正则表达式怎么学(正则表达式快速入门)

正则表达式没有想象中的那么难

正则表达式在涉及到文本数据的整理方面极其重要，它实际上就是一种字符串的模式，运用正则可以在文本中匹配出符合模式的字符。不同程序语言中正则表达式的写法有所差异，但基本的思想是一致的，就是找出模式，并从文本中将模式匹配出来。需要注意的是：在openrefine中采用的是java语言的正则，由于openrefine的实时预览方式，可以说是学习正则、调试正则最理想的工具。

正则表达式初看起来向天书，比较抽象，感觉很难的样子，但是掌握了学习的方法，学习起来就容易多了。学习正则最好的方法就是多看、多练，首先要弄懂正则的基础知识，多看别人的例子，读懂正则的书写规律，加上不断的练习，人人都可以学好正则。

元字符是正则表达式中的具有特殊意义的字符，在openrefine中常用的元字符以下这些。

除了元字符以往，正则表达式又给我们提供了一些常用的字符形式，让我们使用起来更加方便。

有了元字符和通用字符以后，就需要有表示数量的单位与元字符和通用字符配合，来表示字符的个数

举例说明：

在openrefine中，使用的是Java正则，以括号来进行分组，在后面可以使用$符号加数字或\加数字来对前面的分组进行引用，节省我们的时间和精力。

举例说明：

例子

此外正则表达式还有零宽断言等其他内容，我们将来再学习，还有要注意的是，在openrefine中，find()、match()等函数匹配的结果都是列表形式，需要通过取值或.join()等方式来获取字符串。

AI产品经理之如何快速入门正则表达式（Pattern）

在贝壳实习已经95天了，之前参与规划的中台产品一期已经上线，目前已经进入使用和二期迭代的阶段，需要我们产品去体验使用，很重要的一环是利用正则表达式（Pattern）进行规则配置。

这方面我是完全小白，在mentor的讲授，自我查找资料，练习写Pattern的过程，我和小伙伴一起沉淀出了“正则表达式（Pattern）的快速入门自学手册”，征得mentor和小伙伴的同意，在这里分享给大家。

一、正则表达式（Pattern）的定义

正则表达式 ，又称规则表达式 ， 通常被用来检索、替换那些符合某个模式（规则）的文本。

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

二、规则与模型的优劣比较

正则表达式和机器学习模型都可用于匹配文本，需要根据检索文本的特性来决策使用哪一种方式来匹配，二者的比较如下：

有时候，二者也会同时应用，规则用于保准确率、模型用于保召回率。

三、正则表达式的应用领域

智能对话：匹配用户提问，然后给出符合逻辑的回答

文本检测：检索符合某些特征、规则的文本

推荐算法：如抖音推荐算法，首先会给用户打上标签，然后将用户的标签特征字符化，匹配对应的推荐内容

搜索：匹配用户提问，再给出符合逻辑的搜索结果

杀毒：匹配病毒库文件名，从而识别病毒库

四、正则表达式符号语法

（一）常用符号

注意：所有符号都必须是英文格式！

（二）全部符号

（二）全部符号

五、正则表达式撰写流程

搜集 正样本 ，总结其中的语法规则

根据总结的语法规则，撰写对应的正则表达式

测试所写的正则表达式是否准确（这里分享一个自用正则表达式测试网站，可以很有效地检查自己写的Pattern是否正确? ）

最后感谢mentor 常超 | 人人都是产品经理 (woshipm.com) 的指导，还有并肩作战的小鱼姐，在我作为一名产品经理成长路上的帮助。

正则表达式好难懂，求高人指点，怎么学？有什么好的理解方法没有？看到那一串符号，晕了。。。

1、入门简介

简单的说，正则表达式是一种可以用于模式匹配和替换的强有力的工具。我们可以在几乎所有的基于UNIX系统的工具中找到正则表达式的身影，例如，vi编辑器，Perl或PHP脚本语言，以及awk或sed shell程序等。此外，象JavaScript这种客户端的脚本语言也提供了对正则表达式的支持。由此可见，正则表达式已经超出了某种语言或某个系统的局限，成为人们广为接受的概念和功能。

