現(xiàn)如今，正則表達(dá)式幾乎是程序員的必備技能了，它入手確實(shí)很容易，但如果你不仔細(xì)琢磨學(xué)習(xí)，會(huì)長(zhǎng)期停留在正則最基本的用法層面上。
因此，本篇文章，我會(huì)介紹一些能用正則解決的場(chǎng)景，但這些場(chǎng)景如果全自己琢磨實(shí)現(xiàn)的話，需要花一些時(shí)間才能完成，或者就完全想不出來(lái)，另外也會(huì)介紹一些正則表達(dá)式的性能問(wèn)題。

匹配多個(gè)單詞

比如我想匹配zhangsan、lisi、wangwu這三個(gè)人名，這是一個(gè)很常見(jiàn)的場(chǎng)景，其實(shí)在正則里面也算基本功，但鑒于本人初入門時(shí)還是在網(wǎng)上搜索得到的答案，還是值得提一下的！
實(shí)現(xiàn)如下：

zhangsan|lisi|wangwu

其中|表示或的含義，就是匹配zhangsan或lisi或wangwu了。

匹配重復(fù)數(shù)字

匹配如1111、2222、3333這樣的4位長(zhǎng)度的重復(fù)數(shù)字，突一想，這不用\d{4}就解決了嚒，其實(shí)不然，因?yàn)?code>\d{4}可以匹配1111，但也可以匹配1234啊。
寫法如下：

(\d)\1{3}

\d匹配第一個(gè)數(shù)字，后面的\1匹配前面\d匹配的內(nèi)容，重復(fù)3次，這樣就可以匹配1111或2222這樣的4位數(shù)字串了。

匹配各種空白

在使用正則時(shí)，常用\s來(lái)匹配空白，但遺憾的是，還是有一些Unicode的空白字符，\s無(wú)法匹配，這時(shí)可以嘗試POSIX字符類\p{Space}，我在Java中驗(yàn)證通過(guò)，可以匹配ascii空白字符與Unicode空白字符，如果是其它語(yǔ)言的話，可能正則語(yǔ)法會(huì)稍有區(qū)別。

位置匹配

正則表達(dá)式中\(zhòng)G與環(huán)視是比較難理解的，因?yàn)檫@兩個(gè)東西很多書上只是介紹了匹配的規(guī)則，沒(méi)有說(shuō)出實(shí)質(zhì)，導(dǎo)致死記的規(guī)則過(guò)一段時(shí)間就忘，也不明白這兩東西有啥用。
我們轉(zhuǎn)換一下思維，其實(shí)在正則表達(dá)式中，匹配目標(biāo)只有兩個(gè)，一是匹配字符串中的字符，二是匹配字符串中的位置，如下圖：

上邊的hello，有5個(gè)字符可以匹配，另外還有6個(gè)位置可以匹配，而^hello中^就是代表匹配開頭的位置，所以如果是_hello就無(wú)法被^hello匹配，因?yàn)?code>_與h之間的位置并不是開頭，不能與^匹配！

常見(jiàn)位置匹配規(guī)則

^與\A
^ 匹配文本開始位置，但在多行匹配模式下，^匹配每一行的開始位置。
\A 僅僅只能匹配開始位置，不管什么匹配模式下

$與\Z

$?匹配文本末尾位置，但在多行匹配模式下，$匹配每一行的末尾位置。
\Z 僅僅只能匹配末尾位置，不管什么匹配模式下

\b與\B
\b匹配單詞邊界，在Java中，單詞邊界即是字母與非字母之間的位置，中文不認(rèn)為是單詞，另外文本開頭與文本結(jié)尾也是單詞邊界
\B匹配非單詞邊界

\G
匹配上次匹配的結(jié)束位置或當(dāng)前匹配的開始位置，第一次匹配時(shí)，匹配文本開始位置，如下：
從1234a5678中找單個(gè)數(shù)字，如果用\d去找，可以找到8個(gè)，但使用\G\d去找，卻只能找到4個(gè)
查找過(guò)程：
第1次查找，\G匹配文本開始位置，1與\d匹配，找到第1個(gè)匹配，即1
第2次查找，\G匹配1后面2前面之間的位置，2與\d匹配，找到第2個(gè)匹配，即2
第3次查找，\G匹配2后面3前面之間的位置，3與\d匹配，找到第3個(gè)匹配，即3
第4次查找，\G匹配3后面4前面之間的位置，4與\d匹配，找到第4個(gè)匹配，即4
第5次查詢，\G匹配4后面5前面之間的位置，但a與\d不匹配，匹配結(jié)束，總共找到4個(gè)匹配。

環(huán)視
(?=a) 與 (?!a)
正向肯定(否定)環(huán)視，用來(lái)檢測(cè)當(dāng)前位置后面字符是否是a，或不是a
(?<=a) 與 (? 逆向肯定(否定)環(huán)視，用來(lái)檢查當(dāng)前位置前面字符是否是a，或不是a
如下，查找被()包裹的單詞，使用環(huán)視限定單詞左邊是(，右邊是)

