可以徹底告別手寫正則表達式了

這篇文章的(de)(de)(de)目的(de)(de)(de)是讓你(ni)能(neng)得到完美的(de)(de)(de)正則表達(da)式(shi)，而且還不用自己拼。

說到正則表達式，一直是令我頭疼的問題，這家伙一般時候用不到，等用到的時候發現它的規則是一點兒也記不住，\d表示一個數字，\s表示包括下劃線在內的任意單詞字符，也就是 [A-Za-z0-9_]，還有[\s\S]*可(ke)以匹配包括換行在內的任意字符串。

這你都能記(ji)住嗎，如果能的(de)話，那真的(de)佩服(fu)，反正我是記(ji)不住，之前每(mei)次手寫(xie)的(de)時(shi)候(hou)都得跟查字典(dian)似的(de)一個(ge)個(ge)的(de)查，簡單(dan)的(de)還(huan)好(hao)，復雜的(de)就很痛(tong)苦了(le)。

過(guo)程往(wang)往(wang)是(shi)這個樣子的：

1、 先打開 Google，搜索一(yi)篇正(zheng)則表(biao)達式，找到一(yi)份像上圖那樣的字典教程，先看個幾分鐘，回憶回憶，還(huan)有可(ke)能回憶不起來。

2、然后就開始根據(ju)需(xu)求寫一個(ge)正則表達式。

3、放到程序(xu)中執行一下。

4、誒(e^)，怎么不(bu)好用，匹(pi)配不(bu)上啊，接著修改正則。

5、繼續從 3 - 4 的循環，直到運(yun)氣來了，正常出結果了。

這是最早的時候，真的是全靠那點僅有的實力和運氣了。

記(ji)得(de)剛畢業不久的(de)時候，有一次領導給安排(pai)一個任務，要(yao)在(zai)一堆 PDF 文件里把我們(men)需要(yao)的(de)數(shu)據摘出來。PDF 這玩意兒吧，你把它的(de)內容(rong)讀出來，它就(jiu)是一大段文本，要(yao)在(zai)這一堆內容(rong)不一致的(de)文件中準確(que)的(de)拿到(dao)數(shu)據，第一反應就(jiu)是用(yong)正(zheng)則。

當時(shi)的(de)做(zuo)法就是(shi)(shi)上面的(de) 1-5這(zhe)幾(ji)(ji)步(bu)來的(de)，加(jia)上當時(shi)候剛畢業比(bi)較菜(cai)，跌(die)跌(die)撞(zhuang)撞(zhuang)才(cai)把程序(xu)寫好，中間有幾(ji)(ji)次調試的(de)時(shi)候，程序(xu)一跑起來，VS(Visual Studio)就特別(bie)卡。對(dui)的(de)，就是(shi)(shi)宇宙第一強大(da)的(de) IDE ，當時(shi)我還在(zai)寫 C#，縱然是(shi)(shi)宇宙第一強大(da)，也被我弄的(de)特別(bie)卡。

當時(shi)只道(dao)是正則寫的有問題，然后就一直(zhi)改。

后來才(cai)知道，那是(shi)因為正則寫的不合理，發生了(le)回溯(su)現象，越不合理，回溯(su)越嚴重(zhong)，加上當時的 PDF 內(nei)容很多，所以導致開發工具都(dou)卡了(le)，這(zhe)要是(shi)整到線上，那怕是(shi)混不下去了(le)。

關于回溯的(de)問(wen)題，可(ke)以參考下面這篇文章《失控(kong)的(de)正(zheng)則表(biao)達式(shi)：災難性的(de)回溯》

后來就不(bu)(bu)至(zhi)于那(nei)么菜了(le)，知道了(le)一些關于正(zheng)則表(biao)達(da)式的(de)在(zai)線網站，上(shang)(shang)面有一些常用(yong)的(de)正(zheng)則表(biao)達(da)式，不(bu)(bu)用(yong)自(zi)己搗(dao)鼓了(le)，能(neng)偷懶(lan)當然要偷懶(lan)了(le)。可以在(zai) Goolge 上(shang)(shang)搜(sou)索關鍵詞「正(zheng)則表(biao)達(da)式 在(zai)線」，然后就會(hui)出來一大堆(dui)，直(zhi)接在(zai)上(shang)(shang)面用(yong)那(nei)些常用(yong)的(de)正(zheng)則，例如手(shou)機號(hao)、郵箱、網址啊(a)，基(ji)本(ben)上(shang)(shang)能(neng)解決90%的(de)需求(qiu)場景。

另外的10%呢，以前可能只(zhi)能自(zi)己(ji)琢磨(mo)了，現在都2023年了，基本(ben)上99%的概率都不用親(qin)自(zi)動手了，當然了，如果是大佬呢，就想自(zi)己(ji)寫(xie)，那完全(quan)沒問題。

ChatGPT 完美解決

ChatGPT 是LLM(大(da)語言模(mo)型(xing))的(de)產品，最最擅長(chang)的(de)事情就(jiu)是分析語言，而正則表(biao)達式的(de)應用場景是什么(me)呢(ni)，其實就(jiu)是在一大(da)堆文本語言中按(an)照我們的(de)規(gui)則，找到我們需要的(de)內容，總的(de)來說(shuo)，也是對于(yu)文本語言的(de)處(chu)理(li)，所以(yi)用 ChatGPT 解決(jue)正則表(biao)達式的(de)問題(ti)簡直(zhi)太合適不過了。

