博客

一、正则匹配基本知识及概念

在练习之前，需要大家知道一些基本知识，如果有一定基础的可以跳过该步骤，直接往下看。

正则表达式-字符类

[abc]：代表a或者b，或者c字符中的一个。
[^abc]：代表除a,b,c以外的任何字符。
[a-z]：代表a-z的所有小写字符中的一个。
[A-Z]：代表A-Z的所有大写字符中的一个。
[0-9]：代表0-9之间的某一个数字字符。
[a-zA-Z0-9]：代表a-z或者A-Z或者0-9之间的任意一个字符。
[a-dm-p]：a 到 d 或 m 到 p之间的任意一个字符。

正则表达式-逻辑运算符

&&：并且
| ：或者(可以省略）

正则表达式-预定义字符

“.” ： 匹配任何字符。
“\d”：任何数字[0-9]的简写；
“\D”：任何非数字[^0-9]的简写；
“\s”： 空白字符：[ \t\n\x0B\f\r] 的简写
“\S”： 非空白字符：[^\s] 的简写
“\w”：单词字符：[a-zA-Z_0-9]的简写
“\W”：非单词字符：[^\w]

正则表达式-数量词

x? : 0次或1次
x* : 0次到多次
x+ : 1次或多次
X{n} : 恰好n次
X{n,} : 至少n次
X{n,m}: n到m次(n和m都是包含的，最少n次，最多m次。

二、ip地址匹配

题目要求:使用正则表达式匹配192.11.23.69


须知：ip地址的范围为0.0.0.0-255.255.255.255

接下来我们直接进入正题吧！在我们看到题目的第一眼，大家可能觉得很简单，这不就用


\d{1,3}\.\d{1,3}\.\d{1,3}\.


\d{1,3}

这里我们可以看到使用上述表达式的确匹配成功。

虽然完成了我们的题目要求，有些细心的伙伴会发现，用红色标注出来的部分，重复了三遍，是不是我们可以用


分组


的方式来简化表达式并完成题目要求。我们把上面的匹配表达式换成分组之后的样子,即


(\d{1,3}\.){3}\d{1,3}



表达式讲解：(\d{1,3}\.) 匹配我们前三段的ip地址和’.‘，因为第四段ip地址最后面不能有’.’，如果我们使用在同一个分组去匹配就会出现错误情况,而\d{1,3}刚好匹配我们最后一段ip地址

匹配效果如下：

匹配同样成功，该模式有什么不对的地方吗？从语法上看，完全正确，也达到了我们的题目要求，可是我们有没有注意到，我们日常生活中所用的ip地址每一位都是在0-255之间，但是我们上面写的表达式会匹配0-999之间的所有ip地址，如果在未来的工作中，有这样的需求，要匹配所有合法的ip地址，那么我们上面所写的正则表达式是不是就不符合要求了，这里就需要我们使用子表达式的嵌套(

注意：有一点很重要。通过上面的例子，我们发现，写一个能够匹配预期内容的正则表达式其实并不难，但是写一个能够考虑到所有可能场景，确保将不需要匹配的内容排除在外的正则表达式就困难多了

)

所以我将上面的表达式又改进了一下(这里用到了子表达式的嵌套，如果不懂的小伙伴可以先看一下基本概念再来看接下来的内容)。我们发现当ip地址仅有一位或者两位的时候(即1.1.1.1 or 11.11.11.11)，用(\d{1,2}\.)就可以完成匹配，当ip地址为三位的时候，会有这么两种情况(这里留下个疑问，考虑到初学者可能犯错的情况)？

1：ip地址开头为1的时候，我们后面的两位每一位的范围都在0-9之间，而\d这个元字符刚好满足了我们的要求，所以使用(1\d{2}.)就满足了我们在100-199ip地址的匹配，这个其实还相对简单，接下来就是200-255之间ip地址的匹配了，有些同学可能会想，我们可以使用匹配100-199的表达式来实现对200-255ip地址的匹配，即(2\d{2}\.)这样的表达式来实现，可是这样会把256-299之间的ip地址匹配到，违反了我们的意愿，所以我改良了一下表达式(2[0-5]{2}\.]),这样就只会匹配到200-255之间的ip地址，既然子表达式都写好了，就让我们来实践看看效果吧！

表达式为：((1\d{2}.)|(2[0-5]{2}.)|(\d{1,2}.)){3}((\d{1,2})|(1\d{2})|(2[0-5]{2})))，伙伴们可以一起实践一下！


匹配成功，可是再写出这个表达式，我们要测试某些特殊情况是否不在我们的匹配范围内，于是我发现了以下两个比较重要的问题。

第一种：

合法ip地址匹配错误

第二种：



非法ip地址匹配成功

为什么会出现上面的情况?

当我们觉得表达式很完美的时候，虽然256超出匹配范围，但是因为(\d{1,2}\.)的影响，使得我们的非法表达式也匹配成功，本来192.11.23.200为合法表达式，却只匹配到了98.11.23.200，请大家看我用红色箭头标注的地方，会不会跟我们子表达式的顺序有关呢？那好，我来改变一下顺序，我们将(\d{1,2}\.)放到了最后，防止出现错误匹配

改变匹配顺序后的表达式为:

( ( (2[0-5]{2}.)|(1\d{2}.)|(\d{1,2}.)){3}((1\d{2})|(2[0-5]{2})|(\d{1,2}))

)



果然，第一种情况我们是因为子表达式顺序的原因，导致匹配错误。

可是第二种情况使用改变顺序的表达式，依然会出现以上问题(这里也就印证了上文提到的那些话，要想写出一个符合规范的表达式就很困难)。

于是这里的^就起到了作用，我们可以把第一个子表达式单另拉出来加上^表示第一段ip地址开头为(\d{1,2})，这样刚好避免了我们如上的情况，效果如下:


可以看到非法ip不在我们的匹配当中。

其实写到这里大家是不是感觉已经大功告成了？回答：No

（2[0-5]{2}）这个表达式能否匹配239这个ip呢？不知道有没有细心的小伙伴发现

所以最终正确的表达式应该为:



(^((2[0-4]\d.)|(25[0-5].)|(1\d{2}.)|(\d{1,2}.))((2[0-5]{2}.)|(1\d{2}.)|(\d{1,2}.){2})((1\d{2})|(2[0-5]{2})|(\d{1,2})))

在这里可以跟大家说一下，是否可以使用$来避免我们上述第一种问题，有兴趣的可以尝试一下，到这里，我们这道题目也算基本符合规范的完成了，还有什么问题可以私下交流！