当前所在位置: 首页 > 网站购买

你是如何学会正则表达式的?如何写出高效率的正则表达式?

2021-10-11 本站作者 【 字体:

如果纯粹是为了挑战自己的正则水平,用来实现一些特效(例如使用正则表达式计算质数、解线性方程),效率不是问题;如果所写的正则表达式只是为了满足一两次、几十次的运行,优化与否区别也不太大。但是,如果所写的正则表达式会百万次、千万次地运行,效率就是很大的问题了。我这里总结了几条提升正则表达式运行效率的经验(工作中学到的,看书学来的,自己的体会),贴在这里。如果您有其它的经验而这里没有提及,欢迎赐教。

如果你不觉得正则表达式很难读写的话,要么你是一个天才,要么,你不是地球人。正则表达式的语法很令人头疼,即使对经常使用它的人来说也是如此,包括我。

为行文方便,先定义两个概念。

误匹配:指正则表达式所匹配的内容范围超出了所需要范围,有些文本明明不符合要求,但是被所写的正则式“击中了”。例如,如果使用\d{11}来匹配11位的手机号,\d{11}不单能匹配正确的手机号,它还会匹配98765432100这样的明显不是手机号的字符串。我们把这样的匹配称之为误匹配。

因为正则表达式也是我写Python爬虫的一大利器。再大再乱的内容,哪怕是大海捞针,只要告诉我这个针的样子我都能从茫茫大海中捞出来。

漏匹配:指正则表达式所匹配的内容所规定的范围太狭窄,有些文本确实是所需要的,但是所写的正则没有将这种情况囊括在内。例如,使用\d{18}来匹配18位的身份证号码,就会漏掉结尾是字母X的情况。

至于我是怎么学会的,当然是从一开始的刷题,到后面不断的实战练习练习练习!

我要做的就是给你们推荐几个学习正则表达式的利器和网站,剩下的还是靠你们自己去完成。


写出一条正则表达式,既可能只出现误匹配(条件写得极宽松,其范围大于目标文本),也可能只出现漏匹配(只描述了目标文本中多种情况种的一种),还可能既有误匹配又有漏匹配。例如,使用\w+\.com来匹配.com结尾的域名,既会误匹配abc_.com这样的字串(合法的域名中不含下划线,\w包含了下划线这种情况),又会漏掉ab-c.com这样的域名(合法域名中可以含中划线,但是\w不匹配中划线)。

第一:如果你还不知道正则表达式是什么,但是却要使用它的话。从这里可以快速入门。

精准的正则表达式意味着既无误匹配且无漏匹配。当然,现实中存在这样的情况:只能看到有限数量的文本,根据这些文本写规则,但是这些规则将会用到海量的文本中。这种情况下,尽可能地(如果不是完全地)消除误匹配以及漏匹配,并提升运行效率,就是我们的目标。本文所提出的经验,主要是针对这种情况。

  • 正则表达式30分钟入门教程(http://www.cnblogs.com/hustskyking/archive/2013/06/04/RegExp.html)你是如何学会正则表达式的?如何写出高效率的正则表达式?(图1)
  • 正则表达式进阶(http://div.io/topic/764?page=1


第二:正则表达式的相关语法,这是一张正则的语法图,可用于快速查询。不用熟记,要用的时候会查看的懂就行了。

你是如何学会正则表达式的?如何写出高效率的正则表达式?(图2)


掌握语法细节。正则表达式在各种语言中,其语法大致相同,细节各有千秋。明确所使用语言的正则的语法的细节,是写出正确、高效正则表达式的基础。例如,perl中与\w等效的匹配范围是[a-zA-Z0-9_];perl正则式不支持肯定逆序环视中使用可变的重复(variable repetition inside lookbehind,例如(?<=.*)abc),但是.Net语法是支持这一特性的;又如,JavaScript连逆序环视(Lookbehind,如(?<=ab)c)都不支持,而perl和python是支持的。《精通正则表达式》第3章《正则表达式的特性和流派概览》明确地列出了各大派系正则的异同,这篇文章也简要地列出了几种常用语言、工具中正则的比较。对于具体使用者而言,至少应该详细了解正在使用的那种工作语言里正则的语法细节。