比如最簡(jian)單的(de)，匹(pi)配中國的(de)手機號，直接(jie)讓 ChatGPT 把正則寫出(chu)來，而且連代碼(ma)都給你寫好了。

至于(yu)網(wang)址、郵(you)箱等(deng)等(deng)也不在話下(xia)了(le)。

不僅ChatGPT 可以，連(lian)百度(du)文心(xin)一(yi)言也可以。百度(du)文心(xin)一(yi)言雖然這(zhe)樣可以，但是如果(guo)你反(fan)過來問它(ta)，它(ta)就蒙圈了。

比(bi)如我問 aaa@126.com 是不是一(yi)(yi)個(ge)(ge)合法的郵箱(xiang)，ChatGPT 會告訴你這個(ge)(ge)郵箱(xiang)是合法的，但是百(bai)度文心一(yi)(yi)言就(jiu)不行了。

下(xia)面這個(ge)是 ChatGPT 的回答(da)：

下(xia)面這個(ge)是百(bai)度文(wen)心一言的(de)回答：

不(bu)僅郵箱不(bu)行，你問它一(yi)個手機(ji)號是否合法，百度文(wen)心一(yi)言也不(bu)行，還會(hui)告(gao)訴(su)你這(zhe)個號碼(ma)的歸(gui)屬(shu)地，但是這(zhe)個歸(gui)屬(shu)地也是錯(cuo)誤的。

這(zhe)樣就看出來什么是(shi)(shi)智(zhi)能，什么是(shi)(shi)大(da)數據了，明顯 ChatGPT 更(geng)智(zhi)能一點，希望(wang)國產的大(da)模型(xing)能在這(zhe)兩年追上吧。

再舉一個例子

匹配一(yi)段 HTML 中(zhong)的某(mou)個部分也是(shi)正則的常用場景，做過(guo)爬蟲的或多或少都用過(guo)正則吧。

比如我在一大段 HTML 中(zhong)有這么一部分(fen)

<div class="time">這是一個，this is some</div>

現在要拿到這個 div 中的內容部分，當然有很多其他的方式了，比如 Java 版的 jsoup，使(shi)用 xpath、css selector 等都可以(yi)，但是(shi)如果就(jiu)要用正則呢，是(shi)不是(shi)自(zi)己寫的話(hua)，一般菜(cai)鳥就(jiu)感(gan)覺很麻煩(fan)了。

這時候我們問(wen)問(wen) ChatGTP ，看(kan)看(kan)它怎么搞的(de)。

直接就這么問了：

<div> <div class="outer"> <div class="time">這是一個，this is some</div> <div class="button">button</div> </div> </div>， 用 Java 正則表達式匹配這段 HTML 中 class="time" 的(de)這個(ge)標簽(qian)的(de) Text 部分

直(zhi)接拿(na)過代碼跑一下，沒有任何問題。

有(you)同學說了，這么明顯的標(biao)簽，還(huan)用的著 ChatGPT ，直接拿(na)過來就寫了。

這(zhe)里只(zhi)是(shi)舉個(ge)例(li)子，如(ru)果(guo)哪位有比較(jiao)復雜的匹(pi)配(pei)邏輯，也可以用ChatGPT 來試(shi)試(shi)，基本上(shang)99%都能直接解(jie)決。

還有一個網站很厲害

如果(guo)你沒有(you)辦法或者不想用 ChatGPT ，也不想用百度文心一言這(zhe)些，我(wo)還發現一個(ge)網站(zhan)，這(zhe)個(ge)網站(zhan)我(wo)嚴重懷疑它已經接入了(le) ChatGPT ，它也支持通過自然語言描述，就(jiu)能(neng)給出相應(ying)的正(zheng)則表達(da)式。

網站地址：

比如我(wo)跟他說：提取一(yi)段(duan)字符(fu)串中的中國(guo)手機號碼部分，而且還有正則可(ke)視化。

上面(mian)的(de)那(nei)個(ge)匹配 HTML 的(de)例(li)子，我也(ye)在這個(ge)網站上試過，結果也(ye)是可以的(de)。

純粹的好東西分享，我跟(gen)這個網站沒有任何(he)關系。

一個幫你分析正則的網站

接下來這(zhe)個(ge)網站(zhan)呢，如果你(ni)想對正(zheng)則(ze)有比較深入的理(li)解，或者想看看自己寫(xie)好的正(zheng)則(ze)或ChatGPT 幫你(ni)生成的正(zheng)則(ze)表達式效果怎么樣，性(xing)能好不好，都可以在這(zhe)個(ge)網站(zhan)進(jin)行。

網站地址：

網站左側可(ke)以(yi)選擇你的(de)目(mu)標語(yu)言，也就是(shi)你的(de)代碼實現是(shi)哪種語(yu)言 Java 還是(shi) JavaScript 等。

中間(jian)上方是正則表達式，中間(jian)下方是待匹配的內容。

右側上方是你寫的(de)正則(ze)對待匹配內容完(wan)整的(de)匹配分析過程，非(fei)常詳細，可以通(tong)過這里清(qing)楚的(de)看(kan)出這個正則(ze)匹配的(de)時候經過了哪些路徑。

右側下方是最終(zhong)的匹配結果。

如(ru)果你寫的正則在工作(zuo)的時候發生了明(ming)顯的回溯，這里也(ye)會給出提示，告訴你問題，讓你去優化。

總結

君子(zi)善假于物也(ye)，雖然我很菜(cai)，但是工(gong)具(ju)好(hao)用啊，我+好(hao)用的工(gong)具(ju)，等于我也(ye)很厲害(hai)了(le)。

歡迎(ying)捧場，趕緊用(yong)(yong)(yong)一用(yong)(yong)(yong)吧，覺(jue)得(de)好用(yong)(yong)(yong)的話，可以推薦給身邊的小伙(huo)伴也用(yong)(yong)(yong)一下(xia)。