[技术交流] 【院刊】-【201505期】只要10行代码！从上万行文本中提取任意想... [复制链接]

初窥正则表达式，让处理字符串异常简单

本文由按键学院提供技术支持

按键学院交流群（1群已满）：376122403

零基础学按键精灵群（2群）：372671254

谈到正则表达式，可能很多童鞋都是一头雾水：什么是正则表达式？干嘛用的？而一些对于正则有所了解的童鞋则会谈虎色变，觉得正则表达式虽然用的命令少，但是自己就是写不出来。对于比较熟悉正则的童鞋来说，正则表达式简直是神器！利用他可以解决很多问题，能够化繁为简。 上面说了这么多，总归一句话，正则表达式其实就是一种针对字符串的匹配和处理的方法

正则有什么用？

正则表达式有什么用？ 在上面的引言里已经说明过了，它是一种用来精确匹配字符串的的方法。说白了就是在串字符串里提取出你想要的信息。
一些童鞋会感到奇怪了，按键精灵本身就有mid函数可以用来提取字符串了，为什么要用这个什么正则表达式？
确实，按键精灵本身会字符串处理的方法，但是他对于精确提取信息方面不够强大、准确。

举个例子来说：

正则表达式，又13655973216称正规表示法、常规表示法（英语：Regular Expression，在代码中常15655982354简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系17922654936列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式13555982269通常被用来检索、替换那些符合某个模式的文本。

我现在想要把上面这段文字里的红色部分的号码全部的提取出来。
如果是使用传统的方法mid的方法要怎么做呢？

1、先从头开始使用循环提取出每个字符 2、在循环中进行判断，如果是数字的话，就把这个数字存放在一个变量里并且重复叠加之前记录的数字 3、再进行判断这个变量的长度，如果超过了11位数，就记录下当前遍历到的位置 4、已当前遍历的位置开始继续往下遍历循环

这就是使用传统的方法提取这个字符串信息的思路。写到这里，小编我也实在是忍不住说一句：喵了个咪的！！这么复杂的流程就只为了提取出这几个号码！
我想大家看了之后都有这个念头吧。这个方法简直太坑啦！！

接下来，小编就用正则的方式来提取这几个号码给大家看看。（看完要记得保持冷静！）

您所在的用户组无法下载或查看附件

大家看到了吗？区区的几行代码就能实现这个复杂的提取功能，比传统的方法好用了不止一星半点啊

正则怎么用？

通过上面的例子，大家也能明白正则的碉堡之处了。那现在我们就来学习下要怎么使用吧！！
我们先分解下上面的代码这段代码大家可以不用多管，他主要是用来创建正则对象以及设定一些属性的，基本上不用改，直接复制使用即可这里才是正则表达式的重中之重，[0-9]+ 这个就是用来匹配出刚才数字所使用的表达式。
不同的表达式组合方式可以用来匹配不同的字符串信息，灵活的吧表达式组合起来，基本上就没有你匹配不到的信息。这句这是把保存在变量里的字符串使用上面的表达式进行匹配，然后输利用循环进行输出匹配到的信息

表达式应用

上面我们已经解释了正则表达式的重要性，那现在我们来进一步了解下表达式

一个完整的正则表达式，是有多个元字符进行组合构成的

元字符总体来说可以分成三大类：匹配字符、匹配位置、匹配次数
用来表达匹配字符的元字符主要有：（这里只先列举部分）

元字符	描述
.	匹配换行符以外的任何字符。
\w	与任何单词字符匹配，包括下划线。等价于"[A-Za-z0-9_]"。
\d	与一个数字字符匹配。

用来表达匹配位置的元字符主要：

元字符	描述
^	匹配输入的开始位置。
$	匹配输入的结尾。

用来表达匹配次数的元字符主要：（这里只先列举部分）

元字符	描述
*	匹配前一个字符零次或几次。
+	匹配前一个字符一次或多次
？	匹配前一个字符零次或一次。例如，"a?ve?"可以匹配"never"中的"ve"。

