正则表达式入门

正则表达式（regex）是一种用于处理文本的强大工具，它通常用于搜索、替换和验证字符串。正则表达式由一系列字符和元字符组成，它们可用于描述模式。本文将介绍正则表达式的基础知识以及一些常用元字符的用法。

正则表达式基础知识

字符字面量

在正则表达式中，普通字符（例如字母、数字）代表自己本身，匹配输入文本中的相应字符。例如，正则表达式 hello 可以匹配输入文本中的字符串 "hello"。

元字符

正则表达式中的元字符具有特殊含义，用于匹配文本中的一类或多类字符。例如，元字符 . 用于匹配任何字符（除了换行符）。下面列举一些常用的元字符及其用法。

. 匹配任何字符（除了换行符）。
* 匹配前一个字符的零个或多个实例。例如，正则表达式 ab* 可以匹配 "a"，"ab"，"abb"，"abbb"，等等。
+ 匹配前一个字符的一个或多个实例。例如，正则表达式 ab+ 可以匹配 "ab"，"abb"，"abbb"，等等，但不能匹配 "a"。
{n} 匹配前一个字符的 n 个实例。例如，正则表达式 a{3} 可以匹配 "aaa"，但不能匹配 "aa" 或 "aaaa"。
[] 匹配中括号内的任何一个字符。例如，正则表达式 [abc] 可以匹配 "a"，"b" 或 "c"。
[^] 匹配除了中括号内的任何字符。例如，正则表达式 [^abc] 可以匹配非 "a"，"b" 或 "c" 的任何字符。

特殊字符

在正则表达式中，某些字符具有特殊含义，它们必须转义才能匹配其字面意义。下面列举一些常用的特殊字符及其转义方式。

\ 转义下一个字符，用于匹配特殊字符本身。
^ 用于匹配输入文本的开头。
$ 用于匹配输入文本的结尾。
() 用于分组捕获匹配结果。

元字符学习与提高

匹配日期

假设我们要匹配以下类型的日期格式：

MM/DD/YYYY
MM-DD-YYYY
YYYY/MM/DD
YYYY-MM-DD

则可以使用以下正则表达式，它使用了四个分组（group）来捕获年、月、日信息。

(?P<year>\d{4})[/|-](?P<month>\d{1,2})[/|-](?P<day>\d{1,2})

其中，(?P<year>\d{4}) 表示一个名为 "year" 的分组，用于捕获年份，\d{4} 表示四个数字字符。类似地，(?P<month>\d{1,2}) 和 (?P<day>\d{1,2}) 分别表示名为 "month" 和 "day" 的分组，用于捕获月份和日期。

匹配 HTML 标签

假设我们要匹配以下类型的 HTML 标签：

<a href="https://www.baidu.com">百度一下，你就知道</a>
<img src="https://placekitten.com/100/100">

则可以使用以下正则表达式，它使用了三个分组来捕获标签名、属性名和属性值。

<(?P<tag>\w+)(?P<attrs>[\s\S]*?)>(?P<content>[\s\S]*?)</(?P=tag)>

其中，(?P<tag>\w+) 表示一个名为 "tag" 的分组，用于捕获标签名，\w+ 表示一个或多个字母、数字或下划线。类似地，(?P<attrs>[\s\S]*?) 和 (?P<content>[\s\S]*?) 分别表示名为 "attrs" 和 "content" 的分组，用于捕获属性和标签内容。