第三:当然,用工具写更快捷。由于正则表达式难于读写,容易出错,所以我们最好一种工具在线对正则表达式进行测试。

1.Regexr

https://regexr.com/)

先粗后精,先加后减。使用正则表达式语法对于目标文本进行描述和界定,可以像画素描一样,先大致勾勒出框架,再逐步在局步实现细节。仍举刚才的手机号的例子,先界定\d{11},总不会错;再细化为1[358]\d{9},就向前迈了一大步(至于第二位是不是3、5、8,这里无意深究,只举这样一个例子,说明逐步细化的过程)。这样做的目的是先消除漏匹配(刚开始先尽可能多地匹配,做加法),然后再一点一点地消除误匹配(做减法)。这样有先有后,在考虑时才不易出错,从而向“不误不漏”这个目标迈进。

留有余地。所能看到的文本sample是有限的,而待匹配检验的文本是海量的,暂时不可见的。对于这样的情况,在写正则表达式时要跳出所能见到的文本的圈子,开拓思路,作出“战略性前瞻”。例如,经常收到这样的垃圾短信:“发*票”、“发#漂”。如果要写规则屏蔽这样烦人的垃圾短信,不但要能写出可以匹配当前文本的正则表达式 发[*#](?:票|漂),还要能够想到 发.(?:票|漂|飘)之类可能出现的“变种”。这在具体的领域或许会有针对性的规则,不多言。这样做的目的是消除漏匹配,延长正则表达式的生命周期。

你是如何学会正则表达式的?如何写出高效率的正则表达式?(图3)

明确。具体说来,就是谨慎用点号这样的元字符,尽可能不用星号和加号这样的任意量词。只要能确定范围的,例如\w,就不要用点号;只要能够预测重复次数的,就不要用任意量词。例如,写析取twitter消息的脚本,假设一条消息的xml正文部分结构是<span class=”msg”>…</span>且正文中无尖括号,那么<span class=”msg”>[^<]{1,480}</span>这种写法的思路要好于<span class=”msg”>.*</span>,原因有二:一是使用[^<],它保证了文本的范围不会超出下一个小于号所在的位置;二是明确长度范围,{1,480},其依据是一条twitter消息大致能的字符长度范围。当然,480这个长度是否正确还可推敲,但是这种思路是值得借鉴的。说得狠一点,“滥用点号、星号和加号是不环保、不负责任的做法”。

不要让稻草压死骆驼。每使用一个普通括号()而不是非捕获型括号(?


2.Regx101

(https://regex101.com/

  • 支持多种语言, prec,php,javascript,python,golang
  • 界面美观大方
  • 支持错误提示,实时匹配

你是如何学会正则表达式的?如何写出高效率的正则表达式?(图4)


3. Regulex

(https://jex.im/regulex/)

你是如何学会正则表达式的?如何写出高效率的正则表达式?(图5)

  • 实时根据正则表达式绘图
  • 页面加载速度快


第四:刷题,HackerRank上有一系列正则表达式的题。不用做很多,只要做几个。做完以后应该就已经掌握正则表达式的用法了。

(https://www.hackerrank.com/domains/regex/re-introduction)

你是如何学会正则表达式的?如何写出高效率的正则表达式?(图6)


还是我说的,一步一步来,不要想一步登天。程序员本来就是一个需要不断学习锻炼的职业,如果对基本概念都没有了解就开始刷题,写代码的的话,只会让自己的代码更复杂。怎么才算扎实,比如:从一个很典型的例子,去除字符串首尾的空白,尝试用5-10种不同的正则去测试,并思考哪些方式的效率最高,为什么?记住每个程序员都是这样一步步的实现一遍又一遍才能真正掌握正则的,包括那些大牛亦是如此。

阅读全文

猜你喜欢

二O一九年天涯台版【70周年国庆】暨【金秋十月】主题贴文活动国庆阅兵这个方队352人,年龄最大的59岁!他们是这样训练的→

2021-10-06
591

后端怎样布署开场白的页面㊙特别注意:.TM注册商标搜索引擎行骗袭来,中云辩护律师为你揭内幕消息!转贴吧,防止好友经济损失几千元!

2021-09-08
591

域域网是什么意思?SSL证书,是一台服务器只能有一个吗?

2021-09-22
594

新冠肺炎疫情过后,你有怎样的思考和感悟?通过这段冠状病毒疫情期间发生的事情,你有什么感悟?