正则表达式可以让用户通过使用一系列的特殊字符构建匹配模式，然后把匹配模式与数据文件、程序输入以及WEB页面的表单输入等目标对象进行比较，根据比较对象中是否包含匹配模式，执行相应的程序。

举例来说，正则表达式的一个最为普遍的应用就是用于验证用户在线输入的邮件地址的格式是否正确。如果通过正则表达式验证用户邮件地址的格式正确，用户所填写的表单信息将会被正常处理；反之，如果用户输入的邮件地址与正则表达的模式不匹配，将会弹出提示信息，要求用户重新输入正确的邮件地址。由此可见正则表达式在WEB应用的逻辑判断中具有举足轻重的作用。

2、基本语法

在对正则表达式的功能和作用有了初步的了解之后，我们就来具体看一下正则表达式的语法格式。

正则表达式的形式一般如下：

/love/

其中位于“/”定界符之间的部分就是将要在目标对象中进行匹配的模式。用户只要把希望查找匹配对象的模式内容放入“/”定界符之间即可。为了能够使用户更加灵活的定制模式内容，正则表达式提供了专门的“元字符”。所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。

较为常用的元字符包括： “+”， “*”，以及 “?”。其中，“+”元字符规定其前导字符必须在目标对象中连续出现一次或多次，“*”元字符规定其前导字符必须在目标对象中出现零次或连续多次，而“?”元字符规定其前导对象必须在目标对象中连续出现零次或一次。

下面，就让我们来看一下正则表达式元字符的具体应用。

/fo+/

因为上述正则表达式中包含“+”元字符，表示可以与目标对象中的 “fool”, “fo”, 或者 “football”等在字母f后面连续出现一个或多个字母o的字符串相匹配。

/eg*/

因为上述正则表达式中包含“*”元字符，表示可以与目标对象中的 “easy”, “ego”, 或者 “egg”等在字母e后面连续出现零个或多个字母g的字符串相匹配。

/Wil?/

因为上述正则表达式中包含“？”元字符，表示可以与目标对象中的 “Win”, 或者 “Wilson”,等在字母i后面连续出现零个或一个字母l的字符串相匹配。

除了元字符之外，用户还可以精确指定模式在匹配对象中出现的频率。例如，

/jim{2,6}/

上述正则表达式规定字符m可以在匹配对象中连续出现2-6次，因此，上述正则表达式可以同jimmy或jimmmmmy等字符串相匹配。

在对如何使用正则表达式有了初步了解之后，我们来看一下其它几个重要的元字符的使用方式。

\s：用于匹配单个空格符，包括tab键和换行符；

\S：用于匹配除单个空格符之外的所有字符；

\d：用于匹配从0到9的数字；

\w：用于匹配字母，数字或下划线字符；

\W：用于匹配所有与\w不匹配的字符；

. ：用于匹配除换行符之外的所有字符。

（说明：我们可以把\s和\S以及\w和\W看作互为逆运算）

下面，我们就通过实例看一下如何在正则表达式中使用上述元字符。

/\s+/

上述正则表达式可以用于匹配目标对象中的一个或多个空格字符。

/\d000/

如果我们手中有一份复杂的财务报表，那么我们可以通过上述正则表达式轻而易举的查找到所有总额达千元的款项。

除了我们以上所介绍的元字符之外，正则表达式中还具有另外一种较为独特的专用字符，即定位符。定位符用于规定匹配模式在目标对象中的出现位置。

较为常用的定位符包括： “^”, “$”, “\b” 以及 “\B”。其中，“^”定位符规定匹配模式必须出现在目标字符串的开头，“$”定位符规定匹配模式必须出现在目标对象的结尾，\b定位符规定匹配模式必须出现在目标字符串的开头或结尾的两个边界之一，而“\B”定位符则规定匹配对象必须位于目标字符串的开头和结尾两个边界之内，即匹配对象既不能作为目标字符串的开头，也不能作为目标字符串的结尾。同样，我们也可以把“^”和“$”以及“\b”和“\B”看作是互为逆运算的两组定位符。举例来说：

