整合營銷服務(wù)商
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
文目標(biāo)
30分鐘內(nèi)讓你明白正則表達(dá)式是什么，并對(duì)它有一些基本的了解，讓你可以在自己的程序或網(wǎng)頁里使用它
正則表達(dá)式到底是什么東西？
字符是計(jì)算機(jī)軟件處理文字時(shí)最基本的單位，可能是字母，數(shù)字，標(biāo)點(diǎn)符號(hào)，空格，換行符，漢字等等。字符串是0個(gè)或更多個(gè)字符的序列。文本也就是文字，字符串。說某個(gè)字符串匹配某個(gè)正則表達(dá)式，通常是指這個(gè)字符串里有一部分（或幾部分分別）能滿足表達(dá)式給出的條件。
在編寫處理字符串的程序或網(wǎng)頁時(shí)，經(jīng)常會(huì)有查找符合某些復(fù)雜規(guī)則的字符串的需要。正則表達(dá)式就是用于描述這些規(guī)則的工具。換句話說，正則表達(dá)式就是記錄文本規(guī)則的代碼。
很可能你使用過Windows/Dos下用于文件查找的通配符(wildcard)，也就是*和?。如果你想查找某個(gè)目錄下的所有的Word文檔的話，你會(huì)搜索*.doc。在這里，*會(huì)被解釋成任意的字符串。和通配符類似，正則表達(dá)式也是用來進(jìn)行文本匹配的工具，只不過比起通配符，它能更精確地描述你的需求——當(dāng)然，代價(jià)就是更復(fù)雜——比如你可以編寫一個(gè)正則表達(dá)式，用來查找所有以0開頭，后面跟著2-3個(gè)數(shù)字，然后是一個(gè)連字號(hào)“-”，最后是7或8位數(shù)字的字符串(像010-12345678或0376-7654321)。
入門
學(xué)習(xí)正則表達(dá)式的最好方法是從例子開始，理解例子之后再自己對(duì)例子進(jìn)行修改，實(shí)驗(yàn)。下面給出了不少簡單的例子，并對(duì)它們作了詳細(xì)的說明。
假設(shè)你在一篇英文小說里查找hi，你可以使用正則表達(dá)式hi。
這幾乎是最簡單的正則表達(dá)式了，它可以精確匹配這樣的字符串：由兩個(gè)字符組成，前一個(gè)字符是h,后一個(gè)是i。通常，處理正則表達(dá)式的工具會(huì)提供一個(gè)忽略大小寫的選項(xiàng)，如果選中了這個(gè)選項(xiàng)，它可以匹配hi,HI,Hi,hI這四種情況中的任意一種。
不幸的是，很多單詞里包含hi這兩個(gè)連續(xù)的字符，比如him,history,high等等。用hi來查找的話，這里邊的hi也會(huì)被找出來。如果要精確地查找hi這個(gè)單詞的話，我們應(yīng)該使用\bhi\b。
\b是正則表達(dá)式規(guī)定的一個(gè)特殊代碼（好吧，某些人叫它元字符，metacharacter），代表著單詞的開頭或結(jié)尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標(biāo)點(diǎn)符號(hào)或者換行來分隔的，但是\b并不匹配這些單詞分隔字符中的任何一個(gè)，它只匹配一個(gè)位置。
如果需要更精確的說法，\b匹配這樣的位置：它的前一個(gè)字符和后一個(gè)字符不全是(一個(gè)是,一個(gè)不是或不存在)\w。
假如你要找的是hi后面不遠(yuǎn)處跟著一個(gè)Lucy，你應(yīng)該用\bhi\b.*\bLucy\b。
這里，.是另一個(gè)元字符，匹配除了換行符以外的任意字符。*同樣是元字符，不過它代表的不是字符，也不是位置，而是數(shù)量——它指定*前邊的內(nèi)容可以連續(xù)重復(fù)使用任意次以使整個(gè)表達(dá)式得到匹配。因此，.*連在一起就意味著任意數(shù)量的不包含換行的字符。現(xiàn)在\bhi\b.*\bLucy\b的意思就很明顯了：先是一個(gè)單詞hi,然后是任意個(gè)任意字符(但不能是換行)，最后是Lucy這個(gè)單詞。
換行符就是'\n',ASCII編碼為10(十六進(jìn)制0x0A)的字符。
如果同時(shí)使用其它元字符，我們就能構(gòu)造出功能更強(qiáng)大的正則表達(dá)式。比如下面這個(gè)例子：
0\d\d-\d\d\d\d\d\d\d\d匹配這樣的字符串：以0開頭，然后是兩個(gè)數(shù)字，然后是一個(gè)連字號(hào)“-”，最后是8個(gè)數(shù)字(也就是中國的電話號(hào)碼。當(dāng)然，這個(gè)例子只能匹配區(qū)號(hào)為3位的情形)。
這里的\d是個(gè)新的元字符，匹配一位數(shù)字(0，或1，或2，或……)。-不是元字符，只匹配它本身——連字符(或者減號(hào)，或者中橫線，或者隨你怎么稱呼它)。
為了避免那么多煩人的重復(fù)，我們也可以這樣寫這個(gè)表達(dá)式：0\d{2}-\d{8}。這里\d后面的{2}({8})的意思是前面\d必須連續(xù)重復(fù)匹配2次(8次)。
測(cè)試正則表達(dá)式
