正则表达式是一种匹配模式，在日常学习或者工作中，如果善于使用正则表达式，可以大大提高效率。特别是在文本处理方面，使用正则表达式与不使用的效率可谓天壤之别。当然，如果确实没有使用的场景，了解一下正则表达式的知识点也是有好处的，可以从归纳总结的角度思考问题。本文首先概述一下正则表达式的基本知识点，再记录一些常用的正则表达式，以便查用。
正则表达式的概念
正则表达式【regular expression】描述了一种匹配字符串的 模式 【pattern】，其本身是一个 字符串 ，由 普通字符 、 元字符 组成。
通俗点说，正则表达式就是一种人为定义的规则，用来匹配字符串，一般有三种作用：
- 可以检查一个字符串中是否含有某种子串，例如判断微博内容中是否包含微博话题
- 将字符串中某种子串替换掉，例如替换微博内容中的话题为空白
- 从某个字符串中抽取某种子串，例如从微博内容中抽取话题
正则表达式是非常简单而强大的，学会之后，除了能提高效率，还会给你带来绝对的成就感。所以，在此，要了解上面的概念并记住这几个名词： 模式 、 字符串 、 普通字符 、 元字符 。
正则表达式的入门语法
正则表达式的语法很简单，本质就是一个字符串，所以任意一个字符串就是一个正则表达式，但是为了保证这个字符串有意义、有实际用处，还是要遵循正则表达式的语法规范，下面就列举一些常见的语法规范。
基本字符
[]：中括号表达式，表示集合()：子表达式{}：限定符表达式，用来限定次数|：多个选项中的一个，即或的逻辑关系，满足其一即可.：点号，表示除去换行符【\n】之外的任意字符\：转义字符，用来转义特殊字符
定位符
^：开始位置$：结束位置
限定符
*：匹配 0 次或多次+：匹配 1 次或多次?：匹配 0 次或 1 次{n}：匹配确定的 n 次{n,}：至少匹配 n 次{n,m}：最少匹配 n 次且最多匹配 m 次
转义字符
除了表示特殊的字符，匹配元字符都需要使用
\r：回车符\n：换行符\s：匹配任何空白字符，包括空格、制表符、换页符，等价于 [\f\n\r\t\v]\d：匹配一个数字字符，等价于 [0-9]\w：匹配字母、数字、下划线，等价于 [A-Za-z0-9_]
普通字符
元字符之外的字符都是普通字符，即 1-4 之外的所有字符【当然，1-4 中没有列出完整的元字符】，例如标点符号、中文字、英文字母、数字等都是普通字符。
其实，平时大家都会用到的一个功能就涉及到正则表达式：在文件管理器中根据关键词搜索文件，虽然输入的只是一个普通的字符串，但是文件管理器会把它作为正则表达式来搜索，只要文件名称包含指定的字符串，就会命中【而不是说文件名一定要等于指定的字符串】。
常用模式举例
这里所说的模式，其实就是一条规范的正则表达式，具有实际的用处。
座机号码：\d {3}-\d {8}|\d {4}-\d {7,8}
网址链接：(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]
微博表情【[] 里包含 1 到 8 个中文、字母】：\[[\u4e00-\u9fa5A-Za-z]{1,8}\]
微博话题：#[^@<>#"&'\r\n\t]{1,49}#，不考虑复杂情况使用 #[^#]{1,49}# 也可以
微博用户昵称【中文、数字、字母、横线、下划线的组合，2-30 个字符】：@[\u4e00-\u9fa5A-Z0-9a-z_-]{2,30}
所有的小写字母：[a-z]
所有的大写字母：[A-Z]
所有的字母：[a-zA-Z]
所有的数字、句号、减号：[0-9\.\-]
中文：[\u4e00-\u9fa5]，利用了转义字符与 Unicode 编码
除了小写字母以外的所有字符：[^a-z]
除了双引号【“】和单引号【’】之外的所有字符：[^\”\']
整数：^\-?[0-9]+$
小数：^[-]?[0-9]+(\.[0-9]+)?$
一个数字：\d，或者 [0-9]
单词 yeah 连续出现一次以上：(yeah)+
其它正则表达式可以参考菜鸟工具里面的列表：https://c.runoob.com/front-end/854 。
在线学习网站以及使用演示
看的再多，懂得再多，不使用很快也就忘记了，所以切记：熟能生巧。下面就使用微博内容的例子来演示正则表达式的入门级别使用。
使用在线工具
1、https://tool.oschina.net/regex
2、https://regex101.com 【需要翻墙，注意程序语言的选择，选择 ECMAScript，如果使用过程中有红色填充就表示出错警告】
3、正则表达式可视化网站，帮你把正则表达式转为形象的流程图：regexper
假如有一篇微博，内容为：
