Regex正则表达式学习与使用

感觉Regex正则表达式是这样一种东西：

• 没有需求时去学习它：天啊这一串符号都是什么东西，怎么学啊！
• 当有需求用到它并且成功应用时：真是太方便了！真香，要学习！

动机

最近实习的时候，需要协助处理代码审查系统的告警，其中有大量（约1.6k）的命名风格的问题，需要对原有的变量命名进行批量替换。我用的编辑器是VS Code，它的朴素的字符串替换功能已经不能满足需求了，比如我需要做以下一些替换：

src0_32f -> vSrc0
dst0_32f -> vDst0
...

想到的是，用正则表达式匹配与替换，对于这个例子，所采用的方法是：

搜索框填：([a-z])(\w+)_32f

替换框填：v\U$1$2

真是方便！这促使我开启regex正则表达式的学习和积累。

基础

在处理字符串时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。

正则表达式的资料，网上已经有很多了，这里列举几个对我帮助比较大的：

• 正则表达式30分钟入门教程
  • 中文，介绍正则表达式的一些基本概念。
• Python RegEx
  • 提供了各种regex的实例讲解。
  • 本页以下内容主要基于此整理而成。

元字符（Metacharacters）

Regex的元字符有：[] . ^ $ * + ? {} | () \

• []：定义一个字符集合，当某一个单个字符属于该集合时，则匹配

  • 如规则[abc]作用于apple会发生一次匹配

  • 可使用-表示一个区间，如[0-9]等价于[0123456789]，[a-z]等价于[abcd...xyz]，[A-Z]等价于[ABCD...XYZ]

    • [0-39]等价于[01239]
    • [a-z0-9]等价于[abcd...xyz0123456789]

  • 使用^取集合的补集

    • 如[^abc]代表所有不属于[abc]的字符集合
• .：匹配除换行符\n之外的所有单个字符
  • 如规则.作用于abcd时会发生4次匹配（分别为a, b, c, d）；规则..作用于abcd时会发生2次匹配（分别为ab, cd）；

• ^：判断以后续字符/串为开头的字符/串

  • 如规则^ab作用于abc会发生匹配，作用于acb则不会发生匹配

• $：判断以前缀字符/串为结尾的字符/串

  • 如规则a$作用于formula会发生匹配，作用于cab则不会发生匹配

• 计数元字符：*，+，?，{}

  • *：其左方的单个字符重复大于等于0次
    • 如ma*n可匹配mn，man，maaaaan
  • +：其左方的单个字符重复大于等于1次
    • 如ma+n可匹配man，maaaaan
  • ?：其左方的单个字符重复0次或1次
    • 如ma?n可匹配mn，man
  • {} ：{m, n}表示重复大于等于m次，小于等于n次
    • 比如[0-9]{2, 4}匹配长度在2~4之间的数字串
• |：同or的含义，当某一个单个字符属于|连接的所有字符中的一个时，则发生匹配
  • 如规则a|b作用于adb时，发生两次匹配（a和b）
  • 感觉有点像[]啊

• ()：分组

  • 一个()扣起来的为一个组。当需要把匹配字符串中的某一小组提取出来，比较有用：

    • 比如要把0000_32f替换为0000_32s，则可使用：

      • 搜索框填([0-9]{4})_32f，替换框填$1_32s

        • 其中$1就表示第一组的内容（regex从1开始计数）

    • 比如要把0000_32f替换为0000_32F，则可使用：

      • 搜索框填([0-9]{4})_32(\w)，替换框填$1_32\U$2

        • 其中\U表示将对应的字符转为大写
• \：常见的转移字符的含义

特殊字符

• \d：等价于[0-9]
• \D：等价于[^0-9]
• \w：等价于[a-zA-Z0-9_]（注意还可匹配下划线）
• \W：等价于[^a-zA-Z0-9_]
• \s：匹配一个空白位置

其他

• 在线测试正则表达式的工具：Wegester