學習正則表達式最好的方式是讀《精通正則表達式》這本書：

《精通正則表達式》

建議認真學完前6章，后面與具體編程語言相關(guān)的可以跳過。花一些時間系統(tǒng)地學習一下正則表達式是非常有好處的。就像張無忌學會九陽神功后學其他武功都特別快，學會正則表達式后再學習UNIX/Linux的下的工具也都特別快！

除了推薦書籍，我也分享一下我自己讀寫正則表達式的心得。

如何讀正則表達式？

《精通正則表達式》這本書讓我認識到，正則表達式只是一種描述字符串長什么樣的聲明式語言，是字符串的元信息。就像SQL是用來描述數(shù)據(jù)長什么樣的聲明式語言，只是SQL使用更直觀的英文單詞作為關(guān)鍵詞，而正則表達式使用的是更加精煉但也更加晦澀的符號字符。

所以，學習正則表達式與學習其他語言的過程是一樣的，需要學會這門語言的詞法、語法、語義。如果對這些詞法、語法、語義不熟悉，看正則表達式就像天書一樣。

詞法

如前文所述，正則表達式的單詞由標點符號字符組成。和漢語、英語等自然語言一樣，這些單詞也有詞性，包括字符（character）、字符類（character class）、分組（grouping）、量詞（quantifier）、錨點（Anchor）等。

想要一股腦記住所有符號及其含義，就像從頭到尾背英語詞典一樣，是很低效且痛苦的。好在正則表達式的單詞也符合2-8法則，就像英語里的常用詞一樣并不多，諸如零寬斷言等用法其實不太常用，用到的時候臨時查文檔復習一下用法就行。

以下幾個字符是最最常用的元字符：

需要注意的是，除了惰性匹配的量詞，其他量詞默認都是貪心匹配，即盡可能多地匹配、直到無法匹配為止。

語法

正則表達式的語法并不多，除了要開閉括號要能一一對應，也就是量詞只能放在字符、字符集、分組的后面。

示例

舉個例子：

/^ab+c*$/

該模式讀作：“有一些字符串，它們以1個a開頭，緊接著1個或多個b，最后以任意多個c結(jié)尾?！狈线@個規(guī)則的字符串很多，有“ab”、“abc”、“abbccc”等等。

如何寫正則表達式？

有了前文讀正則表達式的基礎(chǔ)，基本上也能照葫蘆畫瓢寫正則表達式了，但新手在寫正則表達式的時候往往容易忽略“上下文”，會寫出非常具體、非常長的模式。因為正則表達式的主要用途就是用于文本匹配，所謂的“上下文”就是正則表達式預計在那些文本中匹配。上下文不同，解法也可以不同。

舉個例子，一個爬蟲爬取到以下HTML頁面信息：

• Bob
• William
• Vina

假設(shè)希望在這些內(nèi)容中匹配出包含「朋友姓名」的行，比較簡單的方式有：

/class=”name”/

還能更簡潔一些：

/name/

或者更具體一些：

/[^]+/

這三種方式哪種最好呢？這個得視情況而定。我的建議是：

如果數(shù)據(jù)來源比較可控，例如內(nèi)部系統(tǒng)生成的數(shù)據(jù)，則盡量寫簡單有效的模式；

如果數(shù)據(jù)來源不可控，例如網(wǎng)絡(luò)爬蟲從外部系統(tǒng)抓取的數(shù)據(jù)，內(nèi)容隨時都有可能發(fā)生變化，那適度地優(yōu)化一下正則表達式，讓模式具備一些彈性去適應可預見的一些變化。

如果讓我來寫這個例子的正則表達式，我會傾向于這樣寫：

/class=”[^”]*bnameb[^”]*”/

這樣既具備一定的彈性，例如未來添加了其他class，或li換成其他tag，都能自動適應；又不會過于復雜。

綜上所述，正則表達式并沒有唯一的標準答案，需要根據(jù)待匹配文本的上下文選擇復雜度最合適的方案。因此，寫正則表達式時不用著急，不必要求自己一次就寫對。應該像寫SQL一樣在數(shù)據(jù)集上多select幾次，對數(shù)據(jù)集有了較全面的認知后，不斷修正數(shù)據(jù)過濾條件，就能優(yōu)化出比較精煉的SQL；同樣的，寫正則表達式也是在目標字符串上反復篩選，最后就能優(yōu)化出比較精煉的模式。