寫給初學者的正規表達式

正規表達式素來有難懂的名聲 —— 像 ^\d{3}-\d{4}$ 這樣一堵符號的牆。但其核心思想很簡單，而懂一點正規表達式，是任何跟文字打交道的人槓桿最高的技能之一。本指南從零講起。

正規表達式是什麼

正規表達式（regex）是一個描述一組字串的 模式。你不是去找某個確切的詞，而是描述你要找之物的 形狀 —— 「三個數字、一個短橫、再四個數字」 —— 引擎會找出所有符合的文字片段。它用於尋找取代、驗證輸入（信箱、電話號碼），以及從文字裡擷取資料。

字面字元

最簡單的正規表達式就是文字。模式 cat 會比對輸入中任何位置的 c-a-t 字母。大多數字元比對它們自己 —— 威力來自少數幾個特殊字元。

核心構件

字元類 —— 什麼樣的字元

• \d —— 任意數字；\w —— 單詞字元；\s —— 空白。
• . —— 任意一個字元。
• [aeiou] —— 集合中的任意一個字元；[a-z] —— 一個範圍。

量詞 —— 有多少個

• * —— 零個或多個；+ —— 一個或多個；? —— 零個或一個（可選）。
• {3} —— 恰好三個；{2,4} —— 二到四個之間。

錨點 —— 在哪裡

• ^ —— 字串的開頭；$ —— 字串的結尾。

讀一個真實的例子

現在開頭那堵符號的牆講得通了：

^\d{3}-\d{4}$
^      start of string
\d{3}  exactly three digits
-      a literal dash
\d{4}  exactly four digits
$      end of string

它比對一個 只 是 7 位電話號碼（如 555-1234）的字串 —— 前面沒有別的，後面也沒有。

別忘了跳脫

要比對一個平常是特殊字元的字元 —— 一個字面的點或問號 —— 就在它前面加個反斜線：\. 比對一個真正的點。忘掉這一點是初學者頭號錯誤，因為 . 否則會比對 任意 字元。

保持練習

學得最快的辦法是拿模式去試真實文字，看它比對到什麼。一邊做一邊開著 正規表達式速查表，並用像 尋找取代 這樣的工具把模式套用到你自己的文字上。一旦正規表達式想通了，那些原本枯燥的活兒 —— 重排一個清單、擷取每一個 URL、驗證輸入 —— 都變成了一行程式碼。