前言

正則表達(dá)式，又稱規(guī)則表達(dá)式。（英語：Regular Expression，在代碼中常簡(jiǎn)寫為regex、regexp或RE），計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表通常被用來檢索、替換那些符合某個(gè)模式(規(guī)則)的文本。

正則表達(dá)式(Regular expression, regex)允許我們?cè)趲酌腌妰?nèi)在成千上萬文檔間進(jìn)行復(fù)雜檢索與替換，自從誕生50多年來它依舊廣泛使用。

Swift雖然是一個(gè)新出的語言，但卻不提供專門的處理正則的語法和類。所以我們只能使用古老的NSRegularExpression類進(jìn)行正則匹配。

在這篇文章中，我會(huì)講解在Swift中正則表達(dá)式的基本用法。我們會(huì)從易到難，詳細(xì)講解一些最重要的正則表達(dá)式語法，以及一些有用的擴(kuò)展。

NSRegularExpression：如何在字符串中匹配正則表達(dá)式

NSRegularExpression類讓我們可以用正則表達(dá)式查找替換子字符串，它可以簡(jiǎn)潔靈活地描述文本。例如，如果你想從"My name is Taylor Swift"中提取出"Taylor Swift"，可以寫一個(gè)匹配文本“My name is”的正則表達(dá)式，它的后面可以是任何文本，之后把它傳遞給NSRegularExpression類。

具體可見下面代碼。注意我們要提取出的是第二范圍，因?yàn)榈谝环秶瞧ヅ涞淖址?，而第二范圍才?Taylor Swift"部分。

do {
 let input = "My name is Taylor Swift"
 let regex = try NSRegularExpression(pattern: "My name is (.*)", options: NSRegularExpression.Options.caseInsensitive)
 let matches = regex.matches(in: input, options: [], range: NSRange(location: 0, length: input.utf16.count))

 if let match = matches.first {
  let range = match.range(at:1)
  if let swiftRange = Range(range, in: input) {
   let name = input[swiftRange]
  }
 }
} catch {
 // regex was bad!
}

正則表達(dá)式的詳細(xì)講解

讓我們從幾個(gè)簡(jiǎn)單例子開始，方便不熟悉的人了解正則表達(dá)式。正則表達(dá)式，簡(jiǎn)稱regex，用于讓我們?cè)谧址羞M(jìn)行模糊檢索。例如我們知道”cat”包含”at”，但如果我們檢索所有以“at”結(jié)尾的3字母單詞該怎么做呢？

正則表達(dá)式就用于解決這個(gè)問題，盡管由于Objective-C的基礎(chǔ)，它們的語法有些不太靈巧。

1. 首先，定義你想檢索的字符串：

let testString = "hat"

之后創(chuàng)建NSRange實(shí)例來表示整個(gè)字符串的長度

let range = NSRange(location: 0, length: testString.utf16.count)

這里使用utf16來避免類似表情符號(hào)等帶來的問題

2. 之后使用正則表達(dá)式語法創(chuàng)建NSRegularExpression實(shí)例

let regex = try! NSRegularExpression(pattern: "[a-z]at")

[a-z]在正則表達(dá)式中用于指定a到z之間任意字母。實(shí)際使用中你可能會(huì)提供一個(gè)無效的正則表達(dá)式，但是這里我們有了一個(gè)硬編碼的正確正則表達(dá)式，所以就不需要查找錯(cuò)誤了。

3. 最后在創(chuàng)建好的正則表達(dá)式調(diào)用firstMatch(in:)，輸入要檢索的字符串，一些特殊選項(xiàng)，和字符串的范圍。如果字符串匹配正則表達(dá)式，就會(huì)返回?cái)?shù)據(jù)，否則就是nil。所以如果你想檢查字符串是否完全匹配，就用firstMatch(in:)的結(jié)果和nil比較：

regex.firstMatch(in: testString, options: [], range: range) != nil

這里必須要用到NSRange——盡管這個(gè)API是為NSString設(shè)計(jì)，和Swift銜接的不太好。Swift String Manifesto可能會(huì)替換它，但看起來還要很久。

正則表達(dá)式“[a-z]at”會(huì)成功匹配“hat”，和“cat”, “sat”, “mat”, “bat”等等——我們只要關(guān)注想匹配什么，NSRegularExpression會(huì)處理好它。