1 | 我分享了一张图片，来自 #腾讯动漫# 我分享了一张图片，来自 #腾讯动漫# http://t.cn/RDFUnja http://t.cn/zT8RAls //@狮鸢 LionGlede2018:[笑 cry] 哈哈哈哈哈换肚子疼 //@果子狸爬大树: [允悲]//@飞船叔叔：呵呵哈哈哈太乖了 //@Suhero-D-Ace: 笑昏 //@土豆动漫：真・睡蒙了 [允悲]//@妖妖小精: [允悲]//@M 大王叫我来巡山：这书包咋这么硬呢 [允悲][good] |
演示几个匹配操作：
1、抽取微博内容中的话题：#[^@<>#"&'\r\n\t]{1,49}#
2、抽取微博内容中的表情：\[[\u4e00-\u9fa5A-Za-z]{1,8}\]
3、判断是否以【我分享了一张图片，来自】开头：^ 我分享了一张图片，来自.*
当然，使用 ^(我分享了一张图片，来自).* 更为准确
4、抽取微博内容中的链接：(https?|ftp|file):\/\/[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]
5、抽取微博内容中的用户昵称：@[\u4e00-\u9fa5A-Z0-9a-z_-]{2,30}
总结
使用正则表达式之前需要先归纳总结，找到需要匹配的内容的规律，然后才能着手写正则表达式【即模式】，接着才能测试验证正则表达式是否准确。
还需要注意一点，在不同的编程语言中，对于某些特殊的字符需要转义，例如双引号、单引号、反斜杠等，还有些符号需要额外特殊处理，例如在 PHP 中，中文编码需要使用形如 \x {4e00}-\x {9fa5A} 的格式。
在文本编辑器中使用
平时处理文本文件时，有时候需要查找替换指定的内容、删除指定的内容、统计指定的内容出现的次数等等。如果这里指定的内容只是具体的字符串【例如在内容中查找：爱国敬业】，用不到正则表达式，但是如果指定的内容是一种规则，无法给出具体的表示【例如在内容中查找网址链接，并不是指某一条具体的网址链接】，那就需要正则表达式出场了。
文本编辑器推荐
1、不要使用 Windows 自带的记事本，原因：编码支持差、效率低、扩展功能弱。
举例：【联通】乱码问题、打开 11MB 大小的日志文件会卡住
2、推荐 Notepad++、Sublimetext、EmEditor 等文本编辑器
Notepad++ 官网：https://notepad-plus-plus.org
Sublimetext 官网：https://www.sublimetext.com
【打不开进镜像网站：http://www.sublimetextcn.com 】
3、此外还有一些收费的工具，例如：Ultraedit、EditPlus 等，不再介绍
实际演示
使用 Sublimetext 工具，继续使用上述的微博内容，操作演示，更多功能请自行探索：
1、查找替换表情，批量操作【需要开启正则模式】
查找【Ctrl + F】，或者在 查找 下拉列表中选择 查找匹配值
查找替换【Ctrl + H】，或者在 查找 下拉列表中选择 替换匹配值
2、统计网址链接个数，在左下角可以看到命中个数【需要开启正则模式】
查找【Ctrl + F】，或者在 查找 下拉列表中选择 查找匹配值
3、打开大文件，操作流畅【打开 11MB 的 log 文件】
4、查看设置文件编码
在 文件 -> 保存 编码中选择
5、同时修改多处内容，Multiple Selections【Ctrl+D】
6、列模式编辑【Ctrl + Shift + L，配合 Shift 多选内容】
此外，有的版本显示文件名会乱码，显示方格，需要在 首选项 -> 设置 - 用户 中添加配置项："dpi_scale": 1.0 ，即可正常显示。
使用 EmEditor 工具：
使用 EmEditor 打开 10 万数据量的大文件，这是一款针对 csv 文件专门设计的工具，几十万数据量不在话下，只要电脑内存够用，打开几个 GB 的 csv 文件也很轻松，而 Excel 遇到几万的数据量基本就卡住，无法操作了。
1、打开大文件，内容搜索、文件切分、编码设置
2、缺点，不能像 Excel 那么灵活进行筛选统计分析
后记
有一次遇到一个需求，使用正则表达式处理，逻辑很简单，一开始我处理时，直接写了一个嵌套很多层 .、+、* 等符号的正则表达式，结果出现了无限循环，电脑主机的 CPU 持续保持在 100%，十几个小时仍在匹配，这种肯定不能使用，我在另外一篇博客中有介绍：一条正则表达式引发的惨案 ，有兴趣的可以看一下。
接着我在下面列出一个看似很简单的正则表达式，但是却可以进入无限循环。
正则表达式：^([hH][tT]{2}[pP]:\/\/|[hH][tT]{2}[pP][sS]:\/\/)(([A-Za-z0-9-~]+).)+([A-Za-z0-9-~\\\\/])+$
匹配内容：http://www.fapiao.com/dddp-web/pdf/download?request=6e7JGxxxxx4ILd-kExxxxxxxqJ4-CHLmqVnenXC692m74H38sdfdsazxcUmfcOH2fAfY1Vw__%5EDadIfJgiEf
