RegEx：掌握正则表达式的 20 个简短步骤。第2部分

RegEx：掌握正则表达式的 20 个简短步骤。第 1 部分 原文在这里 在上一部分中我们掌握了最简单的正则表达式，并且已经学到了一些东西。在这一部分中，我们将研究稍微复杂的设计，但相信我，它不会像看起来那么困难。 那么让我们继续吧！

第 8 步：星号*和加号+

到目前为止，我们或多或少只能匹配给定长度的字符串。但在最近的问题中，我们已经接近了迄今为止我们所看到的符号的极限。例如，假设我们不限于 3 字符 Java 标识符，而是可以具有任意长度的标识符。在上一个示例中可能有效的解决方案在以下示例中将不起作用：

模式：[a-zA-Z_$]\w\w
字符串：   __e $12 3 3.2 fo Bar r a23 mm ab x
匹配：^^^ ^^^ ^^^ ^^^  

（例子） 笔记当标识符有效但长度超过 3 个字符时，仅匹配前三个字符。当标识符有效，但包含少于 3 个字符时，正则表达式根本找不到它！问题是括号表达式与[]一个字符完全匹配，就像\w. 这意味着上述正则表达式中的任何匹配项都必须恰好是三个字符长。所以它的效果并没有我们希望的那么好。*特殊字符和可以在这里提供帮助+。这些修饰符可以添加到任何表达式的右侧，以多次匹配该表达式。Kleene Star（或“星号”）*将指示前一个标记必须匹配任意次数，包括零次。加号+表示您需要搜索一次或多次。因此，前面的表达式+是强制性的（至少一次），而前面的表达式*是可选的，但当它出现时，它可以出现任意多次。现在，有了这些知识，我们可以纠正上面的正则表达式：

模式：[a-zA-Z_$]\w*
字符串：   __e $123 3.2 fo Barr a23mm ab x
匹配：^^^ ^^^^ ^^ ^^^^ ^^^^^ ^^ ^ 

（示例）现在我们匹配任意长度的有效标识符！答对了！+但是如果我们使用 ?而不是?会发生什么*？

模式：[a-zA-Z_$]\w+
字符串：   __e $123 3.2 fo Barr a23mm ab x
匹配：^^^ ^^^^ ^^ ^^^^ ^^^^^ ^^ 

（示例）我们错过了最后一场比赛，х。这是因为它需要+至少匹配一个字符，但是由于[]前面的括号表达式\w+已经“吃掉”了该字符x，所以没有更多的可用字符，因此匹配失败。我们什么时候可以使用+？当我们需要找到至少一个匹配项，但给定表达式必须匹配多少次并不重要。例如，如果我们想查找任何包含小数点的数字：

模式：\d*\.\d+
字符串：   0.011 .2 42 2.0 3.33 4.000 5 6 7.89012
匹配：^^^^^ ^^ ^^^ ^^^^ ^^^^^ ^^^^^^^  

（例子） 笔记通过将小数点左边的数字设为可选，我们能够找到 0.011 和 0.2。为此，我们需要将一位小数点与 精确匹配\.，并将小数点右侧至少一位数字与 匹配\d+。上面的正则表达式不会匹配像这样的数字3.，因为我们需要小数点右边至少一位数字才能匹配。

像往常一样，让我们​​解决几个简单的问题：

找出下面段落中的所有英语单词。

图案：
字符串：3加3是 6，但4加 3 是7
匹配：    ^^^^ ^^ ^^^ ^^^ ^^^^ ^^^^^ ^^ 

（解决方案）在下面的列表中找到所有文件大小符号。文件大小将由一个数字（带或不带小数点）后跟KB、MB或组成： GBTB

图案：
字符串：   11TB 13 14.4MB 22HB 9.9GB TB 0KB
匹配：^^^^ ^^^^^^ ^^^^^ ^^^  

（解决方案）

第9步：“可选”问号?

您已经编写了正则表达式来解决最后一个问题吗？有效吗？现在尝试在这里应用它：

图案：
字符串：1..3KB 5...GB ..6TB
火柴：  

显然，这些指定都不是有效的文件大小，因此好的正则表达式不应与它们中的任何一个匹配。我为解决最后一个问题而编写的解决方案与它们全部匹配，至少部分匹配：

模式：\d+\.*\d*[KMGT]B
字符串：   1..3KB  5...GB .. 6TB
匹配：^^^^^^ ^^^^^^ ^^^ 

（示例）那么问题出在哪里呢？事实上，如果有一位小数点的话，我们只需要找到一位小数点即可。但*它允许任意数量的匹配，包括零。有没有办法只匹配零次或一次？但不超过一次吗？当然有。“可选”?是一个修饰符，匹配零个或一个前面的字符，但不能再匹配：