/^hell/

因为上述正则表达式中包含“^”定位符，所以可以与目标对象中以 “hell”, “hello”或 “hellhound”开头的字符串相匹配。

/ar$/

因为上述正则表达式中包含“$”定位符，所以可以与目标对象中以 “car”, “bar”或 “ar” 结尾的字符串相匹配。

/\bbom/

因为上述正则表达式模式以“\b”定位符开头，所以可以与目标对象中以 “bomb”, 或 “bom”开头的字符串相匹配。

/man\b/

因为上述正则表达式模式以“\b”定位符结尾，所以可以与目标对象中以 “human”, “woman”或 “man”结尾的字符串相匹配。

为了能够方便用户更加灵活的设定匹配模式，正则表达式允许使用者在匹配模式中指定某一个范围而不局限于具体的字符。例如：

/[A-Z]/

上述正则表达式将会与从A到Z范围内任何一个大写字母相匹配。

/[a-z]/

上述正则表达式将会与从a到z范围内任何一个小写字母相匹配。

/[0-9]/

上述正则表达式将会与从0到9范围内任何一个数字相匹配。

/([a-z][A-Z][0-9])+/

上述正则表达式将会与任何由字母和数字组成的字符串，如 “aB0” 等相匹配。这里需要提醒用户注意的一点就是可以在正则表达式中使用 “()” 把字符串组合在一起。“()”符号包含的内容必须同时出现在目标对象中。因此，上述正则表达式将无法与诸如 “abc”等的字符串匹配，因为“abc”中的最后一个字符为字母而非数字。

如果我们希望在正则表达式中实现类似编程逻辑中的“或”运算，在多个不同的模式中任选一个进行匹配的话，可以使用管道符 “|”。例如：

/to|too|2/

上述正则表达式将会与目标对象中的 “to”, “too”, 或 “2” 相匹配。

正则表达式中还有一个较为常用的运算符，即否定符 “[^]”。与我们前文所介绍的定位符 “^” 不同，否定符 “[^]”规定目标对象中不能存在模式中所规定的字符串。例如：

/[^A-C]/

上述字符串将会与目标对象中除A，B，和C之外的任何字符相匹配。一般来说，当“^”出现在 “[]”内时就被视做否定运算符；而当“^”位于“[]”之外，或没有“[]”时，则应当被视做定位符。

最后，当用户需要在正则表达式的模式中加入元字符，并查找其匹配对象时，可以使用转义符“\”。例如：

/Th\*/

上述正则表达式将会与目标对象中的“Th*”而非“The”等相匹配。

3、使用实例

①PHP中可以使用ereg()函数进行模式匹配操作。ereg()函数的使用格式如下：

以下为引用的内容：

　 ereg(pattern, string)

其中，pattern代表正则表达式的模式，而string则是执行查找替换操作的目标对象。同样是验证邮件地址，使用PHP编写的程序代码如下：

?php

if (ereg(“^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(\.[a-zA-Z0-9_-])+”,$email)){

echo “Your email address is correct!”;}

else{

echo “Please try again!”;

}

?

从零开始学Python爬虫（四）：正则表达式

Regular Expression， 正则表达式， 种使 表达式的 式对字符串进 匹配的语法规则。

我们抓取到的 源代码本质上就是 个超 的字符串， 想从 提取内容。 正则再合适不过了。

正则的优点： 速度快， 效率 ， 准确性 正则的缺点： 新 上 难度有点 。

不过只要掌握了正则编写的逻辑关系， 写出 个提取 内容的正则其实并不复杂

正则的语法： 使 元字符进 排列组合 来匹配字符串

在线测试正则表达式网址：

元字符： 具有固定含义的特殊符号 常 元字符：

量词: 控制前 的元字符出现的次数

贪婪匹配和惰性匹配

这两个要着重的说 下，因为我们写爬 的最多的就是这个惰性匹配。

先看案例

那么接下来的问题是, 正则我会写了, 怎么在python程序中使 正则呢？答案是re模块

re模块中我们只需要记住这么 个功能就 够我们使 了。

下面一个案例，是练习用正则表达式提取豆瓣电影top250的数据并保存，一起来学一下吧。

如何学习正则表达式，我看了懂，写不出来

下一个正则测试软件，然后自已尝试写，用软件来测试，不会就上网百度一下