第一章 什么是正则表达式

正则表达式是描述一组字符串特征的模式，用来匹配特定的字符串。正则表达式以“坑多”而闻名。不同的工具实现正则表达式的方式并不完全一致。

1.1 从Regexpal开始

使用谷歌浏览器打开网址Regexpal或者直接打开OrignalRegexpal。窗口顶部有一个文本区，下方还有一个更大的文本区。顶部文本区用来输入正则表达式的，下方的文本区是用来输入主题或者目标文本的。

1.2 匹配中国电话号码

首先解释下什么是字符串字面值。字符串字面值就是你直观看到的字符串。例如，028-8715478。在正则表达式输入区和目标输入区，输入 028-8715478(下文都是用这个电话号码作为例子)，观测目标输入区，数字被黄色高亮显示。

1.3 用字符组来匹配数字

[0-9]这种形式的正则表达式称做字符组，表示只会匹配列出的数字即0、1、2、3、4、5、6、7、8、9。其后方括号[]为正则表示中的元字符，因此方括号不参与匹配，元字符是在正则表达式中有特殊含义的，也是保留字符。

1.4 使用字符组简写式

\d 等价于 [0-9]，它被叫做字符组的简写式。使用下面的正则匹配电话号码：
\d\d\d-\d\d\d\d\d\d\d，还可以这样：\d\d\d\D\d\d\d\d\d\d\d,或者这样\d{3}-\d{7}。分别试试有什么不同。其他\D表示匹配非数字字符。

1.5 匹配任意字符

点号(.)是一个通配符，可以匹配任意字符，但不能匹配行起始符(但可以是点号匹配行起始符)。

1.6 捕获分组和后向引用

使用捕获分组来匹配电话号码中的某一部分。然后使用后向引用对分组中的内容进行引用。要创建捕获分组，先将一个\d放在一堆圆括号中(\d),这样就将它放入了一个分组中，后面可以使用\1来对捕获的内容进行后向引用：(\d)\d\1。
\1对圆括号内分组捕获的内容进行了反向引用。表示的是引用第一分组，如果创建了两个分组，需要引用第二个分组,则使用\2，以此类推。

• (\d)匹配第一个数字并将其捕获；
• \d匹配第二个数字但没有捕获，因为没有括号；
• \1对捕获的数字进行反向引用。
  这个正则表达式仅仅匹配了区号 028。现在用一个完整的正则表达式进行匹配，我们对数字8进行捕获：
  \d\d(\d)-\1\d{5}\1

1.7 使用量词

现在用另一种语法来匹配电话号码,其实在上文已经有使用过，
\d{3}-?\d(3)-?\d{4}
其中，花括号{}中的数字表示待查找的数字出现的次数。花括号本身是元字符，里面的数字是量词。问号？是另一种量词，在以上表达式中表示连字符是可选的。也就是说，连字符可以不出现或者只出现一次（次数0或者1）。注意是一次。还有其他的量词，例如加号+表示”一个或者多个”(次数n>=1)，*表示”零个或者多个”(次数n>=0)。

使用量词让正则表达式变得更加简洁：

(\d{3,7}[.-]?)+

这正则表达式表示圆括号里的模式出现一次或者多次，括号里的模式匹配三位或者四位数字，后跟一个连字符或者一个点号，且是可选的。
下面我们来解释表达式

• 左括号(为捕获分组的起始符；
• \d字符组的简写式；
• 左花括号{为量词起始符；
• 数字3,为匹配的最小数量；
• 逗号，隔开不同的数量；
• 数字7为匹配的最大的数量；
• 右花括号}为量词的结束符；
• 左方括号[为字符组的起始符；
• 点号.匹配点号本身；
• 连字符-匹配连字符的本身；
• 右方括号]为字符组的结束符；
• 问号？表示量词“零个或一个”；
• 右圆括号)为捕获分组的结束符；
• 加号+表示量词“一个或者多个”。

1.8 括选文字符

最后这个正则表达式表示第一个3位数字可以带也可以不带括号，即区号是可选的：

^(\(\d{3}\)|^\d{3}[.-]?）？\d{7}$

下面解释各项的含义：

• 出现在正则表达式起始位置后者竖线|之后的脱字符^，表示电话号码会出现在一行的起始位置；
• 左括号（为捕获分组的起始符；
• \(表示左括号本身；
• \d匹配一位数字；
• \d之后的{3}是量词，表示匹配三位数字；
• \)匹配右括号本身；
• 竖线符|表示选择，也就是从多个可选项中选择一个，换句话说，它表示“匹配一个不带括号或者一个带括号的区号”;
• \d匹配一位数字；
• {3}表示匹配三位数字的量词；
• [.-]？匹配一个可选的点号或连字符；
• 右括号）为捕获分组的结束符；
• 问号？表示分组可选，
• \d表示匹配一位数字；
• {7}表示匹配7位数字的量词
• 没元符$匹配行结束位置；

总结

微信公众号：嘀咕嘀咕（iOSSharers）

扫二维码关注