如果你不覺得正則表達(dá)式很難讀寫的話，要么你是一個(gè)天才，要么，你不是地球人。正則表達(dá)式的語法很令人頭疼，即使對(duì)經(jīng)常使用它的人來說也是如此。由于難于讀寫，容易出錯(cuò)，所以找一種工具對(duì)正則表達(dá)式進(jìn)行測(cè)試是很有必要的。
不同的環(huán)境下正則表達(dá)式的一些細(xì)節(jié)是不相同的，本教程介紹的是微軟 .Net Framework 4.5 下正則表達(dá)式的行為，所以，我向你推薦我編寫的.Net下的工具 Regester。請(qǐng)參考該頁面的說明來安裝和運(yùn)行該軟件。
元字符
現(xiàn)在你已經(jīng)知道幾個(gè)很有用的元字符了，如\b,.,*，還有\(zhòng)d.正則表達(dá)式里還有更多的元字符，
下面來看看更多的例子：
\ba\w*\b匹配以字母a開頭的單詞——先是某個(gè)單詞開始處(\b)，然后是字母a,然后是任意數(shù)量的字母或數(shù)字(\w*)，最后是單詞結(jié)束處(\b)。
\d+匹配1個(gè)或更多連續(xù)的數(shù)字。這里的+是和*類似的元字符，不同的是*匹配重復(fù)任意次(可能是0次)，而+則匹配重復(fù)1次或更多次。
\b\w{6}\b 匹配剛好6個(gè)字符的單詞。
常用的元字符
.匹配除換行符以外的任意字符
\w匹配字母或數(shù)字或下劃線或漢字
\s匹配任意的空白符
\d匹配數(shù)字
\b匹配單詞的開始或結(jié)束
^匹配字符串的開始$匹配字符串的結(jié)束
元字符^（和數(shù)字6在同一個(gè)鍵位上的符號(hào)）和$都匹配一個(gè)位置，這和\b有點(diǎn)類似。^匹配你要用來查找的字符串的開頭，$匹配結(jié)尾。這兩個(gè)代碼在驗(yàn)證輸入的內(nèi)容時(shí)非常有用，比如一個(gè)網(wǎng)站如果要求你填寫的QQ號(hào)必須為5位到12位數(shù)字時(shí)，可以使用：^\d{5,12}$。
這里的{5,12}和前面介紹過的{2}是類似的，只不過{2}匹配只能不多不少重復(fù)2次，{5,12}則是重復(fù)的次數(shù)不能少于5次，不能多于12次，否則都不匹配。
因?yàn)槭褂昧薧和$，所以輸入的整個(gè)字符串都要用來和\d{5,12}來匹配，也就是說整個(gè)輸入必須是5到12個(gè)數(shù)字，因此如果輸入的QQ號(hào)能匹配這個(gè)正則表達(dá)式的話，那就符合要求了。
和忽略大小寫的選項(xiàng)類似，有些正則表達(dá)式處理工具還有一個(gè)處理多行的選項(xiàng)。如果選中了這個(gè)選項(xiàng)，^和$的意義就變成了匹配行的開始處和結(jié)束處。
字符轉(zhuǎn)義
如果你想查找元字符本身的話，比如你查找.,或者*,就出現(xiàn)了問題：你沒辦法指定它們，因?yàn)樗鼈儠?huì)被解釋成別的意思。這時(shí)你就得使用\來取消這些字符的特殊意義。因此，你應(yīng)該使用\.和\*。當(dāng)然，要查找\本身，你也得用\.
例如：deerchao\.net匹配deerchao.net，C:\Windows匹配C:\Windows。
重復(fù)
你已經(jīng)看過了前面的*, +, {2}, {5,12}這幾個(gè)匹配重復(fù)的方式了。下面是正則表達(dá)式中所有的限定符(指定數(shù)量的代碼，例如*, {5,12}等)：
常用的限定符
*重復(fù)零次或更多次
+重復(fù)一次或更多次
?重復(fù)零次或一次
{n}重復(fù)n次
{n,}重復(fù)n次或更多次
{n,m}重復(fù)n到m次
下面是一些使用重復(fù)的例子：
Windows\d+匹配Windows后面跟1個(gè)或更多數(shù)字
^\w+匹配一行的第一個(gè)單詞(或整個(gè)字符串的第一個(gè)單詞，具體匹配哪個(gè)意思得看選項(xiàng)設(shè)置)
字符類
要想查找數(shù)字，字母或數(shù)字，空白是很簡單的，因?yàn)橐呀?jīng)有了對(duì)應(yīng)這些字符集合的元字符，但是如果你想匹配沒有預(yù)定義元字符的字符集合(比如元音字母a,e,i,o,u),應(yīng)該怎么辦？
很簡單，你只需要在方括號(hào)里列出它們就行了，像[aeiou]就匹配任何一個(gè)英文元音字母，[.?!]匹配標(biāo)點(diǎn)符號(hào)(.或?或!)。
我們也可以輕松地指定一個(gè)字符范圍，像[0-9]代表的含意與\d就是完全一致的：一位數(shù)字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考慮英文的話）。
下面是一個(gè)更復(fù)雜的表達(dá)式：\(?0\d{2}[) -]?\d{8}。
這個(gè)表達(dá)式可以匹配幾種格式的電話號(hào)碼，像(010)88886666，或022-22334455，或02912345678等。
我們對(duì)它進(jìn)行一些分析吧：
分枝條件
不幸的是，剛才那個(gè)表達(dá)式也能匹配010)12345678或(022-87654321這樣的“不正確”的格式。要解決這個(gè)問題，我們需要用到分枝條件。正則表達(dá)式里的分枝條件指的是有幾種規(guī)則，如果滿足其中任意一種規(guī)則都應(yīng)該當(dāng)成匹配，具體方法是用|把不同的規(guī)則分隔開。聽不明白？沒關(guān)系，看例子：
