最近有幸在開源中國和51CTO兩家網站作為嘉賓參與了于正則表達式的專題問答。在問答過程中，我收集到學習正則表達式過程中的某些普遍問題，在這里專門花一點篇幅來回答

正則表達式是難學的，這不存在疑義。但是我認為，難點也只在語法方面。正則表達式已經有年頭了，它（的語法）誕生于上世紀七十年代。那是個怎樣的情景？舉個簡單的例子吧，Unix下的usr、dev等名字，就是那時留傳下來的，現(xiàn)在已經有很多人詬病了，usr不是user，dev不是device，難學，也難記。經過這些年的飛速發(fā)展，當年的很多問題已經被包裝得美輪美奐，如今的用戶可能更習慣直接點擊“用戶目錄”、“驅動器”之類的圖標，再也不用為那些不規(guī)則的簡短名字發(fā)愁。但是不幸的是，一直以來正則表達式的語法卻沒有太多的變化，甚至后續(xù)增加的功能，也沿襲了之前的語法風格，在編程語言日漸人性化的今天，它自然顯得非常難懂了。今天的開發(fā)人員可能更習慣Regex.CharRange(‘a’, ‘z’)這樣的寫法，而不習慣[a-z]；遇到(?![a-z])這樣的結構就更是抓瞎，除非轉為Regex.CheckRight(Regex.CharRange(‘a’, ‘z’))的寫法。

不過，換一個角度來看，兩者其實是一回事，只是表現(xiàn)形式不同，一個類似要訣，一個類似大白話。如果我們能在頭腦里構建出從要訣到大白話的轉換，正則表達式就簡單了許多，甚至可以說就是模塊的拼接。比如支付寶的流水號為18或26位數(shù)字，用正則表達式匹配，就是^([0-9]{18}|[0-9]{26})$，或者^[0-9]{18}([0-9]{8})?$。其中的邏輯很簡單：^用來鎖定開頭，$用來鎖定結尾，[0-9]匹配數(shù)字字符，([0-9]{18}|[0-9]{26})表示兩個并列的選項，即數(shù)字字符串長度為18位或26位，而[0-9]{18}([0-9]{8})?表示至少需要出現(xiàn)18位的數(shù)字字符串，在這之后可能還有一個8位的數(shù)字字符串（所以總長度是26位）。一般的正則表達式應用，就是這么簡單。

如果你覺得上面說的沒錯，那么學習正則表達式的難題就只剩下了選擇得當?shù)姆椒?。我們學習編程語言時，都強調不能只看書，要動手寫程序，甚至最好的辦法是把書上的例子親自輸入運行一遍，這樣才算真正學會了。但在許多人眼里，正則表達式或許算不上編程語言，所以學習是點到即止，甚至是滿足于從網絡上抄一些現(xiàn)成的表達式。所以，常見的問題之一是“有沒有什么學習的捷徑”，很不幸，答案是沒有——既然拷貝他人的代碼不能學會編程，抄閱現(xiàn)成的表達式、隨便翻幾篇文檔，當然也學不會正則。不過也有幸運的消息，真正學會正則表達式并不需要花太長的時間。

以我的經驗，學習正則表達式，真正要做的是深入理解常用功能：字符組、多選分支、匹配模式、環(huán)視?？梢哉f，弄明白了這幾點，80%的正則問題都可以解決。但是要弄明白這幾點，就需要專門的學習：字符組是解決什么問題的，它是怎么使用的？多選分支是解決什么問題的，它是怎么使用的？應當抽一些時間專門學習、思考；這些都弄明白了，再研究解決復雜問題的表達式是怎么構成的。如果你可以每天抽1-2小時專門學習，兩周內就會有明顯收效，一個月幾乎就可以修煉到相當水平。而且，以我的經驗，在學習新的編程語言時，不但要把書上的例子都親自輸入運行一遍，更要自己動手去改一改示例代碼，看看會出現(xiàn)什么現(xiàn)象，再想想為什么會這樣。如果你在學習正則表達式時也做到這一點，必然能夠事半功倍。

如果你真正理解了這些常用功能，對它們的價值和使用有清晰的概念，那么另一個麻煩也就迎刃而解了——不同語言的正則表達式不同，如何解決？雖然不同語言中的正則表達式規(guī)定各有不同，但背后的思想是統(tǒng)一的，不同的只是表現(xiàn)形式，或者說概念的落地方式。好處在于，編程語言的文檔不會詳細講解什么是字符組，什么是多選分支，但會詳細告訴你字符組在本語言中是如何表示的，多選分支又是如何表示的（不信你可以在這些文檔中搜索character class或者alternation）。所以如果你的腦子足夠清楚，即便不確定最終的表達式如何寫，也只需要查文檔就可以解決。舉個例子，匹配空白字符的字符組\s，在Java字符串中要寫作\\s，因為\s并不是Java字符串中的一個合法轉義序列，所以之前還必須有\來轉義\；在PHP中可以直接寫作\s，因為PHP處理字符串時會把無法識別的轉義序列原封不動地保存下去；在Unix下的某些工具中，必須寫作[[:space:]]，這是Perl風格的\s在POSIX規(guī)范中的表示法?？雌饋肀容^麻煩，也僅此而已，因為我們知道，這里需要用到的，就是“匹配空白字符的字符組”。

這種說法可以說服一些人，但還有一些人是說服不了的。同時據我觀察，那些不能被說服的人，似乎也沒有花太多精力在其它“正事”上，反而會不時為正則表達式所困擾。與此相反的是，真正有職業(yè)素質的程序員，就像the Productive Programmer中說的那樣，會愿意花2小時寫出一個正則表達式，為以后節(jié)省無窮無盡的時間。當然，以上說的這一切的前提，都是能端正學習正則表達式，或者說學習有價值技能的的態(tài)度。做軟件的人都讀過布魯克斯的名文《沒有銀彈》，所以這里不妨借用他的話說，正則表達式的學習，也不存在銀彈。

本文由Yurii原創(chuàng)，轉載請注明來源： 亂象，印跡

最新評論