语言 #### 1. 校验文本内容 =============== .. note:: 【实例】验证日期格式年月日为例子来讲解，比如 2020-01-01，我们使用正则 ``\d {4}-\d {2}-\d {2}`` 来验证 .. figure:: https://img.zhaoweiguo.com/knowledge/images/regexps/regexp_lang1.jpeg 部分常见编程语言校验文本方式 Python ------ .. note:: 在 Python 中，正则的包名是 re，验证文本可以使用 re.match 或 re.search 的方法，这两个方法的区别在于，re.match 是从开头匹配的，re.search 是从文本中找子串 :: # 测试环境 Python3 >>> import re >>> re.match(r'\d{4}-\d{2}-\d{2}', '2020-06-01') # 这个输出是匹配到了，范围是从下标 0 到下标 10，匹配结果是 2020-06-01 # re.search 输出结果也是类似的 校验文本是否匹配:: # 测试环境 Python3 >>> import re >>> reg = re.compile(r'\A\d{4}-\d{2}-\d{2}\Z') # 建议先编译，提高效率 >>> reg.search('2020-06-01') is not None True >>> reg.match('2020-06-01') is not None # 使用 match 时 \A 可省略 True .. note:: 如果不添加 \A 和 \Z 的话，我们就可能得到错误的结果。而造成这个错误的主要原因就是，没有完全匹配，而是部分匹配。至于为什么不推荐用 ^ 和 $，因为在多行模式下，它们的匹配行为会发现变化 错误示范:: >>> re.match(r'\d{4}-\d{2}-\d{2}', '2020-06-01abc') is not None True >>> re.search(r'\d{4}-\d{2}-\d{2}', 'abc2020-06-01') is not None True Golang ------ :: re := regexp.MustCompile(`\A\d{4}-\d{2}-\d{2}\z`) // 输出 true fmt.Println(re.MatchString("2020-06-01")) .. note:: 【注意】和 Python 语言不同，在 Go 语言中，正则尾部断言使用的是 \z，而不是 \Z。 JavaScript ---------- .. note:: 在 JavaScript 中没有 \A 和 \z，我们可以使用 ^ 和 $ 来表示每行的开头和结尾，默认情况下它们是匹配整个文本的开头或结尾（默认不是多行匹配模式）。在 JavaScript 中校验文本的时候，不要使用多行匹配模式，因为使用多行模式会改变 ^ 和 $ 的匹配行为。 :: // 方法 1 /^\d{4}-\d{2}-\d{2}$/.test("2020-06-01") // true // 方法 2 var regex = /^\d{4}-\d{2}-\d{2}$/ "2020-06-01".search(regex) == 0 // true // 方法 3 var regex = new RegExp(/^\d{4}-\d{2}-\d{2}$/) regex.test("2020-01-01") // true .. note:: 方法 3 本质上和方法 1 是一样的，方法 1 写起来更简洁。 .. warning:: 需要注意的是，在使用 RegExp 对象时，如果使用 g 模式，可能会有意想不到的结果，连续调用会出现第二次返回 false 的情况。 实例说明:: var r = new RegExp(/^\d{4}-\d{2}-\d{2}$/, "g") r.test("2020-01-01") // true r.test("2020-01-01") // false 【原因】这是因为 RegExp 在全局模式下，正则会找出文本中的所有可能的匹配，找到一个匹配时会记下 lastIndex，在下次再查找时找不到，lastIndex 变为 0，所以才有上面现象:: var regex = new RegExp(/^\d{4}-\d{2}-\d{2}$/, "g") regex.test("2020-01-01") // true regex.lastIndex // 10 regex.test("2020-01-01") // false regex.lastIndex // 0 // 为了加深理解，你可以看下面这个例子 var regex = new RegExp(/\d{4}-\d{2}-\d{2}/, "g") regex.test("2020-01-01 2020-02-02") // true regex.lastIndex // 10 regex.test("2020-01-01 2020-02-02") // true regex.lastIndex // 21 regex.test("2020-01-01 2020-02-02") // false ES6 中添加了匹配模式 u:: /^\u{1D306}$/u.test("𝌆") // true /^\u{1D306}$/.test("𝌆") // false /^.$/u.test("好") // true /^.$/u.test("好人") // false /^.$/u.test("a") // true /^.$/u.test("ab") // false 2. 提取文本内容 =============== .. figure:: https://img.zhaoweiguo.com/knowledge/images/regexps/regexp_lang2.jpeg 部分常见编程语言提取文本内容 .. note:: 【实例】以查找日志的年月为例进行讲解，年月可以用正则 ``\d {4}-\d {2}`` 来表示 Python ------ :: # 没有子组时 >>> import re >>> reg = re.compile(r'\d{4}-\d{2}') >>> reg.findall('2020-05 2020-06') ['2020-05', '2020-06'] # 有子组时 >>> reg = re.compile(r'(\d{4})-(\d{2})') >>> reg.findall('2020-05 2020-06') [('2020', '05'), ('2020', '06')] 想节约内存，可以采用迭代器的方式来处理:: >>> import re >>> reg = re.compile(r'(\d{4})-(\d{2})') >>> for match in reg.finditer('2020-05 2020-06'): ... print('date: ', match[0]) # 整个正则匹配到的内容 ... print('year: ', match[1]) # 第一个子组 ... print('month:', match[2]) # 第二个子组 ... date: 2020-05 year: 2020 month: 05 date: 2020-06 year: 2020 month: 06 Golang ------ :: func main() { re := regexp.MustCompile(`\d{4}-\d{2}`) // 返回一个切片 (可动态扩容的数组) [2020-06 2020-07] fmt.Println(re.FindAllString("2020-06 2020-07", -1)) // 捕获子组的查找示例 re2 := regexp.MustCompile(`(\d{4})-(\d{2})`) // 返回结果和上面 Python 类似 for _, match := range re2.FindAllStringSubmatch("2020-06 2020-07", -1) { fmt.Println("date: ", match[0]) fmt.Println("year: ", match[1]) fmt.Println("month:", match[2]) } } JavaScript ---------- :: // 使用 g 模式，查找所有符合要求的内容 "2020-06 2020-07".match(/\d{4}-\d{2}/g) // 输出：["2020-06", "2020-07"] // 不使用 g 模式，找到第一个就会停下来 "2020-06 2020-07".match(/\d{4}-\d{2}/) // 输出：["2020-06", index: 0, input: "2020-06 2020-07", groups: undefined] 查找中文等 Unicode 字符，可以使用 u 匹配模式:: '𝌆'.match(/\u{1D306}/ug) // 使用匹配模式 u ["𝌆"] '𝌆'.match(/\u{1D306}/g) // 不使用匹配模式 u null // 如果你对这个符号感兴趣，可以参考 https://unicode-table.com/cn/1D306 3. 替换文本内容 =============== .. figure:: https://img.zhaoweiguo.com/knowledge/images/regexps/regexp_lang3.jpeg 部分常见编程语言替换文本内容 Python ------ :: >>> import re >>> reg = re.compile(r'(\d{2})-(\d{2})-(\d{4})') >>> reg.sub(r'\3 年 \1 月 \2 日', '02-20-2020 05-21-2020') '2020 年 02 月 20 日 2020 年 05 月 21 日' # 可以在替换中使用 \g <数字>，如果分组多于 10 个时避免歧义 >>> reg.sub(r'\g<3> 年 \g<1 > 月 \g<2 > 日', '02-20-2020 05-21-2020') '2020 年 02 月 20 日 2020 年 05 月 21 日' # 返回替换次数 >>> reg.subn(r'\3 年 \1 月 \2 日', '02-20-2020 05-21-2020') ('2020 年 02 月 20 日 2020 年 05 月 21 日', 2) Golang ------ :: func main() { re := regexp.MustCompile(`(\d{2})-(\d{2})-(\d{4})`) // 示例一，返回 2020 年 02 月 20 日 2020 年 05 月 21 日 fmt.Println(re.ReplaceAllString("02-20-2020 05-21-2020", "${3} 年 ${1} 月 ${2} 日")) // 示例二，返回空字符串，因为 "3 年"，"1 月"，"2 日" 这样的子组不存在 fmt.Println(re.ReplaceAllString("02-20-2020 05-21-2020", "$3 年 $1 月 $2 日")) // 示例三，返回 2020-02-20 2020-05-21 fmt.Println(re.ReplaceAllString("02-20-2020 05-21-2020", "$3-$1-$2")) } JavaScript ---------- 需要指定 g 模式，否则只会替换第一个:: // 使用 g 模式，替换所有的 "02-20-2020 05-21-2020".replace(/(\d{2})-(\d{2})-(\d{4})/g, "$3 年 $1 月 $2 日") // 输出 "2020 年 02 月 20 日 2020 年 05 月 21 日" // 不使用 g 模式时，只替换一次 "02-20-2020 05-21-2020".replace(/(\d{2})-(\d{2})-(\d{4})/, "$3 年 $1 月 $2 日") // 输出 "2020 年 02 月 20 日 05-21-2020" 4. 切割文本内容 =============== .. figure:: https://img.zhaoweiguo.com/knowledge/images/regexps/regexp_lang4.jpeg 部分常见编程语言切割文本内容 Python ------ 使用字符串的切割方法:: >>> "a b c\n\nd\t\n \te".split() ['a', 'b', 'c', 'd', 'e'] 正则切割:: >>> import re >>> reg = re.compile(r'\W+') >>> reg.split("apple, pear! orange; tea") ['apple', 'pear', 'orange', 'tea'] # 限制切割次数，比如切一刀，变成两部分 >>> reg.split("apple, pear! orange; tea", 1) ['apple', 'pear! orange; tea'] Golang ------ :: func main() { re := regexp.MustCompile(`\W+`) // 返回 [] string {"apple", "pear", "orange", "tea"} fmt.Printf("%#v", re.Split("apple, pear! orange; tea", -1) // 返回 [] string {"apple", "pear! orange; tea"} fmt.Printf("%#v\n", re.Split("apple, pear! orange; tea", 2)) // 返回 [] string {"apple"} fmt.Printf("%#v\n", re.Split("apple", 2)) } JavaScript ---------- 正则的切割和 Python 和 Go 有些类似，但又有区别:: "apple, pear! orange; tea".split(/\W+/) // 输出：["apple", "pear", "orange", "tea"] // 传入第二个参数的情况 "apple, pear! orange; tea".split(/\W+/, 1) // 输出 ["apple"] "apple, pear! orange; tea".split(/\W+/, 2) // 输出 ["apple", "pear"] "apple, pear! orange; tea".split(/\W+/, 10) // 输出 ["apple", "pear", "orange", "tea"]