0\d{2}-\d{8}|0\d{3}-\d{7}這個(gè)表達(dá)式能匹配兩種以連字號(hào)分隔的電話號(hào)碼：一種是三位區(qū)號(hào)，8位本地號(hào)(如010-12345678)，一種是4位區(qū)號(hào)，7位本地號(hào)(0376-2233445)。
\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}這個(gè)表達(dá)式匹配3位區(qū)號(hào)的電話號(hào)碼，其中區(qū)號(hào)可以用小括號(hào)括起來，也可以不用，區(qū)號(hào)與本地號(hào)間可以用連字號(hào)或空格間隔，也可以沒有間隔。你可以試試用分枝條件把這個(gè)表達(dá)式擴(kuò)展成也支持4位區(qū)號(hào)的。
\d{5}-\d{4}|\d{5}這個(gè)表達(dá)式用于匹配美國的郵政編碼。美國郵編的規(guī)則是5位數(shù)字，或者用連字號(hào)間隔的9位數(shù)字。之所以要給出這個(gè)例子是因?yàn)樗苷f明一個(gè)問題：使用分枝條件時(shí)，要注意各個(gè)條件的順序。如果你把它改成\d{5}|\d{5}-\d{4}的話，那么就只會(huì)匹配5位的郵編(以及9位郵編的前5位)。原因是匹配分枝條件時(shí)，將會(huì)從左到右地測(cè)試每個(gè)條件，如果滿足了某個(gè)分枝的話，就不會(huì)去再管其它的條件了。
分組
我們已經(jīng)提到了怎么重復(fù)單個(gè)字符（直接在字符后面加上限定符就行了）；但如果想要重復(fù)多個(gè)字符又該怎么辦？你可以用小括號(hào)來指定子表達(dá)式(也叫做分組)，然后你就可以指定這個(gè)子表達(dá)式的重復(fù)次數(shù)了，你也可以對(duì)子表達(dá)式進(jìn)行其它一些操作(后面會(huì)有介紹)。
(\d{1,3}\.){3}\d{1,3}是一個(gè)簡單的IP地址匹配表達(dá)式。要理解這個(gè)表達(dá)式，請(qǐng)按下列順序分析它：\d{1,3}匹配1到3位的數(shù)字，(\d{1,3}\.){3}匹配三位數(shù)字加上一個(gè)英文句號(hào)(這個(gè)整體也就是這個(gè)分組)重復(fù)3次，最后再加上一個(gè)一到三位的數(shù)字(\d{1,3})。
不幸的是，它也將匹配256.300.888.999這種不可能存在的IP地址。如果能使用算術(shù)比較的話，或許能簡單地解決這個(gè)問題，但是正則表達(dá)式中并不提供關(guān)于數(shù)學(xué)的任何功能，所以只能使用冗長的分組，選擇，字符類來描述一個(gè)正確的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。
理解這個(gè)表達(dá)式的關(guān)鍵是理解2[0-4]\d|25[0-5]|[01]?\d\d?，這里我就不細(xì)說了，你自己應(yīng)該能分析得出來它的意義。
反義
有時(shí)需要查找不屬于某個(gè)能簡單定義的字符類的字符。比如想查找除了數(shù)字以外，其它任意字符都行的情況，這時(shí)需要用到反義：
常用的反義代碼
\W匹配任意不是字母，數(shù)字，下劃線，漢字的字符
\S匹配任意不是空白符的字符
\D匹配任意非數(shù)字的字符
\B匹配不是單詞開頭或結(jié)束的位置
[^x]匹配除了x以外的任意字符
[^aeiou]匹配除了aeiou這幾個(gè)字母以外的任意字符
例子：
\S+匹配不包含空白符的字符串。
<a[^>]+>匹配用尖括號(hào)括起來的以a開頭的字符串。
后向引用
使用小括號(hào)指定一個(gè)子表達(dá)式后，匹配這個(gè)子表達(dá)式的文本(也就是此分組捕獲的內(nèi)容)可以在表達(dá)式或其它程序中作進(jìn)一步的處理。默認(rèn)情況下，每個(gè)分組會(huì)自動(dòng)擁有一個(gè)組號(hào)，規(guī)則是：從左向右，以分組的左括號(hào)為標(biāo)志，第一個(gè)出現(xiàn)的分組的組號(hào)為1，第二個(gè)為2，以此類推。
后向引用用于重復(fù)搜索前面某個(gè)分組匹配的文本。例如，代表分組1匹配的文本。難以理解？請(qǐng)看示例：
\b(\w+)\b\s+\b可以用來匹配重復(fù)的單詞，像go go, 或者kitty kitty。這個(gè)表達(dá)式首先是一個(gè)單詞，也就是單詞開始處和結(jié)束處之間的多于一個(gè)的字母或數(shù)字(\b(\w+)\b)，這個(gè)單詞會(huì)被捕獲到編號(hào)為1的分組中，然后是1個(gè)或幾個(gè)空白符(\s+)，最后是分組1中捕獲的內(nèi)容（也就是前面匹配的那個(gè)單詞）()。
你也可以自己指定子表達(dá)式的組名。要指定一個(gè)子表達(dá)式的組名，請(qǐng)使用這樣的語法：(?<Word>\w+)(或者把尖括號(hào)換成'也行：(?'Word'\w+)),這樣就把\w+的組名指定為Word了。要反向引用這個(gè)分組捕獲的內(nèi)容，你可以使用\k<Word>,所以上一個(gè)例子也可以寫成這樣：\b(?<Word>\w+)\b\s+\k<Word>\b。
