什么是正則表達式？正則表達式如何工作？哪些語法規(guī)則適用正則表達式？

正則表達式又稱規(guī)則表達式（Regular Expression，在代碼中常簡寫為 regex、regexp 或 RE），是一種用于匹配、查找、替換文本的強大工具。它能夠以特定的模式匹配字符串，從而實現(xiàn)自動化文本處理。在許多編程語言中，正則表達式都被廣泛用于文本處理、數據分析、網頁抓取等領域。通過正則表達式，我們可以精確地篩選、操作和格式化文本，提高工作效率。

正則表達式在日常生活中有著廣泛的應用。比如，在處理電話號碼時，我們可以使用正則表達式來驗證號碼的格式是否正確。中國的電話號碼通常由11位數字組成，第一位為1，第二位通常為3-9，我們可以使用以下正則表達式來匹配這些號碼：

/^1[3-9]d{9}$/

通過這個正則表達式，我們可以判斷一個電話號碼是否符合規(guī)范，從而避免出現(xiàn)錯誤的信息輸入。

什么是正則表達式

每個正則表達式都有一個有限自動機（也稱為狀態(tài)機），它接受表達式指定的語言，并使用 Thompson 構造算法將正則表達式轉化為一個與之等價的非確定有限狀態(tài)自動機（NFA）。同時，對于每個有限自動機來說，還有一個描述該自動機所接受語言的正則表達式。該表達式可以通過克萊恩算法或高斯消元法生成。

正則表達式的一個著名應用是文本編輯器中的搜索和替換功能，計算機先驅 Ken Thompson（ UNIX 操作系統(tǒng)的開發(fā)者之一）首先在 20 世紀 60 年代的面向行編輯器 QED 中實現(xiàn)了該功能。此函數允許查找文本中的特定字符串，并根據需要將其替換為任何其他字符串。

正則表達式如何工作

正則表達式可以僅使用正則字符（例如 abc ），也可以使用正則字符和元字符的組合（例如 ab*c）。元字符的任務是描述某些字符的結構或排列，例如字符是否應位于行的開頭，或者字符是否只出現(xiàn)一次或多次出現(xiàn)。上面提到的正則表達式示例的工作原理如下：

abc：簡單的正則表達式模式 abc 需要完全匹配。換句話說，該表達式以精確的順序搜索包含字符 “abc” 的所有字符串。例如可以匹配到：“a abc d” 及 “abc oulomb”。

ab*c：相比之下，具有特殊字符的正則表達式略有不同。星號代表表達式搜索以字母 “a” 開頭并以字母 “c” 結尾的字符串。但是，a 和 c 之間可以有任意數量的 b。所以，“abc” 以及字符串 “abbbbc” 和 “cbb abbc ba” 也構成了匹配。

每個正則表達式還可以鏈接到特定的操作，例如上面提到的 “替換” 操作。只要正則表達式為真，即只要存在上面示例中所述的匹配項，就會執(zhí)行此操作。又拍云 CDN 的邊緣規(guī)則中就支持類似場景，根據正則表達式匹配字符串，執(zhí)行改寫、跳轉、訪問控制、限速等需求。

使用正則表達式的挑戰(zhàn)

