正则表达式

正则表达式（Regular Expression，简称Regex）是一种描述文本模式的符号化语言，用于在字符串中高效地匹配、搜索、替换或提取符合特定规则的文本内容。

不同的正则表达式引擎支持的语法和功能不同，总结起来可以分为三类：BRE(Basic Regular Expression基础正则表达式）、ERE（Extend Regular扩展正则表达式）、PCRE（Perl Compatible Regular Expressions Perl 兼容正则表达式）

关于BRE、ERE、PCRE有一些常见的问题：

1. “ERE 是 BRE 的超集”
   • 部分正确：ERE 支持 BRE 的所有功能，但语法不同（如 \+ vs +）。
   • 例外：BRE 的 \| 在 ERE 中是字面 |，需用 | 表示或。
2. “PCRE 是唯一支持高级功能的引擎”
   • 不完全正确：其他引擎（如 Java 的 java.util.regex）也支持类似功能，但语法不同。
3. “所有工具都支持 PCRE”
   • 错误：sed、grep 默认不支持，需特定版本或选项（如 grep -P）。

强烈推荐一个网站： https://regex101.com，不仅可以进行验证表达式匹配问题，还可以进行表达式引擎支持功能查询

核心功能

1. 匹配：判断字符串是否符合某种模式（如验证邮箱格式）。
2. 搜索：在文本中定位符合模式的子串（如提取日志中的IP地址）。
3. 替换：批量修改符合模式的文本（如清理HTML标签）。
4. 提取：从结构化/非结构化文本中提取关键信息（如解析JSON中的字段）。

核心语法

1. 字符匹配：
   • . 匹配任意单个字符（如 a.b 匹配 acb、a1b）。
   • [abc] 匹配字符组中的任意一个（如 [0-9] 匹配数字）。
2. 量词控制：
   • * 匹配前一个字符0次或多次（如 a* 匹配 ""、a、aaa）。
   • + 匹配1次或多次，? 匹配0次或1次（如 a+b? 匹配 a、ab、aaa）。
3. 边界与分组：
   • ^ 和 $ 分别匹配字符串开头和结尾（如 ^hello$ 仅匹配完整字符串 hello）。
   • () 用于分组，\1、\2 可引用捕获的分组（如 (\d{3})-\1 匹配 123-123）。

应用场景

1. 数据验证：
   • 邮箱格式：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
   • 密码强度：^(?=.*[A-Z])(?=.*\d).{8,}$（至少8位，含大写字母和数字）
2. 文本处理：
   • 清理多余空格：\s+ → （将多个空格替换为单个空格）。
   • 提取日期：(\d{4})-(\d{2})-(\d{2})（捕获年、月、日）。
3. 工具集成：
   • 编辑器（VS Code）：批量替换代码中的重复模式。
   • 命令行（grep/sed）：日志分析、文件搜索。

为什么需要正则表达式？

• 效率：一行正则可能替代数百行循环代码。
• 灵活性：适应动态变化的文本模式。
• 跨语言：Python、JavaScript、Java等主流语言均支持。

总结：正则表达式是文本处理的“瑞士军刀”，掌握它能让开发者在处理字符串时事半功倍！