使用小括號(hào)的時(shí)候，還有很多特定用途的語法。下面列出了最常用的一些：
常用分組語法
我們已經(jīng)討論了前兩種語法。第三個(gè)(?:exp)不會(huì)改變正則表達(dá)式的處理方式，只是這樣的組匹配的內(nèi)容不會(huì)像前兩種那樣被捕獲到某個(gè)組里面，也不會(huì)擁有組號(hào)。“我為什么會(huì)想要這樣做？”——好問題，你覺得為什么呢？
零寬斷言
接下來的四個(gè)用于查找在某些內(nèi)容(但并不包括這些內(nèi)容)之前或之后的東西，也就是說它們像\b,^,$那樣用于指定一個(gè)位置，這個(gè)位置應(yīng)該滿足一定的條件(即斷言)，因此它們也被稱為零寬斷言。最好還是拿例子來說明吧：
(?=exp)也叫零寬度正預(yù)測(cè)先行斷言，它斷言自身出現(xiàn)的位置的后面能匹配表達(dá)式exp。比如\b\w+(?=ing\b)，匹配以ing結(jié)尾的單詞的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.時(shí)，它會(huì)匹配sing和danc。
(?<=exp)也叫零寬度正回顧后發(fā)斷言，它斷言自身出現(xiàn)的位置的前面能匹配表達(dá)式exp。比如(?<=\bre)\w+\b會(huì)匹配以re開頭的單詞的后半部分(除了re以外的部分)，例如在查找reading a book時(shí)，它匹配ading。
假如你想要給一個(gè)很長的數(shù)字中每三位間加一個(gè)逗號(hào)(當(dāng)然是從右邊加起了)，你可以這樣查找需要在前面和里面添加逗號(hào)的部分：((?<=\d)\d{3})+\b，用它對(duì)1234567890進(jìn)行查找時(shí)結(jié)果是234567890。
下面這個(gè)例子同時(shí)使用了這兩種斷言：(?<=\s)\d+(?=\s)匹配以空白符間隔的數(shù)字(再次強(qiáng)調(diào)，不包括這些空白符)。
負(fù)向零寬斷言
前面我們提到過怎么查找不是某個(gè)字符或不在某個(gè)字符類里的字符的方法(反義)。但是如果我們只是想要確保某個(gè)字符沒有出現(xiàn)，但并不想去匹配它時(shí)怎么辦？例如，如果我們想查找這樣的單詞--它里面出現(xiàn)了字母q,但是q后面跟的不是字母u,我們可以嘗試這樣：
\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的單詞。但是如果多做測(cè)試(或者你思維足夠敏銳，直接就觀察出來了)，你會(huì)發(fā)現(xiàn)，如果q出現(xiàn)在單詞的結(jié)尾的話，像Iraq,Benq，這個(gè)表達(dá)式就會(huì)出錯(cuò)。這是因?yàn)閇^u]總要匹配一個(gè)字符，所以如果q是單詞的最后一個(gè)字符的話，后面的[^u]將會(huì)匹配q后面的單詞分隔符(可能是空格，或者是句號(hào)或其它的什么)，后面的\w*\b將會(huì)匹配下一個(gè)單詞，于是\b\w*q[^u]\w*\b就能匹配整個(gè)Iraq fighting。負(fù)向零寬斷言能解決這樣的問題，因?yàn)樗黄ヅ湟粋€(gè)位置，并不消費(fèi)任何字符。現(xiàn)在，我們可以這樣來解決這個(gè)問題：\b\w*q(?!u)\w*\b。
零寬度負(fù)預(yù)測(cè)先行斷言(?!exp)，斷言此位置的后面不能匹配表達(dá)式exp。例如：\d{3}(?!\d)匹配三位數(shù)字，而且這三位數(shù)字的后面不能是數(shù)字；\b((?!abc)\w)+\b匹配不包含連續(xù)字符串a(chǎn)bc的單詞。
同理，我們可以用(?<!exp),零寬度負(fù)回顧后發(fā)斷言來斷言此位置的前面不能匹配表達(dá)式exp：(?<![a-z])\d{7}匹配前面不是小寫字母的七位數(shù)字。
一個(gè)更復(fù)雜的例子：(?<=<(\w+)>).*(?=<\/>)匹配不包含屬性的簡單HTML標(biāo)簽內(nèi)里的內(nèi)容。(?<=<(\w+)>)指定了這樣的前綴：被尖括號(hào)括起來的單詞(比如可能是<b>)，然后是.*(任意的字符串),最后是一個(gè)后綴(?=<\/>)。注意后綴里的\/，它用到了前面提過的字符轉(zhuǎn)義；則是一個(gè)反向引用，引用的正是捕獲的第一組，前面的(\w+)匹配的內(nèi)容，這樣如果前綴實(shí)際上是<b>的話，后綴就是</b>了。整個(gè)表達(dá)式匹配的是<b>和</b>之間的內(nèi)容(再次提醒，不包括前綴和后綴本身)。
注釋
小括號(hào)的另一種用途是通過語法(?#comment)來包含注釋。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
要包含注釋的話，最好是啟用“忽略模式里的空白符”選項(xiàng)，這樣在編寫表達(dá)式時(shí)能任意的添加空格，Tab，換行，而實(shí)際使用時(shí)這些都將被忽略。啟用這個(gè)選項(xiàng)后，在#后面到這一行結(jié)束的所有文本都將被當(dāng)成注釋忽略掉。例如，我們可以前面的一個(gè)表達(dá)式寫成這樣：
