开篇词丨学习正则，我们到底要学什么？

涂伟忠



讲述：涂伟忠大小：10.54M时长：11:30



该思维导图由 AI 生成，仅供参考

你好，我是涂伟忠。从今天开始，我们就要一起来学习正则表达式了。
我相信，作为一名程序员或者准程序员，你肯定是知道正则表达式的。作为计算机领域最伟大的发明之一，正则表达式简单、强大，它可以极大地提高我们工作中的文本处理效率。现在，各大操作系统、编程语言、文本编辑器都已经支持正则表达式，甚至我还和极客时间的编辑开玩笑说，他们也应该好好学学正则这门手艺。
但是，当我去和朋友深入聊天的时候，才发现很多人是没有系统学习过正则表达式的，他们和我笑着说，这东西不难，我每次用的时候都是去  Google  搜一搜，然后复制过来改一改，效率特别高，我听完之后哭笑不得。
再后来，我和极客时间合作了一个关于正则表达式的每日一课课程，在课程的留言里，很多用户讲了他们的困惑，我总结了下，主要有 4 点：
学过正则，但觉得过于复杂，根本记不住；
在网上找到的正则和自己的需求有一点出入，看不懂，也不知道该怎么改；
不清楚正则的流派和支持情况，搞不懂为何自己写的正则没达到效果；
不清楚正则的工作原理，结果写出的正则或者从网上随便找来的正则出现了性能问题。
为什么会出现这些问题呢？我觉得是核心原因主要是以下几点：
没重视过正则，觉得没必要专门花时间学习，用的时候才发现“书到用时方恨少”；
没系统学习过正则，只简单地使用过部分功能，自然也就不清楚正则流派及工作原理等内容了；
没找到正确的方法去学习和记忆，导致学了之后很快就忘了。
所以，我打算通过一个课程，用尽可能通俗易懂的方式，系统化地给你梳理和讲解正则的知识点，希望可以帮助你解决上面这些问题，让正则这个强大的工具在你手上发挥出真正的威力。
但是呢，真要开始学正则，我想你的心头可能会五味杂陈，内心也是纠结万分。美国一位知名程序员杰米·加文斯基（Jamie Zawinski）说过一句话：
如果你有一个问题，你想到可以用正则来解决，那么你有两个问题了。
Some people, when confronted with a problem, think “I know, I’ll use regular expressions.” Now they have two problems.
这句话流传在程序员中间，给人一种感觉，就是正则是很难掌握和利用好的工具。也正因如此，很多程序员并不愿意去学正则表达式，心里可能是这么想的：我在工作中用到正则的时候并不多啊，要用的时候搜一下就好了啊，为什么还要专门花时间和精力学它呢？
但我觉得，真实的情况可能是这样的：不是工作中用不到，而是当你不熟悉一个技能的时候，遇到问题时根本不会考虑它。比如我们要删除掉文本中的所有数字，不知道正则的话，你可能会想到从 0 到 9 这样一个个替换，操作 10 次，但如果知道正则，那么只需要替换一次就可以搞定这个问题。
正则是什么，能做什么？说了这么多，到底什么是正则呢？它能做什么呢？
我们先来说概念。正则，就是正则表达式，英文是 Regular Expression，简称 RE。顾名思义，正则其实就是一种描述文本内容组成规律的表示方式。
在编程语言中，正则常常用来简化文本处理的逻辑。在 Linux 命令中，它也可以帮助我们轻松地查找或编辑文件的内容，甚至实现整个文件夹中所有文件的内容替换，比如 grep、egrep、sed、awk、vim 等。另外，在各种文本编辑器中，比如 Atom，Sublime Text 或 VS Code 等，在查找或替换的时候也会使用到它。总之，正则是无处不在的，已经渗透到了日常工作的方方面面。
简单来说，正则是一个非常强大的文本处理工具，它的应用极其广泛。我们可以利用它来校验数据的有效性，比如用户输入的手机号是不是符合规则；也可以从文本中提取想要的内容，比如从网页中抽取数据；还可以用来做文本内容替换，从而得到我们想要的内容。
通过它的功能和分布的广泛你也能看出来，正则是一个非常值得花时间和精力好好学习的基本技能。之前你花几十分钟才能搞定的事情，可能用正则很快就搞定了；之前不能解决的问题，你系统地学习正则后，可能发现也能轻松解决了。
学习正则，我们到底要学什么？那么问题来了，想要掌握正则，我们到底要学什么？我在课程中又是怎么安排这些内容的呢？
1. 正则的基本知识正则的很多基本知识其实并不难，只是难记。不过，记住一个东西并不是我们的最终目的，我们的目的是理解并且会用正则这个工具。
比如正则中的各种元字符，在课程中，我会讲有关元字符的记忆技巧，让你不再对元字符感到头疼。再比如各种模式和分组，它们可以在查找和替换时发挥强大的威力。
下面我用 Python 语言示例，从文本中找出连续出现的重复单词。我们可以看到，正则可以很方便地搞定这个需求。
>>> import re
>>> test_str = "the little cat cat in the hat hat."
>>> re.sub(r'(\w+) \1', r'\1', test_str)
'the little cat in the hat.'
但上面的示例在任何情况下都能很好地工作么？我们要不要考虑单词的边界？反向引用又有哪些要注意的点？所有这些问题都会在课程中一一进行讲解。
2.在常见的编辑器中使用正则的方法我们经常需要从大段文本中抽取需要的内容，学会使用正则之后，不用写代码就可以完成类似的日常工作。举个例子，假如我们在 Sublime Text 3 中使用正则，查找重复出现的单词，并且想把它替换成单个单词。
菜单中的 Find -> Replace，在查找栏中输入 (\w+) \1，在替换栏中输入子组的引用 \1 ，然后点击 Replace All 就可以完成替换工作了。这样，通过少量的正则，我们就完成了文本的处理工作了。是不是很方便呢？
3. 正则中进阶的内容除此之外，我还会在课程中讲一些更高阶的正则内容，这部分主要有正则中的断言（包括单词边界、行开始和结束、环视），三种主要流派的区别以及对应的软件实现，正则的工作机制和常见的优化方式等。
掌握这些内容可以让我们更好地理解正则， 也可以避过很多坑。比如，为什么在编程语言中能工作的正则，在 Linux 命令 grep 中就不能工作了呢？正则匹配的原理又是什么？如何写出性能更好的正则呢？
综合以上这三点，我希望你能掌握的是正则中一些重要的概念和功能，这是我们学习和使用正则的基础；然后是有关正则的记忆方法，通过合理的方式，事半功倍地达到学习效果，这是我们学习正则的利器；此外，我还会运用大量的示例让你了解正则在实际工作场景中的使用，只有与现实案例结合，我们的学习才不会脱节，这是我们学习正则的原则。
明确原则、打好基础、掌握利器，我相信你一定可以拿下正则这项技能，在工作中随心所用。学完后，你一定会觉得，手写正则原来也没有那么难。
话不多说，我们这就开始吧！

