首先我们先看正则表达式最关键的几个东西
- 元字符-具有特殊意义的专用字符
元字符 | 描述 |
. | 匹配除换行符以外的任意字符 |
\w | 匹配字母或数字或下划线或汉字 |
\s | 匹配任意空白符 |
\d | 匹配数字 |
\b | 匹配单词的开始或结束 |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结束 |
- | 表示范围 |
[ ] | 匹配括号内任意一个字符 |
* 、+、? | 量词 |
- 量词-量词也算是元字符
限定符代码/语法 | 语法 |
* | 重复0次或更多次 |
+ | 重复1次或更多次 |
？ | 重复0次或1次 |
{n} | 重复n次 |
{n,} | 重复n次或更多次 |
{n,m} | 重复n到m次 |
反义词
常用反义 | 语法 |
\W | 匹配不是字母或数字或下划线或汉字 |
\S | 匹配任意不是空白符的字符 |
\D | 匹配不是数字 |
\B | 匹配不是单词开头或者借宿的位置 |
[^x] | 匹配除了x以外的任意字符 |
懂了上面的这些东西 还有一个转义符 就是如果要查找元字符本身 就需要加个\
现在我们开始写一个匹配ipv4地址的正则表达式
ip地址最大为255.255.255.255
我们首先去匹配1~255这个区间的数字
我们需要拆分1~255
- 2开头的
25[0-5] 250~255
2[0-4]\d 200~249
- 1开头的
1\d\d 100~199
[1-9]\d 10~99
- 个位
[0-9] 0~9
需要根据匹配优先级去放置匹配参数
先匹配大的数字再匹配小的
那最后我们匹配ipv4的完整的表达式就是
((25[0-5]|2[0-4]\d|1\d\d| [1-9]\d|[0-9]).){3}(25[0-5]|2[0-4]\d|1\d\d| [1-9]\d|[0-9])
优化建议
- 使用字符组代替分支条件
即使用[a-d] 不要使用(a|b|c|d) - 优先选择最左端的匹配结果
- 标准量词是匹配优先的 贪婪模式下 量词会尽可能匹配更多的词
- 谨慎用点号元字符，尽可能不用星号和加号这样的任意量词
- 尽量使用字符串函数处理代替
- 合理使用括号
- 起始、行描点优化
- 量词等价转换的效率差异
- 对大而全的表达式进行拆分
- 使用正则以外的解决方案