(?<= # 斷言要匹配的文本的前綴 <(\w+)> # 查找尖括號(hào)括起來的字母或數(shù)字(即HTML/XML標(biāo)簽) ) # 前綴結(jié)束 .* # 匹配任意文本 (?= # 斷言要匹配的文本的后綴 <\/\1> # 查找尖括號(hào)括起來的內(nèi)容：前面是一個(gè)"/"，后面是先前捕獲的標(biāo)簽 ) # 后綴結(jié)束
貪婪與懶惰
當(dāng)正則表達(dá)式中包含能接受重復(fù)的限定符時(shí)，通常的行為是（在使整個(gè)表達(dá)式能得到匹配的前提下）匹配盡可能多的字符。以這個(gè)表達(dá)式為例：a.*b，它將會(huì)匹配最長的以a開始，以b結(jié)束的字符串。如果用它來搜索aabab的話，它會(huì)匹配整個(gè)字符串a(chǎn)abab。這被稱為貪婪匹配。
有時(shí)，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉(zhuǎn)化為懶惰匹配模式，只要在它后面加上一個(gè)問號(hào)?。這樣.*?就意味著匹配任意數(shù)量的重復(fù)，但是在能使整個(gè)匹配成功的前提下使用最少的重復(fù)。現(xiàn)在看看懶惰版的例子吧：
a.*?b匹配最短的，以a開始，以b結(jié)束的字符串。如果把它應(yīng)用于aabab的話，它會(huì)匹配aab（第一到第三個(gè)字符）和ab（第四到第五個(gè)字符）。
處理選項(xiàng)
上面介紹了幾個(gè)選項(xiàng)如忽略大小寫，處理多行等，這些選項(xiàng)能用來改變處理正則表達(dá)式的方式。下面是.Net中常用的正則表達(dá)式選項(xiàng)：
一個(gè)經(jīng)常被問到的問題是：是不是只能同時(shí)使用多行模式和單行模式中的一種？答案是：不是。這兩個(gè)選項(xiàng)之間沒有任何關(guān)系，除了它們的名字比較相似（以至于讓人感到疑惑）以外。事實(shí)上，為了避免混淆，在最新的 JavaScript 中，單行模式其實(shí)名叫 dotAll，意為點(diǎn)可以匹配所有字符，然而在指定該選項(xiàng)時(shí)，用的還是 Singleline 的首字母 s.
、元字符
元字符
對(duì)應(yīng)說明.匹配除換行符之外的任意字符\w
匹配字母數(shù)字下劃線，等同于：[a-zA-Z0-9_]\s
匹配任意空白符\d匹配數(shù)字，等同于[0-9]\b匹配單詞邊界|或匹配，如 /x|y/ 正則可匹配x或y兩個(gè)字符^匹配字符串的開始$匹配字符串的結(jié)束二、反義字符
反義字符
對(duì)應(yīng)說明[^x]匹配除“x”之外的所有字符，其中“x”可以為任意字符[^xyz]同上，匹配除“x、y、z”之外的任意字符\W匹配除了字母、數(shù)字、下劃線之外的所有字符，等同于：[^\w]\S匹配除空白符之外的任意字符，等同于：[^\s]\B匹配不是單詞邊界的字符，等同于：[^\b]\D匹配不是數(shù)字的所有字符，等同于：[^\d]
三、轉(zhuǎn)義字符
轉(zhuǎn)義字符
對(duì)應(yīng)說明\xnn匹配十六進(jìn)制數(shù)\f匹配換頁符，等同于：\x0c\n匹配換行符，等同于：\x0a\r匹配回車符，等同于：\x0d\t匹配水平制表符，等同于：\x09\v
匹配垂直制表符，等同于：\x0b\unnnn匹配Unicode字符，如：\u00A0
四、重復(fù)匹配
匹配字符
對(duì)應(yīng)說明*
重復(fù)出現(xiàn)零次或多次+重復(fù)出現(xiàn)一次或多次？重復(fù)出現(xiàn)零次或一次
{n}重復(fù)出現(xiàn)n次
{n,}至少重復(fù)出現(xiàn)n次{m,n}重復(fù)重現(xiàn)m到n次，其中，m<n
五、分組/捕獲
分組字符
對(duì)應(yīng)說明(exp)用小圓括號(hào)進(jìn)行分組，如日期中年月日的分組：/(\d{5})-(\d{1,2})-(\d{1,2})/
每個(gè)分組將產(chǎn)生分組號(hào)，從第一個(gè)括號(hào)開始，可以使用\n的形式在正則中使用分組號(hào)，
如匹配成對(duì)出現(xiàn)的HTML標(biāo)簽，可以寫成：/<(\w+)><\/>/(?:exp)匹配exp正則，但不產(chǎn)生分組號(hào)exp1(?=exp2)前瞻斷言，匹配exp1，但后面必須是exp2
如匹配名字叫xianlie，但不姓zhao的人：/zhao(?=xianlie)/exp1(?!=exp2)后瞻斷言，匹配exp1，但后面不能是exp2
如匹配姓zhao，但名字不叫xianlie的人：/zhao(?!xianlie)/六、貪婪與惰性
相關(guān)字符
對(duì)應(yīng)說明*?
重復(fù)任意次，但盡可能少的重復(fù)+?重復(fù)一次或多次，但盡可能少的重復(fù)??重復(fù)零次或一次，但盡可能少的重復(fù)
{m,n}?重復(fù)m到n次，但盡可能少的重復(fù)
{n,}?重復(fù)n次以上，但盡可能少的重復(fù){n}?