模式：\d+\.?\d*[KMGT]B
字符串：1.. 3KB 5...GB .. 6TB
匹配：     ^^^ ^^^ 

（示例）我们在这里更接近解决方案，但这并不是我们所需要的。稍后我们将通过几个步骤了解如何解决此问题。

同时，让我们解决这个问题：

在某些编程语言（例如 Java）中，某些整数和浮点（点）数字可能会后跟l/L和f/F来指示它们应该（分别）被视为 long/float，而不是常规的 int/double。在下面的行中找到所有有效的“长”数字：

图案：
字符串：   13L long 2l 19 L lL 0
匹配：^^^ ^^ ^^ ^ 

（解决方案）

第10步：“或”号|

在第 8 步中，我们在查找不同类型的浮点数时遇到了一些困难：

模式：\d*\.\d+
字符串：   0.011 .2 42 2.0 3.33 4.000 5 6 7.89012
匹配：^^^^^ ^^ ^^^ ^^^^ ^^^^^ ^^^^^^^  

上面的模式匹配带有小数点且小数点右侧至少一位数字的数字。但是如果我们还想匹配像这样的字符串怎么办0.？（小数点右边没有数字。）我们可以编写如下正则表达式：

模式：\d*\.\d*
字符串：   0.011 .2 42 2.0 3.33 4.000 5 6 7.89012 0. . 
匹配：^^^^^ ^^ ^^^ ^^^^ ^^^^^ ^^^^^^^ ^^ ^ 

（示例）这匹配0.，但它也匹配单个点.，如上所示。实际上我们想要匹配的是两个不同的字符串类：

1. 小数点右侧至少一位数字
2. 小数点左边至少有一位数字的数字

让我们编写以下两个相互独立的正则表达式：

模式：\d*\.\d+
字符串：   0.011 .2 42 2.0 3.33 4.000 5 6 7.89012 0. .
匹配：^^^^^ ^^ ^^^ ^^^^ ^^^^^ ^^^^^^^  

模式：\d+\.\d*
字符串：   0.011 .2 42 2.0 3.33 4.000 5 6 7.89012 0. .
匹配：^^^^^ ^^^ ^^^^ ^^^^^ ^^^^^^^ ^^ 

我们发现在这些情况下，引擎都没有找到子字符串42、5、6或。.为了获得所需的结果，我们将这些正则表达式组合起来不会有什么坏处。我们怎样才能做到这一点？“or”符号|允许我们在正则表达式中一次指定多个可能的匹配序列。正如[]“或”符号允许我们指定替代的单个字符一样，|我们也可以指定替代的多字符表达式。例如，如果我们想查找“dog”或“cat”，我们可以这样写：

模式：\w\w\w
字符串：  显然，狗是比猫更好的宠物。
匹配：^^^^^^^^^ ^^^ ^^^^^^ ^^^ ^^^ ^^^ 

（示例）...但这匹配“word”类的所有三重字符序列。但是“dog”和“cat”甚至没有共同的字母，所以方括号在这里对我们没有帮助。这是我们可以使用的最简单的正则表达式，它既匹配又仅匹配这两个单词：

模式：dog|cat
字符串：显然，狗是比猫更好的宠物。
匹配：               ^^^ ^^^ 

（示例）正则表达式引擎首先尝试匹配字符左侧的整个序列|，但如果失败，则它会尝试匹配字符右侧的序列|。多个字符|也可以链接起来以匹配两个以上的替代序列：

模式：dog|cat|pet
字符串：显然，狗是比猫更好的宠物。
匹配：               ^^^ ^^^ ^^^ 

（例子）

现在让我们解决另外几个问题以更好地理解此步骤：

使用符号|来纠正上面的小数正则表达式以产生如下结果：

图案：
字符串：   0.011 .2 42 2.0 3.33 4.000 5 6 7.89012 0 ..
匹配：^^^^^ ^^ ^^^ ^^^^ ^^^^^ ^^^^^^^ ^^ 

（解决方案）使用符号|、字符类、“可选”?等创建一个同时匹配整数和浮点（点）数的单个正则表达式，如上一步末尾的问题中所讨论的（这个问题有点更复杂，是的；））

图案：
字符串：   42L 12 x 3.4f 6l 3.3 0F LF .2F 0。
匹配：^^^ ^^ ^^^^ ^^ ^^^ ^^ ^^^ ^^  

（解答） 20个小步骤掌握正则表达式。第 3 部分 RegEx：掌握正则表达式的 20 个简短步骤。第 4 部分