最近看到一篇关于“京东定向爬虫“的帖子，觉得好玩，打算学习一下。大致了解了下代码，发现需要用到正则表达式，于是先行简单学习正则。参考了园子里的前辈的博客内容，如有相似，请见谅~

• 正则简介

　　　　　　正则表达式就是一种特殊的字符串模式，用来匹配符合规则的字符串。

　　　　　　在线匹配工具：http://rubular.com/

• 正则表达式基本语法

　　　　　　"^"：匹配起始位置。（"^h":匹配"hello"'、"hi")

　　　　　　"$"：匹配行或字符串的结尾。（"^abc$"：开始和结尾都是"abc"的字符串,只有"abc")

　　　　　　"\b":不会消耗任何字符只匹配一个位置，常用于匹配单词边界。

　　　　　　"\d":匹配数字。（"\d{2}":匹配两位数）

　　　　　　"\w"：匹配字母，数字，下划线。

 　　　　　 "\s"：匹配空格。

　　　　　　"."：匹配除了换行符以外的任何字符。

　　　　　　"[abc]":字符组，匹配包含括号内元素的字符。

　　　　　　※大写表示反义："\W"、"\S"、"\D"、"\B"、"[^abc]"。

　　　　　　"*"：重复零次或更多。（贪婪）相当于{0,}。

　　　　　　"+"：重复一次或更多次。相当于{1,}。

　　　　　　"?"：重复零次或一次。相当于{0,1}。

　　　　　　"{n}":重复n次。

　　　　　　"{n,m}"：重复n到m次。

　　　　　　"{n,}"：重复n次或更多次。

　　　　　　"*?"：重复任意次，但尽可能少重复。（非贪婪）

　　　　　　"+?"：重复1次或更多次，但尽可能少重复。

• 正则表达式—分组

　　　　　　先举例,要匹配"abba"，正则表达式为"([a-z])([a-z])\2\1"。捕获分组，其实就是括号内的内容，后面有相同的内容时，可以对捕获分组进行后向引用，以简化表达式。

　　　　　　"(exp)"：匹配exp,并捕获文本到自动命名的组里。自动命名：\1、\2...

　　　　　　"(?<name>exp)":匹配exp,并捕获文本到名称为name的组里。对于上述例子，换种写法，"(?<str1>[a-z])(?<str2>[a-z])\k<str2>\k<str1>",也能实现。

• 初步实战练习

　　　　　　　 /^[0-9]*$/   　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

　　　　　　　　##校验纯数字组合

　　　　　　　　/^[a-zA-Z]{1}([a-zA-Z0-9]|[._]){15,19}$/    　　　　　　　　　　　　　 

　　　　　　　　##以字母开头、可带数字、“_”、“.”的16~20位字符串

　　　　　　　　/^[a-zA-Z]{15,}$/　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　    

　　　　　　　　##15位以上纯字母的字符串

　　　　　　　　/^1\d{10}$/                   　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　    

　　　　　　　　##11位电话号码

　　　　　　　　/^http[s]{0,1}:\/\/.+$/          　　　　　　　　　　　　　　　　　　　　　　　　　　

　　　　　　　　##校验URL

　　　　　　　　/^[\u4E00-\u9FA5]+$/          　　　　　　　　　　　　　　　　　　　　　　　　　　  

　　　　　　　　##纯中文字符

　　　　　　　　/^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$/　　　　　　　　　　　　　

　　　　　　　　##email地址      zhang.sh@136mail.net

　　　　　　　　/^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-(([0-2]([1-9]{1}))|(3[0|1]))$/  　　　　　　　

　　　　　　　　##年-月-日

 

　　总结，目前一些基本的正则都可以随手写一写，稍微复杂的，分解一下，才能搞懂。还有很多更复杂的表达式，看了也是头昏脑涨，尤其在贪婪表达的那一块，很容易把自己绕到坑里。对于相同的规则，有的人写出的正则就很妙，有的就很普通。有空还是要多看看别人写的正则，多些思路，扩展自己的思维。

 

’End zsh 20160321