重復(fù)n次，但盡可能少的重復(fù)
七、修飾符
修飾符
對(duì)應(yīng)說明i
ignoreCase的縮寫，表示忽略字母的大小寫mmultiline的縮寫，更改^和$的含義，使它們分別在任意一行的行首和行尾匹配
，而不僅僅在整個(gè)字符串的開頭和結(jié)尾匹配。
(在此模式下,$的精確含意是:匹配\n之前的位置以及字符串結(jié)束前的位置.)
gglobal的縮寫，進(jìn)行全局匹配，即對(duì)字符串進(jìn)行全文匹配，直到字符串遍歷結(jié)束
為開發(fā)人員，我們依賴于靜態(tài)分析工具來檢查、lint(分析)和轉(zhuǎn)換我們的代碼。我們使用這些工具來幫助我們提高生產(chǎn)效率并生成更好的代碼。然而，當(dāng)我們使用markdown編寫內(nèi)容時(shí)，可用的工具就很少。
在本文中，我們將介紹如何開發(fā)一個(gè)Markdown擴(kuò)展來解決在使用Markdown管理Django站點(diǎn)中的內(nèi)容時(shí)遇到的挑戰(zhàn)。
你認(rèn)為他們有l(wèi)inter嗎？
照片來自Pexels,由mali maeder拍攝
像每個(gè)網(wǎng)站一樣，我們?cè)谥黜摗AQ部分和“關(guān)于”頁面等地方都有不同類型的(大部分)靜態(tài)內(nèi)容。很長一段時(shí)間以來，我們都是在Django模板中直接管理這些內(nèi)容的。
當(dāng)我們最終決定是時(shí)候?qū)⑦@些內(nèi)容從模板轉(zhuǎn)移到數(shù)據(jù)庫中時(shí)，我們認(rèn)為最好使用Markdown。從Markdown生成HTML更安全，它提供了一定程度的控制和一致性，并且對(duì)于非技術(shù)用戶來說更容易處理。隨著我們轉(zhuǎn)移過程的進(jìn)展，我們注意到我們遺漏了一些東西:
當(dāng)URL更改時(shí)，鏈接到內(nèi)部頁面的鏈接可能會(huì)中斷。在Django模板和視圖中，我們使用了reverseand {% url %}，但是這在普通的Markdown中是不可用的。
絕對(duì)內(nèi)部連接不能在不同環(huán)境之間進(jìn)行復(fù)制。這可以使用相對(duì)鏈接來解決，不過目前沒有開箱即用的增強(qiáng)這一點(diǎn)的方法。
無效鏈接會(huì)損害用戶體驗(yàn)，并導(dǎo)致用戶質(zhì)疑整個(gè)內(nèi)容的可靠性。這并不是Markdown獨(dú)有的東西，只不過HTML模板是由對(duì)URL有一定了解的開發(fā)人員維護(hù)的。另一方面，Markdown文檔是為非技術(shù)寫作人員設(shè)計(jì)的。
當(dāng)我研究這個(gè)問題時(shí)，我搜索了Python linters、Markdown預(yù)處理器和擴(kuò)展來幫助生成更好的Markdown。結(jié)果都不是很好。一個(gè)引人注目的方法是使用Django模板來生成Markdown文檔。
使用Django模板，你可以使用諸如url之類的模板標(biāo)記來反向查詢URL名稱，并配合使用條件、變量、日期格式和所有其他Django模板特性。這種方法本質(zhì)上是使用Django模板作為Markdown文檔的預(yù)處理程序。
我個(gè)人認(rèn)為這可能不是非技術(shù)作家的最佳解決方案。另外，我擔(dān)心提供對(duì)Django模板標(biāo)記的訪問可能是危險(xiǎn)的。
對(duì)這個(gè)問題有了更好的理解之后，我們準(zhǔn)備在Python中更深入地研究Markdown。
要在Python中開始使用Markdown，我們先安裝markdown包：
接著，創(chuàng)建一個(gè)Markdown對(duì)象并使用其函數(shù)將一些Markdown轉(zhuǎn)換成HTML：
你現(xiàn)在可以在你的模板中使用這個(gè)HTML代碼片段。
基本的Markdown處理器提供了生成HTML內(nèi)容的基本要素。對(duì)于更“新奇”的選項(xiàng)，Python markdown包包含了一些內(nèi)置擴(kuò)展。一個(gè)流行的擴(kuò)展是“extra”擴(kuò)展，除了其他東西之外，它增加了對(duì)隔離代碼塊的支持:
為了使用我們獨(dú)特的Django功能擴(kuò)展Markdown，我們將開發(fā)自己的擴(kuò)展。
如果你查看源代碼，你將看到要將markdown轉(zhuǎn)換為HTML, Markdown會(huì)使用多種不同的處理器。一種類型的處理器是內(nèi)聯(lián)處理器。內(nèi)聯(lián)處理器會(huì)匹配特定的內(nèi)聯(lián)模式，如鏈接、反引號(hào)、粗體文本和帶下劃線的文本，并將它們轉(zhuǎn)換為HTML。
我們的Markdown擴(kuò)展的主要目的是驗(yàn)證和轉(zhuǎn)換鏈接。因此，我們最感興趣的內(nèi)聯(lián)處理器是LinkInlineProcessor。這個(gè)處理器以[Haki的網(wǎng)站](https://hakibenito.com)的形式獲取markdown ，解析它并返回一個(gè)包含鏈接和文本的元組。
為了擴(kuò)展該功能，我們擴(kuò)展了LinkInlineProcessor并創(chuàng)建了一個(gè)Markdown.Extension, 我們用它來處理鏈接:
我們來將這段代碼分解一下：:
DjangoUrlExtension擴(kuò)展注冊(cè)了一個(gè)名為DjangoLinkInlineProcessor的內(nèi)聯(lián)鏈接處理器。這個(gè)處理器將取代任何其他現(xiàn)有的鏈接處理器。
內(nèi)聯(lián)處理器DjangoLinkInlineProcessor擴(kuò)展了內(nèi)置的LinkInlineProcessor，并在它處理的每個(gè)鏈接上調(diào)用clean_link函數(shù)。
clean_link函數(shù)接收一個(gè)鏈接和一個(gè)域名，并返回一個(gè)轉(zhuǎn)換后的鏈接。這就是我們要插入我們的實(shí)現(xiàn)的地方。
如何獲得網(wǎng)站域名
要識(shí)別到你自己網(wǎng)站的鏈接，你必須知道你的網(wǎng)站的域名。如果你正在使用Django的sites框架，那么你可以使用它來獲取當(dāng)前域名。
我沒有把它包含在我的實(shí)現(xiàn)中，因?yàn)槲覀儧]有使用sites框架。相反，我們?cè)贒jango設(shè)置中設(shè)置了一個(gè)變量。
獲取當(dāng)前域名的另一種方法是使用HttpRequest對(duì)象。如果內(nèi)容只在你自己的站點(diǎn)中被編輯，你可以嘗試從請(qǐng)求對(duì)象中插入站點(diǎn)域名。這可能需要對(duì)你的實(shí)現(xiàn)進(jìn)行一些更改。
要使用該擴(kuò)展，請(qǐng)?jiān)诔跏蓟粋€(gè)新的Markdown實(shí)例時(shí)添加它:
太好了，這個(gè)擴(kuò)展已經(jīng)被使用了，我們準(zhǔn)備進(jìn)入有趣的部分了！
既然我們得到了在所有鏈接上調(diào)用clean_link的擴(kuò)展，那我們可以來實(shí)現(xiàn)我們的驗(yàn)證和轉(zhuǎn)換邏輯。
要開始工作，我們將從一個(gè)簡單的驗(yàn)證開始。mailto鏈接對(duì)于使用預(yù)定義的收件人地址、主題甚至消息正文打開用戶的電子郵件客戶端非常有用。
一個(gè)常見的mailto鏈接是這樣的:
這個(gè)鏈接將打開你的電子郵件客戶端，并設(shè)置成撰寫一封主題行為“我需要幫助!”的新電子郵件給“support@service.com”。
mailto鏈接不一定非要包含電子郵件地址。如果你看一看這篇文章底部的“分享”按鈕，你會(huì)發(fā)現(xiàn)像這樣的一個(gè)mailto鏈接:
這個(gè)mailto鏈接沒有包含收件人，僅包含了主題行和消息正文。
既然我們已經(jīng)很好地理解了mailto鏈接是什么樣子的，我們就可以向clean_link函數(shù)添加第一個(gè)驗(yàn)證:
為了驗(yàn)證mailto鏈接，我們向clean_link中添加了以下代碼:
檢查鏈接是否以mailto:開頭，以識(shí)別相關(guān)鏈接。
使用正則表達(dá)式將鏈接分割到它的組件。
從mailto鏈接中刪除實(shí)際的電子郵件地址，并使用Django的EmailValidator驗(yàn)證它。
注意，我們還添加了一種名為InvalidMarkdown的新異常類型。我們定義了自己的自定義異常類型，以將它與markdown本身所引發(fā)的其他錯(cuò)誤區(qū)分開來。
自定義錯(cuò)誤類
我曾經(jīng)寫過關(guān)于自定義錯(cuò)誤類的文章，為什么它們是有用的，以及你什么時(shí)候應(yīng)該使用它們。
在我們繼續(xù)之前，讓我們添加一些測(cè)試，看看它的實(shí)際效果:
太棒了！按預(yù)期的運(yùn)行了。
既然我們已經(jīng)了解了mailto鏈接，我們也可以處理其他類型的鏈接:
外部鏈接
我們的Django應(yīng)用程序外部的鏈接。
必須包含一個(gè)頁面跳轉(zhuǎn)協(xié)議（scheme）:http或https。
理想情況下，我們還希望確保這些鏈接沒有被破壞，但我們現(xiàn)在不會(huì)這樣做。
內(nèi)部鏈接
到我們的Django應(yīng)用程序中的頁面的鏈接。
鏈接必須是相對(duì)的:這將允許我們?cè)诓煌h(huán)境之間移動(dòng)內(nèi)容。
使用Django的URL名稱而不是一個(gè)URL路徑:這將允許我們安全地來回移動(dòng)視圖，而不必?fù)?dān)心markdown內(nèi)容中的失效鏈接。
鏈接可能包含查詢參數(shù)(?)和片段(#)。
SEO
從SEO的角度來看，公共URL不應(yīng)該改變。當(dāng)他們這樣做的時(shí)候，你應(yīng)該使用重定向正確地處理它，否則你可能會(huì)受到搜索引擎的懲罰。
有了這個(gè)需求列表，我們就可以開始工作了。
解析URL名稱
要鏈接到內(nèi)部頁面，我們希望編寫者提供一個(gè)URL名稱，而不是URL路徑。例如，假設(shè)我們有這個(gè)視圖:
這個(gè)頁面的URL路徑是https://example.com/， URL名稱是home。我們想要在我們的markdown鏈接中使用這個(gè)URL名稱home，就像這樣:
這將渲染到:
我們還想支持查詢參數(shù)和散列：
這將渲染到以下HTML：
在使用URL名稱時(shí)，如果我們更改了URL路徑，內(nèi)容中的鏈接將不會(huì)被破壞。要檢查作者提供的href是否是一個(gè)有效的url_name，我們可以嘗試reverse它:
URL名稱“home”指向URL路徑“/”。當(dāng)沒有匹配項(xiàng)時(shí)，將會(huì)引發(fā)一個(gè)異常:
在我們繼續(xù)之前，當(dāng)URL名稱包含查詢參數(shù)或散列時(shí)，會(huì)發(fā)生什么:
這是有意義的，因?yàn)椴樵儏?shù)和散列不是URL名稱的一部分。
要使用reverse并支持查詢參數(shù)和散列，我們首先需要清除值。然后，檢查它是一個(gè)有效的URL名稱，并返回包含查詢參數(shù)和散列的URL路徑，如果提供了的話:
這個(gè)代碼段使用一個(gè)正則表達(dá)式來以？或#的出現(xiàn)對(duì)href進(jìn)行分割，并返回各部分。
請(qǐng)確保它可以工作:
太了不起了!作者們現(xiàn)在可以在Markdown中使用URL名稱了。它們還可以包括要添加到該URL的查詢參數(shù)和片段。
處理外部鏈接
要正確處理外部鏈接，我們需要檢查兩件事:
1.外部鏈接總是提供一個(gè)跳轉(zhuǎn)協(xié)議，http:或者h(yuǎn)ttps:。
2.阻止到我們自己網(wǎng)站的絕對(duì)鏈接。內(nèi)部鏈接應(yīng)該使用URL名稱。
到目前為止，我們已經(jīng)處理了URL名稱和mailto鏈接。如果我們通過了這兩個(gè)檢查，這意味著href是一個(gè)URL。讓我們從檢查鏈接是否是鏈接到我們自己的網(wǎng)站開始:
函數(shù)urlparse會(huì)返回一個(gè)命名元組，該元組包含URL的不同部分。如果netloc屬性等于site_domain，那么該鏈接就確實(shí)是一個(gè)內(nèi)部鏈接。
如果URL實(shí)際上是內(nèi)部的，我們就需要終止。但是，請(qǐng)記住，作者們不一定是技術(shù)人員，因此我們希望幫助他們，并提供一個(gè)有用的錯(cuò)誤消息。我們要求該內(nèi)部鏈接使用URL名稱而不是URL路徑，所以最好讓作者們知道他們提供的路徑的URL名稱。
要獲得一個(gè)URL路徑的URL名稱，Django為我們提供了一個(gè)名為resolve的函數(shù):
當(dāng)找到匹配項(xiàng)時(shí)，resolve會(huì)返回一個(gè)ResolverMatch對(duì)象，其中包含URL名稱和其他信息。當(dāng)沒有找到匹配項(xiàng)時(shí)，它就會(huì)引發(fā)一個(gè)錯(cuò)誤:
這實(shí)際上就是Django在底層所做的工作，用來確定在一個(gè)新請(qǐng)求到來時(shí)執(zhí)行哪個(gè)視圖函數(shù)。
為了給作者們提供更好的錯(cuò)誤信息，我們可以使用來自ResolverMatch對(duì)象的URL名稱:
當(dāng)我們識(shí)別出內(nèi)部鏈接時(shí)，我們要處理兩種情況:
我們沒有識(shí)別出這個(gè)URL:這個(gè)URL很可能是不正確的。請(qǐng)作者檢查該URL是否有錯(cuò)誤。
我們識(shí)別出了這個(gè)URL: 這個(gè)URL是正確的，所以就告訴作者應(yīng)該使用什么URL名稱。
我們來實(shí)際地看一下它:
漂亮!外部鏈接被接受，內(nèi)部鏈接被拒絕，并帶有一個(gè)有用的消息。
要求跳轉(zhuǎn)協(xié)議
我們要做的最后一件事是確保外部鏈接包含一個(gè)跳轉(zhuǎn)協(xié)議，要么是http:，要么是https:。讓我們將這最后一部分添加到函數(shù)clean_link:
使用解析后的URL，我們可以很容易地檢查跳轉(zhuǎn)協(xié)議。讓我們確保它正在工作:
我們向這個(gè)函數(shù)提供了一個(gè)沒有跳轉(zhuǎn)協(xié)議的鏈接，但是它運(yùn)行失敗了，并顯示了一條有用的消息。太酷了!
這是clean_link函數(shù)的全部代碼：
要了解所有這些特性的一個(gè)實(shí)際用例是什么樣子的，請(qǐng)看下面的內(nèi)容:
這將產(chǎn)生以下HTML:
不錯(cuò)!
我們現(xiàn)在有一個(gè)很不錯(cuò)的擴(kuò)展，它可以驗(yàn)證和轉(zhuǎn)換Markdown文檔中的鏈接!現(xiàn)在，在不同環(huán)境之間移動(dòng)文檔和保持內(nèi)容整潔要容易多了，最重要的是，可以保持正確和最新!
源碼
你可以在這個(gè)gist中找到全部源代碼。（地址：https://gist.github.com/hakib/73fccc340e855bb65f42197e298c0c7d ）
本文中所描述的功能對(duì)我們很有用，但是你可能需要根據(jù)自己的需求對(duì)它進(jìn)行調(diào)整。
如果你需要一些想法，那么除了這個(gè)擴(kuò)展之外，我們還創(chuàng)建了一個(gè)markdown Preprocessor，它允許作者們?cè)趍arkdown中使用常量。例如，我們定義了一個(gè)名為SUPPORT_EMAIL的常量，我們像這樣使用它:
該預(yù)處理程序?qū)⒂梦覀兌x的文本替換字符串$SUPPORT_EMAIL，然后才渲染Markdown。
英文原文：https://hakibenita.com/django-markdown
譯者：Nothing
*請(qǐng)認(rèn)真填寫需求信息，我們會(huì)在24小時(shí)內(nèi)與您取得聯(lián)系。
