小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。
本文已参与 「掘力星计划」 ，赢取创作大礼包，挑战创作激励金。
前言
在日常生活中我们是否出现以下场景：
-
对于刚接手的项目时，通常我们会先熟悉项目，找到对接的相关方后，才能顺利开展后续工作
-
对于交朋友时，我们会与朋友们之间，磨合熟悉后，杆把子、好哥们等就出现啦
-
对于在商场购物时，我们会根据自己的需求在众多商品中，找到中意的物品，开心地完成购物
-
等等，在日常中，关于筛选检查的场景中，我们都离不开匹配的动作
除了在日常生活中，我们大量使用匹配的原则外，那么我们在工作场景中，也存在大量的匹配筛选的场景
匹配筛选目前适用场景主要分为：静态文本、动态文本
- 静态文本：典型操作-ctrl+f
- 动态文本：正则
本期，我们来对正则表达式进行系统了解和学习，Let‘s go~
1. 正则介绍
正则表达式（Regular Expression 简写regex）是一种用于字符串匹配模式，通过定义一串特殊规则去匹配符合的字符。
正则表达式起源
- 20世纪40年代：起源于数学方式的神经网络模型
- 1956年：诞生“正则表达式”术语
- 1968年：UNIX之父研发出正则表达式流派之一，支持正则表达式编译器qed
- 1987年：正则表达式流派之一,Perl语言诞生.众多语言都是参考prel语言正则表示
正则表达式特点：
- 多语言支持：目前Javascript、C#、Python、PHP都有支持正则表达式的接口
- 通用性好：定义统一的规则语法，简单易学易用，能快速运用上手
- 应用广泛：文本匹配查找、数据抓去、网络爬虫、数据校验等等
- 模式多样：规则灵活多变，常见的有贪婪模式与非贪婪模式
正则表达式常用的网站
2. 正则规则
正则表达式规则主要由五个方面组成
- 预定义字符
| 预定义字符 | 说明 |
|---|---|
| . | 默认可匹配除换行符之外的任意字符 |
| \d | 匹配0～9的所有数字 |
| \D | 匹配非数字 |
| \s | 匹配所有的空白字符，包括空格、制表符、回车符、换页符等 |
| \S | 匹配所有非空白字符 |
| \w | 匹配所有的单词字符包括0～9数字、26个英语字符和下划线（_） |
| \W | 匹配所有非单词字符 |
- 特殊字符
| 特殊字符 | 说明 |
|---|---|
| () | 标记子表达式的开始位置和结束位置 |
| [] | 用于确定中括号表达式的开始位置和结束位置 |
| {} | 用于标记前面子表达式的出现频度 |
| * | 指定前面子表达式可以出现零次或多次 |
| + | 指定前面子表达式可以出现一次或者多次 |
| ? | 指定前面子表达式可以出现零次或者一次 |
| . | 匹配除换行符\n之外的任意单个字符 |
| \ | 用于转义一个字符 |
- 合法字符
| 字符 | 说明 |
|---|---|
| X | 字符x(x可代表任意合法的字符) |
| \uhhhh | 十六进制0xhhhh所表达Unicode字符 |
| \t | 制表符 |
| \n | 换行符 |
| \r | 回车符 |
| \f | 换页符 |
| \a | 报警（bell）符 |
| \e | Escape字符 |
| \cx | x 对应的控制符 |
- 边界匹配符
| 边界匹配符 | 说明 |
|---|---|
| ^ | 行的开头 |
| $ | 行的结尾 |
| \b | 单词的边界。即只能匹配单词前后的空白 |
| \B | 非单词的边界，即只能匹配不在单词前后的空白 |
| \A | 只匹配字符串的开头 |
| \Z | 只匹配字符串的结尾，仅拥用于最后的结束符 |
- 区间
| 方括号表达式 | 说明 |
|---|---|
| [0-9] | 表示0～9任意数字 |
| [a-z] | 表示a～z任意字母 |
| [adcd] | 表示a,d,c,d其中任意一个字符 |
| [^adc] | 表示非a,b,c的任意字符 |
3. 正则引擎
正则引擎主要可以分三大类：
| 引擎名称 | 程序 | 匹配特点 |
|---|---|---|
| NFA | .Net，PHP，Java等 | 回溯，最左匹配 |
| POSIX NFA | mawk | 最长匹配 |
| DFA | egrep，awk等 | 最长匹配，不支持回溯、捕获、忽略优先量词 |
- DFA:(确定型有穷自动机)，采用文本导向（text- directed）
- NFA:(非确定型有穷自动机)，采用正则导向（regex-directed）
DFA 与 NFA 的特点：
-
相同点：
- 都是从左到右开始进行匹配
- 量词（*，+，{}）不加？的时候被忽略，默认匹配有优先
-
异同点：
-
DFA：文本导向
- 不支持回溯和捕获，匹配时以目标字符为导向
- 匹配之前，系统会对字符串进行分析和理解
- 匹配时，系统会对目标字符串从左到右进行扫描一次，同时尝试匹配多个分支，依次淘汰，无需再对目标字符串进行回溯
- 最后返回结果是一个目标字符串里面的最长匹配
我们来看一下，DFA引擎的工作原理流程：
-
NFA：字符回溯
- 对目标字符串支持回溯和捕获
- 匹配时，以遍历的方式进行匹配
- 先尝试第一个分支进行匹配，如果匹配成功，则结束匹配，返回匹配结果
- 如果匹配不成功，则继续进行下一个分支匹配（ NFA 回溯功能）
*我们来看一下，NFA引擎的工作原理流程：
-
DFA 与 NFA 优缺点对比：
| 引擎 | 功能 | 速度 | 编译 | 使用者 |
|---|---|---|---|---|
| DFA | 少 | 快 | 预编译：优化效果显著；编译：内存大且慢 | MYSQL、flex |
| NFA | 多 | 慢 | 预编译：优化复杂；编译：内存占比小且快 | PHP，JAVA、Python等 ｜ |
4. 正则优化
我们大多数语言正则表达式都是使用NFA引擎的。经过上面的学习，我们知道NFA匹配查询比较慢，因此在日常工作使用时，我们可以根据以下方面进行优化使用：
-
表达式本身优化：
- 使用字符串代替分支条件
- 优先选择最左端的匹配结果
- 谨慎使用+、*等量词
- 尽量使用字符串函数进替代
- 起始、行描点优化
- 量词等价转换的效率差异
- 合理使用括号
-
其他方面
- 代码编译缓存
- 预检查字符串长度
- 代码循环尽量避免使用正则
总结
本期，我们主要对正则表达式语法进行全面的了解和掌握，同时也对正则使用的引擎工作流程进行介绍。
正则表达式以语法简单、上手快的优势，能快速为我们替代一些日常复杂的查询检查步骤。
正所谓，一日练,一日功,一日不练十日空，大家平时多多使用起来～
以上是本期内容，欢迎大佬们评论点赞，我们下次见～