最近有幸在開源中國和51CTO兩家網(wǎng)站作為嘉賓參與了于正則表達(dá)式的專題問答。在問答過程中，我收集到學(xué)習(xí)正則表達(dá)式過程中的某些普遍問題，在這里專門花一點篇幅來回答
正則表達(dá)式是難學(xué)的，這不存在疑義。但是我認(rèn)為，難點也只在語法方面。正則表達(dá)式已經(jīng)有年頭了，它（的語法）誕生于上世紀(jì)七十年代。那是個怎樣的情景？舉個簡單的例子吧，Unix下的usr、dev等名字，就是那時留傳下來的，現(xiàn)在已經(jīng)有很多人詬病了，usr不是user，dev不是device，難學(xué)，也難記。經(jīng)過這些年的飛速發(fā)展，當(dāng)年的很多問題已經(jīng)被包裝得美輪美奐，如今的用戶可能更習(xí)慣直接點擊“用戶目錄”、“驅(qū)動器”之類的圖標(biāo)，再也不用為那些不規(guī)則的簡短名字發(fā)愁。但是不幸的是，一直以來正則表達(dá)式的語法卻沒有太多的變化，甚至后續(xù)增加的功能，也沿襲了之前的語法風(fēng)格，在編程語言日漸人性化的今天，它自然顯得非常難懂了。今天的開發(fā)人員可能更習(xí)慣Regex.CharRange(‘a(chǎn)', ‘z')這樣的寫法，而不習(xí)慣[a-z]；遇到(?![a-z])這樣的結(jié)構(gòu)就更是抓瞎，除非轉(zhuǎn)為Regex.CheckRight(Regex.CharRange(‘a(chǎn)', ‘z'))的寫法。
不過，換一個角度來看，兩者其實是一回事，只是表現(xiàn)形式不同，一個類似要訣，一個類似大白話。如果我們能在頭腦里構(gòu)建出從要訣到大白話的轉(zhuǎn)換，正則表達(dá)式就簡單了許多，甚至可以說就是模塊的拼接。比如支付寶的流水號為18或26位數(shù)字，用正則表達(dá)式匹配，就是^([0-9]{18}|[0-9]{26})$，或者^[0-9]{18}([0-9]{8})?$。其中的邏輯很簡單：^用來鎖定開頭，$用來鎖定結(jié)尾，[0-9]匹配數(shù)字字符，([0-9]{18}|[0-9]{26})表示兩個并列的選項，即數(shù)字字符串長度為18位或26位，而[0-9]{18}([0-9]{8})?表示至少需要出現(xiàn)18位的數(shù)字字符串，在這之后可能還有一個8位的數(shù)字字符串（所以總長度是26位）。一般的正則表達(dá)式應(yīng)用，就是這么簡單。
如果你覺得上面說的沒錯，那么學(xué)習(xí)正則表達(dá)式的難題就只剩下了選擇得當(dāng)?shù)姆椒?。我們學(xué)習(xí)編程語言時，都強(qiáng)調(diào)不能只看書，要動手寫程序，甚至最好的辦法是把書上的例子親自輸入運行一遍，這樣才算真正學(xué)會了。但在許多人眼里，正則表達(dá)式或許算不上編程語言，所以學(xué)習(xí)是點到即止，甚至是滿足于從網(wǎng)絡(luò)上抄一些現(xiàn)成的表達(dá)式。所以，常見的問題之一是“有沒有什么學(xué)習(xí)的捷徑”，很不幸，答案是沒有——既然拷貝他人的代碼不能學(xué)會編程，抄閱現(xiàn)成的表達(dá)式、隨便翻幾篇文檔，當(dāng)然也學(xué)不會正則。不過也有幸運的消息，真正學(xué)會正則表達(dá)式并不需要花太長的時間。
