是由普通字元（例如字元 a 到 z）以及特殊字元
正則的誕生
正則表示式的“祖先”可以一直上溯至對人類神經系統如何工作的早期研究。Warren McCulloch 和 Walter Pitts 這兩位神經生理學家研究出一種數學方式來描述這些神經網路。
1956 年, 一位叫 Stephen Kleene 的美國數學家在 McCulloch 和 Pitts 早期工作的基礎上，發表了一篇標題為「神經網事件的表示法」的論文，引入了正則表示式的概念。
正則表示式就是用來描述他稱為“正則集的代數”的表示式，因此採用“正則表示式”這個術語。
隨後，人們發現可以將這一工作應用於使用Ken Thompson 的計算搜尋演算法的一些早期研究，Ken Thompson是Unix 的主要發明人。正則表示式的第一個實用應用程式就是 Unix 中的qed 編輯器。從那時起直至現在正則表示式都是基於文字的編輯器和搜尋工具中的一個重要部分。具有完整語法的正則表示式使用在字元的格式匹配方面上，後來被應用到熔融資訊科技領域。自從那時起，正則表示式經過幾個時期的發展，現在的標準已經被ISO(國際標準組織)批准和被Open Group組織認定。
匹配規則
下面將正則中的一些基本的匹配規則列出來如下表所示：
要點
貪與不貪
舉個例子，假設有以下這段html字元，我想拿到a標籤中的內容：
<a>南京長江大橋</a>哈哈<a>南京市長江大橋</a>
然後我寫了這樣一個正則：<a>(.)*</a>
線上測試的結果如下：
這個結果與我們的預期不符，正常我應該得到兩個匹配的結果才對，但是現在卻只匹配到一個結果。
現在把剛剛的正則改成這樣：<a>(.)*?</a>
線上測試的結果如下：
貪說的是正則在不約束的情況下會繼續自動向右進行匹配，直到匹配結束，只要匹配的資料與正則的最後一個值匹配就算是匹配到了。
不貪說的是隻要匹配到就結束，不繼續向右進行匹配了。
問號?就解決了貪婪的問題，使得問號前面的字元匹配到之後就結束，但是並不是把?放在哪裡都可以解決貪婪的，在正則裡，有一些屬於貪婪模式量詞，比如以下這些:
斷言與零寬
在java中我們知道斷言可以用來宣告一個應該為true的事實，只有當斷言為真時才會繼續進行後續的操作。
在正則中也有斷言的概念，但是在正則中除了斷言還有零寬的概念。
斷言：
通俗點將斷言就是 “我斷定某某情況是真的” ，而正則中的斷言，就是說正則可以斷定在指定的內容的前面或後面會出現滿足指定規則的內容。比如 "aa1bb2cc3"，正則可以用斷言找出 bb2 前面有 aa1，也可以找出 bb2 後面有 cc3。
零寬：
零寬就是沒有寬度，在正則中，斷言只是匹配位置，不佔字元，也就是說，匹配結果裡是不會返回斷言本身的。
斷言一共有四種情況：
讓我們來舉個例子來說明吧，假設我們現在拿到了某個網頁的html，裡面有個閱讀數的標籤：
現在我們要獲取到這個閱讀數，該怎麼辦呢？
如果用正向先行斷言來匹配的話，可以這樣來寫：
上述的表示式就是說明，我現在斷言整數\d+的後面能匹配表示式：</span>
讓我們來驗證下結果：
相應的正向後行斷言可以這樣寫表示式：
上述的表示式就是說明，我現在斷言整數\d+的前面能匹配表示式：閱讀數：
驗證下結果如下：
分組
正則表示式中用小括號()來做分組，也就是括號中的內容作為一個整體。
因此當我們要匹配分組he的時候，可以用下面這個表示式 ：
我們看到正則表示式用小括號來做分組，那麼問題來了：
如果要匹配的字串中本身就包含小括號，那應該怎麼辦？
針對這種情況，正則提供了轉義的方式，也就是要把這些元字元、限定符或者關鍵字轉義成普通的字元，做法很簡單，就是在要轉義的字元前面加個斜槓(\)即可。
因此當我們要匹配分組(he)的時候，可以用下面這個表示式 ：
下面我們用一個正則表示式的圖形生成工具，做一個對比的實驗，讓我們對分組和定位有個瞭解。
1：匹配he分組一次 ;
2：匹配he分組零或多次；
3：匹配以he開頭的分組一次；
4：匹配以he開頭的分組零或多次
捕獲與反向引用
單純說到捕獲，他的意思是匹配表示式，但捕獲通常和分組聯絡在一起，也就是“捕獲組”。
捕獲組：
匹配子表示式的內容，把匹配結果儲存到記憶體中以數字編號或顯示命名的組裡(可以把它想象為java中的array和map)，以深度優先進行編號，之後可以通過序號或名稱來使用這些匹配結果。
捕獲組的表示式為：(exp)，這個語法跟上面講到的分組的概念是一樣的，只是捕獲將匹配到的分組，儲存在了記憶體中，留待後面使用。具體怎麼時候他不管，他只需要把匹配到的分組儲存在記憶體中就可以了。
有一種情況當在匹配的過程中，需要與已經捕獲到的分組進行匹配，這時就需要使用到儲存在記憶體中的捕獲組了，這種使用方式就被稱為：反向引用。
假設我有這樣一段文字：
現在我想拿到成對的字元，該怎麼做呢？這種情況下通過斷言或者其他方式是辦不到的，那我們能否在匹配的過程中將匹配到的一個字元先儲存在記憶體中，然後匹配下一個字元時再與上一個字元相比較，如果相等，就說明匹配成了，拿到了成對的字元了。
那首先我們先要寫一個匹配單個字元分組的表示式：
那當匹配時捕獲到一個字元分組時，我們需要將該字元引用出來，與下一個字元想比較，我們期望匹配的下一個字元也與我當前儲存的字元相等，那麼表示式就變成了這樣：
這裡的\1表示的是，當前正則表示式匹配到的第1個分組，那就意味著，\2表示第2個分組。
做個測試，結果如下：
那如果我想再匹配複雜一點的結果，比如：XYY這種的結果，又該怎麼寫呢？
其實有了上面的基礎之後就很簡單了，我們需要做的就是對捕獲到的第2個分組進行反向引用就可以了！
具體的表示式為：
測試結果如下：
表示成圖形就是這樣：
常見正則
為了更加形象的瞭解正則表示式，我們最後通過圖形的方式來了解一些常見的正則表示式，使用圖形的目的是希望能對冷冰冰的表示式有個更深刻的認識。
以下是一些常見正則的表示式與圖片，可能有些過時了，如電話號碼出現了新的號段，但是大體上應該沒有問題。
整數
[0-9]+
逗號分隔的整數
浮點數
0-255之間的數字
身份證
郵箱
固定電話
郵編
ISBN
手機號
成對的html標籤
如test
a標籤
head標籤
image標籤
正則思維導圖
附常用工具：
線上正則測試:http://tool.oschina.net/regex/
生成正則圖片:https://regexper.com
歡迎工作一到五年的Java工程師朋友們加入Java填坑之路：860113481
群內提供免費的Java架構學習資料（裡面有高可用、高併發、高效能及分散式、Jvm效能調優、Spring原始碼，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多個知識點的架構資料）合理利用自己每一分每一秒的時間來學習提升自己，不要再用"沒有時間“來掩飾自己思想上的懶惰！趁年輕，使勁拼，給未來的自己一個交代！