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
中文繁体
法语
德语
日语
韩语
俄语
西班牙语
阿拉伯语
解释
总结

学习正则表达式是程序员或准程序员必备的技能之一。正则表达式简单、强大，可以极大地提高文本处理效率。然而，很多人并没有系统学习过正则表达式，导致在实际应用中遇到困惑和问题。作者通过课程系统化地梳理和讲解正则的知识点，希望帮助读者解决学习和应用中的困惑，让正则这个强大的工具在读者手上发挥出真正的威力。正则表达式是一种描述文本内容组成规律的表示方式，在编程语言、Linux命令和各种文本编辑器中广泛应用。它可以用来校验数据的有效性、提取文本内容、做文本替换等，极大地简化了文本处理的逻辑。通过学习正则表达式，读者可以轻松解决之前需要花费大量时间和精力才能完成的任务，提高工作效率。在课程中，作者安排了正则的基本知识、在常见编辑器中使用正则的方法以及正则中的进阶内容。通过讲解元字符、模式和分组、断言等内容，读者可以掌握正则的重要概念和功能，以及记忆方法和实际应用技巧。作者还通过大量示例让读者了解正则在实际工作场景中的使用，帮助读者理解正则的工作机制和常见的优化方式。总之，学习正则表达式是非常值得花时间和精力的基本技能。通过系统学习和实际应用，读者可以轻松掌握正则表达式，提高工作效率，解决实际问题。