以我的經(jīng)驗，學(xué)習(xí)正則表達(dá)式，真正要做的是深入理解常用功能：字符組、多選分支、匹配模式、環(huán)視?？梢哉f，弄明白了這幾點，80%的正則問題都可以解決。但是要弄明白這幾點，就需要專門的學(xué)習(xí)：字符組是解決什么問題的，它是怎么使用的？多選分支是解決什么問題的，它是怎么使用的？應(yīng)當(dāng)抽一些時間專門學(xué)習(xí)、思考；這些都弄明白了，再研究解決復(fù)雜問題的表達(dá)式是怎么構(gòu)成的。如果你可以每天抽1-2小時專門學(xué)習(xí)，兩周內(nèi)就會有明顯收效，一個月幾乎就可以修煉到相當(dāng)水平。而且，以我的經(jīng)驗，在學(xué)習(xí)新的編程語言時，不但要把書上的例子都親自輸入運行一遍，更要自己動手去改一改示例代碼，看看會出現(xiàn)什么現(xiàn)象，再想想為什么會這樣。如果你在學(xué)習(xí)正則表達(dá)式時也做到這一點，必然能夠事半功倍。
如果你真正理解了這些常用功能，對它們的價值和使用有清晰的概念，那么另一個麻煩也就迎刃而解了——不同語言的正則表達(dá)式不同，如何解決？雖然不同語言中的正則表達(dá)式規(guī)定各有不同，但背后的思想是統(tǒng)一的，不同的只是表現(xiàn)形式，或者說概念的落地方式。好處在于，編程語言的文檔不會詳細(xì)講解什么是字符組，什么是多選分支，但會詳細(xì)告訴你字符組在本語言中是如何表示的，多選分支又是如何表示的（不信你可以在這些文檔中搜索character class或者alternation）。所以如果你的腦子足夠清楚，即便不確定最終的表達(dá)式如何寫，也只需要查文檔就可以解決。舉個例子，匹配空白字符的字符組\s，在Java字符串中要寫作\\s，因為\s并不是Java字符串中的一個合法轉(zhuǎn)義序列，所以之前還必須有\來轉(zhuǎn)義\；在PHP中可以直接寫作\s，因為PHP處理字符串時會把無法識別的轉(zhuǎn)義序列原封不動地保存下去；在Unix下的某些工具中，必須寫作[[:space:]]，這是Perl風(fēng)格的\s在POSIX規(guī)范中的表示法。看起來比較麻煩，也僅此而已，因為我們知道，這里需要用到的，就是“匹配空白字符的字符組”。
以上寫了這么多，可能有人會說：正則表達(dá)式這東西，不登大雅之堂，沒必要花那么多精力?；蛟S正是這種觀點，形成了“不認(rèn)真學(xué)習(xí)正則表達(dá)式”思想根源。幸運的是，這個問題其實很好想明白，因為很多事情都是這個道理。比如寫文章，我們不要求人人都是作家，但是人人都有可能在需要的時候?qū)懗鰩灼玫贸鍪值恼?jīng)文章，“不是作家”并不是“需要時寫不出正經(jīng)文章”的理由。為了能在需要的時候?qū)懗稣?jīng)文章，就必須專門抽出時間來學(xué)習(xí)和練習(xí)寫作。正則表達(dá)式的學(xué)習(xí)，其實也是這個道理。
這種說法可以說服一些人，但還有一些人是說服不了的。同時據(jù)我觀察，那些不能被說服的人，似乎也沒有花太多精力在其它“正事”上，反而會不時為正則表達(dá)式所困擾。與此相反的是，真正有職業(yè)素質(zhì)的程序員，就像the Productive Programmer中說的那樣，會愿意花2小時寫出一個正則表達(dá)式，為以后節(jié)省無窮無盡的時間。當(dāng)然，以上說的這一切的前提，都是能端正學(xué)習(xí)正則表達(dá)式，或者說學(xué)習(xí)有價值技能的的態(tài)度。做軟件的人大都讀過布魯克斯的名文《沒有銀彈》，所以這里不妨借用他的話說，正則表達(dá)式的學(xué)習(xí)，也不存在銀彈。
本文由Yurii原創(chuàng)，轉(zhuǎn)載請注明來源： 亂象，印跡