掌握正則表達式可以提高我們編程和文本處理的能力，更加高效地處理大量數據和文本。然而，掌握和使用還是存在著一些挑戰(zhàn)。

復雜性：正則表達式本身較為復雜，學習曲線陡峭，編寫和理解復雜的正則表達式可能需要大量的時間和經驗。

匹配效率：不合理的正則表達式可能導致效率低下，特別是在處理大量數據時。

不可讀性：復雜的正則表達式可能難以理解，使得維護和調試變得困難。

學習成本：正則表達式的語法和特殊字符較多，需要一定的學習才能熟練使用。

編寫正則表達式時，最重要的是掌握以下幾個核心概念：

元字符：包括字符、反斜杠、方括號、星號、問號等，它們用于匹配特定的字符或字符集。

轉義字符：使用反斜杠對特殊字符進行轉義，以便匹配這些字符本身而不是其特殊含義。

限定符：用于指定正則表達式中前一個字符或子表達式出現(xiàn)的次數。例如，* 表示零次或多次，+ 表示一次或多次，? 表示零次或一次。

選擇符：使用管道符號（|）表示可以選擇多個模式中的任何一個進行匹配。

原子：用于指定一個精確的字符或字符集，例如 d 表示數字字符，w 表示字母、數字或下劃線字符。

斷言：用于指定一個位置而不是具體的字符或字符集，例如 ^ 表示行首，$ 表示行尾。

括號：用于將多個模式組合成一個更復雜的模式，并指定匹配的順序。

掌握了這些核心概念，就能夠編寫更準確、更復雜的正則表達式，以解決各種文本處理問題。

哪些語法規(guī)則適用正則表達式

正則表達式可以在多種語言中使用，例如 Perl、Python、Ruby、JavaScript、XML 或 HTML，但它們的用途或功能可能有很大不同。如在 JavaScript 中，正則表達式模式用于 search()、match() 或 replace() 字符串方法，而 XML 文檔中的表達式用于分隔元素內容。不過就語法而言，在編程語言或標記語言中使用幾乎沒有任何區(qū)別。

正則表達式可以由三個部分組成，無論使用哪種語言：

以下是用于表達式中的一些典型語法符號及注釋：

當然，上面只是介紹了正則表達式的一些基礎知識。正則表達式具有很高的靈活性和可塑性，從簡單的文本編輯器到復雜的開發(fā)工具，都可以使用正則表達式進行文本處理。之前也提到了，又拍云 CDN 的邊緣規(guī)則功能就運用到了正則表達式提取字符串，下面通過一些例子來了解一下它的強大之處。

正則表達式在又拍云CDN的應用

示例一：目錄及參數改寫

將請求 URL 轉換為帶參數的動態(tài) URL，例如請求的 URL 為：

http://example.com/pay/25/8/...

需要 CDN 邊緣節(jié)點轉換為如下請求：

http://example.com/pay.php?payid=25&categoryid=8...

這個時候，pattern 部分需要提取目錄數字，需要生成 $1 和 $2 這樣的變量，如下規(guī)則所示：

"rule": "/pay.php?productid=$1&categoryid=$2",
"pattern": "^pay/([0-9]+)/([0-9]+)/(.*?).html$"

規(guī)則釋義：當解析的 url 符合規(guī)則 ^pay/([0-9]+)/([0-9]+)/(.*?).html$，那么將請求導向到 /pay.php?productid=$1&categoryid=$2。

也即將 http://example.com/pay/25/8/...轉換為http://example.com/pay.php?payid=25&categoryid=8...

示例二：文件名改寫

pattern: /(.*)/playlist.m3u8$
rule: /$1'.m3u8'

規(guī)則釋義：當訪問地址為http://domain/app/stream/playlist.m3u8時，將訪問地址改寫為 http://domain/app/stream.m3u8。

應用場景：在直播應用場景中，因為客戶端機制無法或者不方便升級的情況，可以通過 URL 改寫，將 /stream/playlist.m3u8 改為 /stream.m3u8，其中 app 代表發(fā)布點，stream 代表流名。

示例三：URL 限速

假如請求的 URL 為：http://test.example.com/mp4/4E10F356C0FEAD359C33DC5901307461-10.mp4 ，需要對該類型文件進行限速，限速要求為：前 20MB 不限速，20MB 之后限速 800 KB/s，規(guī)則可這樣編寫：

"rule": "$WHEN($1, $EQ($_HOST, 'test.example.com'))$LIMIT_RATE_AFTER(20, m)$LIMIT_RATE(800, k)",
"pattern": "^(/).+-10.mp4$"

規(guī)則釋義：當 $1 為真，且滿足請求 HOST 為 test.example.com 時 ，開始 20MB 不限速，后面限制到 800KB/s。

又拍云 CDN 邊緣規(guī)則功能結合正則表達式，搭配處理操作，可以幫助您簡化內容分發(fā)業(yè)務邏輯，并提升終端用戶訪問體驗。該規(guī)則可以快速部署且配置簡單，可極大降低業(yè)務實現(xiàn)成本。網站及 Web 應用開發(fā)者或者安全工程師可以快速創(chuàng)建邊緣規(guī)則集來提升網站安全及分發(fā)性能。

最后，我來推薦一個好用的正則表達式匹配測試工具：https://regex101.com/，可以快速測試哪些字符串能匹配規(guī)則，搭配規(guī)則詳解，對于編寫和測試超級方便。

審核編輯：湯梓紅