2020-06-0858人觉得很赞给文章提建议

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《正则表达式入门课》，新⼈⾸单¥59

立即购买

登录后留言

全部留言(26)

最新
精选

Robot
VScode工具需要把替换内容由\1改为$1
作者回复: 👍🏻 感谢分享
2020-06-09
4
29
吃草🐴~
记得以前刚工作的时候，在 W3C 里看过总结过的常用的正则表达式，还打印出来放在电脑旁边，后来个人也确实觉得不常用，就慢慢放弃了。😂还觉得是我的智商配不上正则表达式。这次跟着老师过一遍正则，好好学习一番~ 很喜欢涂老师的这句话：不是工作中用不到，而是当你不熟悉一个技能的时候，遇到问题时根本不会考虑它。感觉说得太有道理🤔🤔
作者回复: 加油，正则不难，你可以的
2020-06-16

12
德育处主任
这个专栏是基于什么编程语言来使用正则的？
作者回复: 常见的语言都会讲一讲，前面更多使用的是Python，测试起来比较方便
2020-06-08
9
12
William
老师能否详细对比下正则和通配符
作者回复: 通配符比正则简单很多，主要有星号(*)和问号(?)，星号表示零到多个任意个字符，问号表示任意单个字符。而正则也要强大和复杂很多，星号和问号含义也不一样了，表示是前面的正则部分出现多少次。
2020-06-08
2
7
LubinLew
您好：我想问一下，目前的正则规则有RFC吗？讲述的都是PCRE规则吗？有的语法某些语言不支持，是因为其库的实现不完全是吗？之前在Linux中使用过BRE和ERE，这些都是正则的实现，但是PCRE规则应用更广泛是吗？
作者回复: 在正则流派里面会讲解原因，了解发展历史你就明白原因了。各个语言和库确实实现有差异，但大部分功能都是一样的，思路是一样的。 PCRE是目前主流编程语言使用的流派，应用多一些，BRE和ERE在Linux一些命令中会见到。
2020-06-24

5
风
正则文法，对应有限自动机，其对模式的表示能力和识别能力是有限的。人去理解和应用它时，思维过程是线性的，人脑处理线性的东西其实是有优势的。但如果是要做正则的解析器，而不是单纯地使用它的话，这时候要实现一个小编译器，将re转换成一颗简单的语法树（非叶子结点都是or结点或and结点），再遍历这个树，并按照几个特定的规则，将其转为nfa，然后在构造效率和识别效率上做权衡，决定要不要转成dfa。这个时候思维就不是线性的了，而是树。从工具的使用者到工具的实现者，思维相差一个维度。前人站在更高的维度上实现一个工具，让后人可以用简单的脑力去实现同样的事情，这世上类似的工具有很多，正则只是其中之一。
作者回复: ��
2020-09-14

3
卡尔
正则就是匹配文本和位置
作者回复: 对的
2020-06-15

2
我来也
vi中有两套正则表达式。不同模式下的元字符还有所差异。这个不太好记。
作者回复: 确实不好记，需要多加练习，熟练了自然就记住了。方法是先把核心的概念都掌握好，至于用什么表示，可以查查参考手册
2020-07-07

1
杏林之虎
word等 office组建中，可否使用正则?如果可以，是否可以推荐学习资料?
作者回复: Office的查找替换中的通配符，可以实现一些简单的正则的功能，但对于正则还不支持。
2020-06-30
2
1
bigben
在“2.在常见的编辑器中使用正则的方法”中，重复的单词去重后再加个数字该怎么写，比如“cat cat”替换后的结果是“cat2”
作者回复: 正则部分和原来一样，替换部分不能用\12，因为这样会理解成第12个，在Python里面可以写 \g<1>2这样，在PHP中可以用 \${1}2。像Java里面，如果写\12，他会看12这个分组不存在，然后当成\1后面加个2。有一些语言下你这个问题用正则是无解的，只能想别的办法，比如用命名分组。
2020-06-20

1

收起评论