2021-09-30
591

新中国成立七十周年庆典即将来临,你有那些好的文章、诗词献给祖国母亲?2020国庆节手抄报文字内容 新中国成立71周年素材资料

2021-10-01
591

我国飞信是做什么的?飞信.我国搜索引擎都有哪些优势?

2021-09-24
591

几个国家的国庆节日期!!2018年法定节假日安排时间表 共多少天

2021-10-02
591

目前,大连的疫情已经扩散到四个省份,未来疫情的走向会如何?电影院将陆续开放其中有你的城市吗?大家迫不及待想去观影了吗?

2021-10-03
593

最新!全国疫情中高风险地区名单,降至9个疫情下中秋国庆还能出去玩吗?

2021-10-03
596

“.智能手机”搜索引擎注册登记局参予承办第二届英文搜索引擎技术创新应用领域高峰论坛伊宁县委编办“具体表现”坚实大力推进英文搜索引擎注册登记管理

2021-09-08
592
id_1广告位-300*300
相关推荐

注册一个域名的流程是什么?网站域名注册的流程是什么?

注册一个域名的流程是什么?网站域名注册的流程是什么?
总共有三个步骤(本站所有的域名注册步骤是一样的,这里以英文域名为例)。 一...

哈尔滨1地升级为高风险地区、5地升级为中风险地区五一从重庆去广州回来需要隔离吗?

哈尔滨1地升级为高风险地区、5地升级为中风险地区五一从重庆去广州回来需要隔离吗?
关于将利民开发区裕田街道等地区风险等级调整为中高风险地区的通告根据国务院联防联控...

绥芬河、满洲里、哈尔滨全为低风险区,明起全国已无中风险区域疫情当前我的担当是什么?

绥芬河、满洲里、哈尔滨全为低风险区,明起全国已无中风险区域疫情当前我的担当是什么?
不畏关山千里路,冰心一片付征鞍。据央视***客户端,黑龙江省应对新型冠状病毒感染...

黑龙江哈尔滨8地区升为中风险广东到呼伦贝尔用隔离吗?

黑龙江哈尔滨8地区升为中风险广东到呼伦贝尔用隔离吗?
内蒙古自治区新冠肺炎疫情防控指挥部关于进一步加强管控严防新冠肺炎疫情输入传播扩散...

什么是网关、DNS、子网掩码、MAC地址DNS服务器:小黑屋中的“翻译官”大神

什么是网关、DNS、子网掩码、MAC地址DNS服务器:小黑屋中的“翻译官”大神
什么是网关 DNS服务器是一个外行听起来比较专业的词汇,大部分只是听说过DNS,...

中英域名后面的英文分别代表什么意思?如何把域名翻译为IP地址?

中英域名后面的英文分别代表什么意思?如何把域名翻译为IP地址?
在DOS窗口中 PING 名以一个常见的域名为例说明,baidu网址是由...

上海现在属于什么风险地区?本土确诊+16,哈尔滨两地升中风险

上海现在属于什么风险地区?本土确诊+16,哈尔滨两地升中风险
9月21日0时至24时,31个省(自治区、直辖市)和新疆生产建设兵团报告新增确诊...

风险等级几级才算是重大危险源本土确诊+3!哈尔滨公告:非必要不离哈,两地调整为中风险,国家卫健委派工作组赴哈丨一财早知道

风险等级几级才算是重大危险源本土确诊+3!哈尔滨公告:非必要不离哈,两地调整为中风险,国家卫健委派工作组赴哈丨一财早知道
上班路上10分钟,时事财富样样通【隔夜关注】据哈尔滨市政府***办召开的疫情防控...

中国疫情重灾区是哪里?昨日本土新增28例,哈尔滨多地调为中风险

中国疫情重灾区是哪里?昨日本土新增28例,哈尔滨多地调为中风险
没有重灾区了。9月22日0—24时,31个省(自治区、直辖市)和新疆生产建设兵团...

阿里云买可以一个域名,我做解析,需要什么设备?域名出售平台哪家好?

阿里云买可以一个域名,我做解析,需要什么设备?域名出售平台哪家好?
前提:网站做好想上线,需要域名和空间(服务器)备案通过。解析:一般只需要拿到服务...