Go语言中的正则表达式

2024-10-09 21:06:05 浏览数 (4)

正则表达式在字符串的处理中占有重要的地位，Go语言中的regexp包提供了对正则表达式的支持。

正则表达式基础

正则表达式(Regular Expression)是一个特殊的字符串，它定义了一种文本模式。通过正则表达式，你可以从所有文本中匹配到满足特定模式的文本(字符串)，然后可以：

  1. 测试字符串是否满足这种特定模式，例如：是不是IP地址、电话号码，银行卡号等
  2. 替换文本，将文本中部分或者所有满足这种特定模式的字符串替换、删除掉
  3. 提取满足这种特定模式的子字符串
元字符

元字符在正则表达式中有特殊的意义，要匹配这些元字符本身的话，需要用反斜杆转义。元字符有12个，如下所示：

代码语言：javascript复制
$()* .?[^{|

]和}不属于元字符是因为它们是否需要被转义依赖于前面是否有[和{

量词

以下几个字符我们称之为量词，它们表示匹配字符重复的次数。

量词

含义

?

重复0次或者1次

*

重复0次或者多次

重复1次或者多次

{m, n}

m,n为数字，至少重复m次，最多重复n次, m和n中的一个可以不指定

惰性匹配和贪婪匹配

在量词后面加?表示惰性匹配，如*?, ?,??,{m,n}?等。惰性匹配每匹配到一次就会停下来然后接着匹配表达式后面的部分，如果后面的部分匹配成功，则停止匹配。

贪婪匹配则相反，量词匹配成功后不会停下来，它会接着匹配直到失败，然后回溯之后再接着匹配表达式后面的部分。

例如下面的HTML文本，

代码语言：javascript复制
<p>
The very <em>first</em> task is to find the beginning of a paragraph.
</p>
<p>
Then you have to find the end of the paragraph
</p>

如果用正则表达式<p>.*?</p>来惰性匹配，它只匹配到第一个段，而如果用正则表达式<p>.*</p>来进行贪婪匹配，它会匹配到整个文本。

匹配多个备选中的一个
代码语言：javascript复制
Mary|Jane|Sue

匹配 Mary, 或者 Jane 或者 Sue.

零宽断言(Zero-Length Assertions) 或 环视 (lookaround)

零宽断言用来匹配某个字符串之前或者之后的文本，但匹配到的结果不包含该字符串本身。因为不包含该字符串，所以该断言匹配到的文本长度为0，所以称之为零宽断言。

零宽断言分为两种：

  1. 回望(lookbehind)，即从匹配位置往后(左)查询。表达式为 (?<=exp)，意思是如果文本的左边满足正则表达式exp，则匹配该文本，不包含exp本身匹配到的字符串。
  2. 前瞻(lookahead)，即从匹配位置往前(右)查询。表达式为(?=exp)，意思是如果文本的右边满足正则表达式exp，则匹配该文本，不包含exp本身匹配到的字符串。

负向零宽断言(Negative lookaround)则是匹配不满足exp的情形，对应到回望和前瞻则是 (?<!=exp) 和 (?!=exp)。例如(?<!=exp)意思是如果文本的左边不满足正则表达式exp，则匹配该文本，同样不包含exp本身匹配不成功的字符串。

下面的例子可以说明零宽断言的作用。

如果需要匹配HTML中加粗的文本，但不包含HTML标签本身则可以用下面的正则表达式：

代码语言：javascript复制
(?<=<b>)w (?=</b>)

如果用它来匹配文本 My <b>cat</b> is furry 的话，只会匹配到cat，<b>和</b>不会被匹配到。

字符类

正则表达式内置了一些字符类，通过下表所列的字符类的写法可以匹配到多个属于这一类字符。

字符类

含义

[chars]

匹配chars中的任一字符

[^chars]

匹配任一不在chars中的字符

[:name:]

字符类中的所有ASCII字符，name为分类名，正则表达式支持的类名及含义如下表所示

[^:name:]

不属于字符类中的所有ASCII字符

[[:name:]]

字符类中的任一ASCII字符

[[^:name:]]

不在字符类中的任一ASCII字符

.

