學(xué)習(xí)正則表達(dá)式最好的方式是讀《精通正則表達(dá)式》這本書：

《精通正則表達(dá)式》

建議認(rèn)真學(xué)完前6章，后面與具體編程語(yǔ)言相關(guān)的可以跳過?；ㄒ恍r(shí)間系統(tǒng)地學(xué)習(xí)一下正則表達(dá)式是非常有好處的。就像張無忌學(xué)會(huì)九陽(yáng)神功后學(xué)其他武功都特別快，學(xué)會(huì)正則表達(dá)式后再學(xué)習(xí)UNIX/Linux的下的工具也都特別快！

除了推薦書籍，我也分享一下我自己讀寫正則表達(dá)式的心得。

如何讀正則表達(dá)式？

《精通正則表達(dá)式》這本書讓我認(rèn)識(shí)到，正則表達(dá)式只是一種描述字符串長(zhǎng)什么樣的聲明式語(yǔ)言，是字符串的元信息。就像SQL是用來描述數(shù)據(jù)長(zhǎng)什么樣的聲明式語(yǔ)言，只是SQL使用更直觀的英文單詞作為關(guān)鍵詞，而正則表達(dá)式使用的是更加精煉但也更加晦澀的符號(hào)字符。

所以，學(xué)習(xí)正則表達(dá)式與學(xué)習(xí)其他語(yǔ)言的過程是一樣的，需要學(xué)會(huì)這門語(yǔ)言的詞法、語(yǔ)法、語(yǔ)義。如果對(duì)這些詞法、語(yǔ)法、語(yǔ)義不熟悉，看正則表達(dá)式就像天書一樣。

詞法

如前文所述，正則表達(dá)式的單詞由標(biāo)點(diǎn)符號(hào)字符組成。和漢語(yǔ)、英語(yǔ)等自然語(yǔ)言一樣，這些單詞也有詞性，包括字符（character）、字符類（character class）、分組（grouping）、量詞（quantifier）、錨點(diǎn)（Anchor）等。

想要一股腦記住所有符號(hào)及其含義，就像從頭到尾背英語(yǔ)詞典一樣，是很低效且痛苦的。好在正則表達(dá)式的單詞也符合2-8法則，就像英語(yǔ)里的常用詞一樣并不多，諸如零寬斷言等用法其實(shí)不太常用，用到的時(shí)候臨時(shí)查文檔復(fù)習(xí)一下用法就行。

以下幾個(gè)字符是最最常用的元字符：

需要注意的是，除了惰性匹配的量詞，其他量詞默認(rèn)都是貪心匹配，即盡可能多地匹配、直到無法匹配為止。

語(yǔ)法

正則表達(dá)式的語(yǔ)法并不多，除了要開閉括號(hào)要能一一對(duì)應(yīng)，也就是量詞只能放在字符、字符集、分組的后面。

示例

舉個(gè)例子：

/^ab+c*$/

該模式讀作：“有一些字符串，它們以1個(gè)a開頭，緊接著1個(gè)或多個(gè)b，最后以任意多個(gè)c結(jié)尾?！狈线@個(gè)規(guī)則的字符串很多，有“ab”、“abc”、“abbccc”等等。

如何寫正則表達(dá)式？

有了前文讀正則表達(dá)式的基礎(chǔ)，基本上也能照葫蘆畫瓢寫正則表達(dá)式了，但新手在寫正則表達(dá)式的時(shí)候往往容易忽略“上下文”，會(huì)寫出非常具體、非常長(zhǎng)的模式。因?yàn)檎齽t表達(dá)式的主要用途就是用于文本匹配，所謂的“上下文”就是正則表達(dá)式預(yù)計(jì)在那些文本中匹配。上下文不同，解法也可以不同。

舉個(gè)例子，一個(gè)爬蟲爬取到以下HTML頁(yè)面信息：

• Bob
• William
• Vina

假設(shè)希望在這些內(nèi)容中匹配出包含「朋友姓名」的行，比較簡(jiǎn)單的方式有：

/class=”name”/

還能更簡(jiǎn)潔一些：

/name/

或者更具體一些：

/[^]+/

這三種方式哪種最好呢？這個(gè)得視情況而定。我的建議是：

如果數(shù)據(jù)來源比較可控，例如內(nèi)部系統(tǒng)生成的數(shù)據(jù)，則盡量寫簡(jiǎn)單有效的模式；

如果數(shù)據(jù)來源不可控，例如網(wǎng)絡(luò)爬蟲從外部系統(tǒng)抓取的數(shù)據(jù)，內(nèi)容隨時(shí)都有可能發(fā)生變化，那適度地優(yōu)化一下正則表達(dá)式，讓模式具備一些彈性去適應(yīng)可預(yù)見的一些變化。

如果讓我來寫這個(gè)例子的正則表達(dá)式，我會(huì)傾向于這樣寫：

/class=”[^”]*bnameb[^”]*”/

這樣既具備一定的彈性，例如未來添加了其他class，或li換成其他tag，都能自動(dòng)適應(yīng)；又不會(huì)過于復(fù)雜。

綜上所述，正則表達(dá)式并沒有唯一的標(biāo)準(zhǔn)答案，需要根據(jù)待匹配文本的上下文選擇復(fù)雜度最合適的方案。因此，寫正則表達(dá)式時(shí)不用著急，不必要求自己一次就寫對(duì)。應(yīng)該像寫SQL一樣在數(shù)據(jù)集上多select幾次，對(duì)數(shù)據(jù)集有了較全面的認(rèn)知后，不斷修正數(shù)據(jù)過濾條件，就能優(yōu)化出比較精煉的SQL；同樣的，寫正則表達(dá)式也是在目標(biāo)字符串上反復(fù)篩選，最后就能優(yōu)化出比較精煉的模式。