位置可被多次匹配
文本中的一個(gè)位置，可以同時(shí)匹配多個(gè)規(guī)則，且與規(guī)則在正則表達(dá)式中的先后順序無(wú)關(guān)，例如下面3個(gè)正則表達(dá)式是等價(jià)的：

^abc
^^^^^^abc
^(?=a)\b^^^abc

下面舉兩個(gè)實(shí)際例子體會(huì)一下位置匹配！

例1：密碼強(qiáng)度校驗(yàn)
前端校驗(yàn)密碼強(qiáng)度時(shí)，經(jīng)常有這樣的要求，長(zhǎng)度8到10位，且必須包含數(shù)字、字母、標(biāo)點(diǎn)符號(hào)，可通過(guò)一個(gè)正則表達(dá)式校驗(yàn)出來(lái)，如下：

^(?=.*[0-9])(?=.*[a-zA-Z])(?=.*\p{P}).{8,10}$

其中，(?=.*[0-9])表示開頭位置的后面一定要有數(shù)字，(?=.*[a-zA-Z])表示開頭位置后面一定要有字母，(?=.*\p{P})表示開頭位置的后面一定要有標(biāo)點(diǎn)符號(hào)，.{8,10}表示匹配8到10位字符，這幾個(gè)正則合在一起，就實(shí)現(xiàn)了校驗(yàn)密碼強(qiáng)度的要求。

例2：千分位數(shù)字
有時(shí)我們需要將123456789變成123,456,789這樣的千分位數(shù)字，這個(gè)使用正則就可以實(shí)現(xiàn)，如下，將此正則匹配到的位置，替換為,：

(?!^)(?=(\d{3})+$)

其中，(?=(\d{3})+$)表示匹配位置，這個(gè)位置后面必須要有一組或多組3個(gè)數(shù)字，滿足這樣條件的位置有3個(gè)，開頭與1之間的位置，3和4之間的位置，6和7之間的位置，然后(?!^)又限制了同樣的這些位置，不能是開頭，就只能3和4，6和7之間的位置滿足要求了，所以替換之后，就變成了123,456,789。

匹配帶引號(hào)字符串

匹配諸如"hello,world"這樣的帶引號(hào)的字符串，很容易想到，用"[^"]+"即可，但是如果引號(hào)字符串里面允許用\來(lái)轉(zhuǎn)義"呢，如"hello \"bob\"!"，如果用"[^"]+"來(lái)匹配的話，就只會(huì)匹配到"hello \"了，顯然不對(duì)，可以先自行想想如何用正則實(shí)現(xiàn)。
...
...
...
想不出來(lái)？我們可以換一個(gè)視角，包含帶\開頭轉(zhuǎn)義字符的字符串，其實(shí)可以拆解為",hello,\"bob,\"!,"，然后再泛化為正則形式，",[^\\"]*,\\.[^\\"]*,\\.[^\\"]*,"，組合在一起如下：

"[^\\"]*(?:\\.[^\\"]*)*"

表達(dá)式中多了個(gè)(?:)，這表示非捕獲分組，可以用來(lái)提高正則匹配性能，而由于字符串中有可能沒(méi)有\開頭的轉(zhuǎn)義字符，故(?:\\.[^\\"]*)后面是*，直接由[^\\"]*匹配完引號(hào)內(nèi)所有內(nèi)容。

別搞炸了CPU

正則表達(dá)式如果寫得很復(fù)雜，就需要謹(jǐn)慎評(píng)估了，因?yàn)橛锌赡芷綍r(shí)運(yùn)行得好好的，但遇到一些特殊情況，會(huì)導(dǎo)致CPU直接100%，比如還是上面那個(gè)匹配帶引號(hào)字符串的場(chǎng)景，有同學(xué)可能會(huì)給出這樣的正則：

"([^\\"]+|\\.)*"

乍一看，這個(gè)正則很完美，[^\\"]+匹配非轉(zhuǎn)義字符的部分，\\.匹配\"，\n之類的。這個(gè)正則在遇到滿足條件的字符串時(shí)完全沒(méi)有問(wèn)題(如"hello \"bob\"!")，而遇到不滿足條件的字符串時(shí)，正則匹配復(fù)雜度會(huì)隨著字符串長(zhǎng)度呈指數(shù)式上升，導(dǎo)致CPU 100%，如"hello \"bob\"!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!，其中"沒(méi)有閉合。

public static void main(String[] args) {
    long begin = System.currentTimeMillis();
    boolean isMatch = "\"hello \\\"bob\\\"!!!!!!!!!!!!!!!!!!".matches("\"([^\\\\\"]+|\\\\.)*\"");
    System.out.println(String.format("%s ms, isMatch: %s", System.currentTimeMillis() - begin, isMatch));
}