匹配任一字符，如果不指定s修饰符的话，不包括换行符

d

匹配任一ASCII数字，相当于[0-9]

D

匹配任一非数字ASCII字符，相当于[^0-9]

s

空白字符，[ tvnfr]

S

非空白字符

w

任一ASCII单词字符，相当于[0-9A-Za-z_]

W

任一ASCII非单词字符，[^0-9A-Za-z_]

p{name}

匹配unicode某一类中的字符

P{name}

匹配不在unicode某一类中的字符

分组与捕获

可以用 ()对正则表达式进行分组，例如：

代码语言：javascript复制
bMary|Jane|Sueb

表示 bMary，Jane，Sueb中的一个，这显然不是我们想要的。这时候就需要用括号进行分组。

代码语言：javascript复制
b(Mary|Jane|Sue)b

上面的正则表达式虽然达到了我们想要的结果，但是也捕获了一个分组。()中匹配到的内容会被记录到分组1里面。假如后面还有多个()，则分组名依次加1。但显然我们这里并没有用到捕获的内容，所以可以用下面的表达式告诉引擎不要捕获。

代码语言：javascript复制
b(?:Mary|Jane|Sue)b

那如果我们想要使用捕获到的结果该怎么办呢？可以用 1 来引用它。 1位分组名，如果要引用第二个分组捕获到的内容则是 2 (Go语言不支持)

代码语言：javascript复制
bdd(dd)-1-1b

上面的表达式可以匹配 2008-08-08, 2009-09-09这样的日期。

如果不想使用默认的数字捕获组名字，可以用下面的方法来给捕获组命名。

代码语言：javascript复制
bdd(?P<m>dd)-k<m>-k<m>b
正则表达式的选项

选项

含义

i

大小写不敏感

m

多行模式

s

. 可以匹配新行

Go语言中的regexp包

regexp中的函数

函数

作用

regexp.Compile(exp)

用exp编译一个正则表达式，如果成功则返回 *regexp.Regexp和nil

regexp.MustCompile(exp)

同上，但编译失败则会触发panic

regexp.Match(exp, b)

如果b []byte 满足exp，则返回true, nil

regexp.MatchReader(exp, r)

同上, r为 io.RuneReader类型

regexp.MatchString(exp, s)

同上，s为字符串类型

Regexp类型(*regexp.Regexp)的方法

方法

作用

rx.Match(b)

如果类型为[]byte的b满足正则表达式，则返回true

rx.MatchReader(r)

如果类型为io.RuneReader的r满足正则表达式，则返回true

rx.MatchString(s)

如果字符串s满足正则表达式，则返回true

rx.ReplaceAllString(s, sr)

用sr替换s中匹配的部分

rx.FindString(s)

返回匹配到的字符串

rx.FindAllString(s, n)

返回所有匹配到的字符串 []string类型

regexp包的用法示例
代码语言：javascript复制
package main

import (
	"fmt"
	"regexp"
)

func main() {
	match, _ := regexp.MatchString("p[a-z] ch", "peach")
	fmt.Println(match) // true

	r, _ := regexp.Compile("p[a-z] ch")

	fmt.Println(r.MatchString("peach")) // true
	fmt.Println(r.FindString("peach punch")) // peach
	fmt.Println(r.FindStringIndex("peach punch")) // [0 5]
	fmt.Println(r.FindStringSubmatch("peach apple punch")) // [peach]
	fmt.Println(r.FindStringSubmatchIndex("peach apple punch")) // [0 5]
	fmt.Println(r.FindAllString("peach apple pinch", 1)) // [peach]
	fmt.Println(r.FindAllString("peach apple pinch", 2)) // [peach pinch]
}
编译 函数 字符串 go 正则表达式

0 人点赞