一个完整的正则表达式应该是这样：从什么地方开始，查找什么字符。查找多少次
然后它就会返回出所有符合这个条件的字符串

我们就以文章开头的表达式来分析下：“\d+” 这个表达式表示什么意思呢？

\d是表示任意的数字，+ 是表示匹配前面的这个字符多次。那这个表达式就可以理解为，从字符串的开头开始，匹配任意数字（\d）多次（+）。（如果没有特别指出开头位置的话，都是默认从开头开始匹配）说白了只要是一连串的数字用他都能直接匹配出来，所以在上面的这个text变量信息里就能把所有的号码提取出来

现在说说其他的元字符意思
.（点）它是用来匹配除了换行符以外的所有字符，可以包括数字、大小写英文、符号、中文等等。

+ 它是用来定义匹配的次数，用来匹配前一个字符一次或者多次的
范例：在字符串“sdfjwoanjianjinlinglind1234423”里使用 “a.+g”来匹配的话会得到 “anjianjinling”这个字符串
分析：.+可以表达任意数量不包含换行符的字符。结合上面的表达式意思就是：提取出以字母a开头字母g结尾的字符，在这两个字母之间，不论有多少其他的字符（除换行符外）都能提取出来。

\w 它是用于匹配包括下划线在内的单词的
范例： 在字符串“hi，root pic_root ”里使用 “\w+”来匹配的话会分别得到hi 和root以及pic_root 这三个结果

\d 它是用来匹配数字的。
范例：表达式 “0\d\d-\d\d\d\d\d\d\d\d” 这个可以匹配出字符串里以0开头带有三位数区号的固话：101-8803086 这样格式的数字

现在再来说是 “*” “+” “？” 这三个的区别
大家仔细看上面的表格说明，可以发现他们都是匹配次数，只是匹配的次数略有不同

范例：“r.+g” 这个表达式可以匹配出 reg，resdfg 这样的字符，但是无法匹配出 rg 这个字符，因为他的匹配次数至少是1次，但是rg这个单次里r和g之间并没有任何其他的字符，所以无法匹配到
“r.*g” 这个表达式可以匹配出 reg，resdfg，rg 这样的字符 。因为他对于匹配的次数没有限制
“r.？g” 这个表达式可以匹配出 reg，rg 这样的字符，但是无法匹配出 resdfg 这样的字符，因为他匹配的次数最多是1次，resdfg 这个单词中间的字符不只有一个，所以无法被匹配到。

^ 这个是匹配一行的开始。“^When in” 这个表达式可以从字符串 “When in the course of human events" 当中匹配到，
但是无法从“What and When in the” 当中匹配，因为When in 这个并不是在一行的开头位置

$ 这个是匹配行结束符。“weasel$” 这个表达式可以从字符串 “He's weasel” 当中匹配到，但是 “He's weasel a ”这个就无法匹配了，因为这个字符串不是以weasel 为结尾的。

后记

正则表达式虽然命令少，单个命令拿出来都可以比较好的理解，但是想要能灵活的应用还是需要花费一些时间的。这篇的院刊只是一个开头，之后还会有后续的正则表达式系列教学院刊发布出来，到最后引导大家结合POST技术一起来制作一些脚本工具。为啥是结合POST？因为正则表达式最适合应用在从网页源码里提取想要的信息，可以说正则和POST是一对好基 友，两者基本上不可分离。

如果童鞋们想要继续学习正则表达式的话，请继续关注之后的正则表达式系列院刊~~


正则表达式系列之二：正则表达式进阶用法
showtopic.aspx?topicid=572284&forumpage=1&page=1

正则表达式系列之三：正则实战-论坛贴吧一键签到
showtopic.aspx?topicid=572777&forumpage=1&page=1

院刊目录
showtopic.aspx?topicid=549014&forumpage=1&page=1

谢谢大家阅读，记得给小编送支花花 ！ 顺手点个赞

[tr=rgb(143, 188, 143)]

按键精灵免费公开课	实战班：回合制通用教学火热报名
【听课对象】：对按键精灵感兴趣的同学们都可以来~ 【上课地点】：零基础学按键精灵群（372671254） 【上课时间】：周天晚上19:30-21:00 【上课内容】：按键精灵脚本基础经验谈——图色命令	本期重点：回合制游戏--神武 学习时效：终生有效 上课时间：周2、周4、周6的 20：00--22：00 导师：工程师07 技术支持：果儿（院刊编辑）
点我进入按键学院报名啦 招生细节进群咨询招生办主任：2群-372671254（优先加入） 1群-376122403