這段java代碼，在我機(jī)器上跑完要2s的樣子，但如果字符串中再加4個(gè)!，運(yùn)行時(shí)間立馬上升到17s，性能下降非常恐怖！

原因
如果知道一些正則匹配原理，應(yīng)該知道正則在匹配時(shí)，如果匹配不上，會(huì)將已經(jīng)匹配的字符吐出來(lái)，再看看是否能夠匹配，這叫回溯，比如".*"匹配"hello"，先正則中的"匹配上了字符串中的"，然后.*依次匹配了h,e,l,l,o,"，最后正則中的"匹配字符串結(jié)尾位置，匹配不上，這時(shí)正則引擎會(huì)讓前面的.*吐出它匹配的"，然后吐出來(lái)的這個(gè)"，剛好可以和正則中的"匹配，這樣就匹配成功了。

那如果是"hello這樣沒(méi)有閉合的字符串，.*會(huì)一直吐字符，一直到它沒(méi)有字符可吐，發(fā)現(xiàn)還是匹配不上，這樣整個(gè)匹配才認(rèn)定為匹配失敗。

是的，正則中包含匹配量詞?,*,+時(shí)，你就可以想像為它們一直在吃字符，當(dāng)后面的規(guī)則匹配不上時(shí)，會(huì)強(qiáng)迫它又吐出來(lái)，而如果是懶惰匹配量詞??,*?,+?，你就可以想像它先不吃，當(dāng)后面的規(guī)則匹配不上時(shí)，會(huì)強(qiáng)迫它去吃。

我們?cè)賮?lái)分析下"([^\\"]+|\\.)*"匹配"!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!為啥會(huì)如此低效！
注：為了分析方便，我簡(jiǎn)化了待匹配字符串，但效果是一樣的

1. 首先[^\\"]+吃掉了!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!。
2. 然后發(fā)現(xiàn)正則中"與字符串結(jié)尾位置不匹配，開始回溯。
3. 然后[^\\"]+吐出一個(gè)!，注意這里，由于外層還有一個(gè)*貪婪量詞，吐出來(lái)的!又被[^\\"]+|\\.中的[^\\"]+吃掉了，它吃掉后，到了字符串結(jié)尾，發(fā)現(xiàn)結(jié)尾又與正則中的"不匹配，又要求[^\\"]+|\\.中的[^\\"]+吐出剛吃掉的!，結(jié)果吐出后又不匹配。
4. 然后又逼著最前面的那個(gè)[^\\"]+吐出倒數(shù)第二個(gè)!，注意，再次吐出!后，當(dāng)前匹配位置后面有兩個(gè)!，可惡的是，這兩個(gè)!又被后面[^\\"]+|\\.中的[^\\"]+吃掉了，然后悲劇重演，它又要吐出來(lái)，如此循環(huán)往復(fù)，計(jì)算量指數(shù)級(jí)上升。

解決辦法
其實(shí)可以看出來(lái)，造成這個(gè)問(wèn)題是因?yàn)檎齽t表達(dá)式中有兩個(gè)量詞，內(nèi)層有一個(gè)+，外層有一個(gè)*，不信的話，你可以嘗試用^(a+)*$去匹配aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa0，同樣的會(huì)非常慢。
而要解決這個(gè)問(wèn)題，有兩個(gè)辦法。

1. 讓[^\\"]+吐出來(lái)的字符，無(wú)法被外層正則中另一個(gè)貪婪的自己吃掉，比如前面介紹的"[^\\"]*(?:\\.[^\\"]*)*"，[^\\"]*吐出來(lái)的字符，是無(wú)法被\\.[^\\"]*吃掉的，因?yàn)橥鲁鰜?lái)的一定不是\，而\\.[^\\"]*要先吃一個(gè)\。
2. 明知道自己吐出來(lái)的字符后，后面的規(guī)則也無(wú)法匹配，那就讓量詞吃掉字符后不吐，比如將正則修改為"([^\\"]++|\\.)*"這樣，+變成了++，像這種量詞后面再加+號(hào)的，比如?+,*+,++，這表示占有量詞，吃完字符后就不會(huì)吐了。

注：占有量詞不要亂用，有時(shí)吐出來(lái)字符可以讓整個(gè)正則匹配，而你強(qiáng)制讓它不吐出來(lái)，反而讓它匹配不了了，如^.+b$可以匹配ab，但如果你用^.++b$就無(wú)法匹配ab了，因?yàn)?code>.吃掉了ab，吐出一個(gè)b剛好可以使后面的b匹配。而^[^b]++b$這種用法就是對(duì)的，因?yàn)?code>^b吐出來(lái)的字符肯定不能和后面的b匹配，就沒(méi)必要再吐了。

總結(jié)

正則表達(dá)式很強(qiáng)大，用好它事半功倍，但也需要了解它的執(zhí)行過(guò)程，避免指數(shù)級(jí)回溯陷阱。

文章題目：正則表達(dá)式技巧與注意事項(xiàng)
URL網(wǎng)址：http://uogjgqi.cn/article/djghjoe.html