讓NSRegularExpression用起來更簡(jiǎn)單

接下里會(huì)展示更多的正則表達(dá)式語法，首先來看看如何讓NSRegularExpression稍微好用一些

現(xiàn)在我們的要3行Swift代碼來匹配一個(gè)簡(jiǎn)單字符串

let range = NSRange(location: 0, length: testString.utf16.count)
let regex = try! NSRegularExpression(pattern: "[a-z]at")
regex.firstMatch(in: testString, options: [], range: range) != nil

我們可以從多種方式改進(jìn)，不過最有效的是擴(kuò)展NSRegularExpression，讓創(chuàng)建和匹配表達(dá)式更簡(jiǎn)單。

首先第一行：

let regex = try! NSRegularExpression(pattern: "[a-z]at")

我提到過，創(chuàng)建一個(gè)NSRegularExpression實(shí)例可能導(dǎo)致錯(cuò)誤，因?yàn)榭赡軙?huì)提供一個(gè)非法的正則表達(dá)式。比如[a-zat，忘記了]

結(jié)果就是，通常會(huì)用try!創(chuàng)建NSRegularExpression實(shí)例。然而這會(huì)導(dǎo)致lint工具(如SwiftLint)的破壞。所以好一點(diǎn)的方法是創(chuàng)建一個(gè)方便的初始化，能正確創(chuàng)建正則表達(dá)式，或者在開發(fā)時(shí)能生成一個(gè)斷言失敗。

extension NSRegularExpression {
 convenience init(_ pattern: String) {
  do {
   try self.init(pattern: pattern)
  } catch {
   preconditionFailure("Illegal regular expression: \(pattern).")
  }
 }
}

注意：如果你的app需要用戶寫正則表達(dá)式，你需要使用NSRegularExpression(pattern:)初始化，這樣可以更好的處理錯(cuò)誤。

之后這些行：

let range = NSRange(location: 0, length: testString.utf16.count)
regex.firstMatch(in: testString, options: [], range: range) != nil

第一行創(chuàng)建了一個(gè)包含整個(gè)字符串的NSRange，第二行則是在文本中查找first match。但這是很笨的方法，因?yàn)榇蠖鄷r(shí)候你想查找輸入的整個(gè)字符串，用firstMatch(in:)與nil判定會(huì)弄混你的意圖。

所以，用另一個(gè)擴(kuò)展來替代它，它把下面代碼包含在一個(gè)簡(jiǎn)單的matches()方法中。

extension NSRegularExpression {
 func matches(_ string: String) -> Bool {
  let range = NSRange(location: 0, length: string.utf16.count)
  return firstMatch(in: string, options: [], range: range) != nil
 }
} 

如果你把這兩個(gè)擴(kuò)展合并，就可以更輕松的創(chuàng)建和檢索正則表達(dá)式了。

let regex = NSRegularExpression("[a-z]at")
regex.matches("hat") 

我們可以進(jìn)一步通過運(yùn)算符重載讓Swift包含的，~=，運(yùn)算符適用于正則表達(dá)式：

extension String {
 static func ~= (lhs: String, rhs: String) -> Bool {
  guard let regex = try? NSRegularExpression(pattern: rhs) else { return false }
  let range = NSRange(location: 0, length: lhs.utf16.count)
  return regex.firstMatch(in: lhs, options: [], range: range) != nil
 }
}

通過上面代碼，我們可以在一句話的左邊使用任意字符，右邊用正則表達(dá)式。

"hat" ~= "[a-z]at"

注意：創(chuàng)建NSRegularExpression實(shí)例會(huì)有一定消耗，所以如果你想要反復(fù)使用一個(gè)正則表達(dá)式，最好把NSRegularExpression實(shí)例保存起來。

正則表達(dá)式語法學(xué)之旅

我們已經(jīng)使用了[a-z]來表示“a”到“z”之間任意字母，在正則表達(dá)式中這是一個(gè)字符類。它讓你指定要匹配的一組字母，可以通過制定的字母列表匹配，或者通過一段字符范圍匹配。

正則表達(dá)式范圍不一定是整個(gè)字母表，你可以用[a-t] 來排除“u”到“z”之間的字母。另外，如果你想特別指定一些字母，只需要像這樣單獨(dú)列出它們：

[csm]at

正則表達(dá)式默認(rèn)區(qū)分大小姐寫，也就是說“Cat”和“Mat”不會(huì)在“[a-z]at”被匹配。如果你想忽略大小寫，可以使用“[a-zA-Z]at”，或者創(chuàng)建你自己的NSRegularExpression對(duì)象，并標(biāo)記.caseInsensitive

除了大小寫以外，你可以通過字符類指定數(shù)字范圍。最常用的是[0-9]表示任何數(shù)字，或[A-Za-z0-9]表示任何字母數(shù)字混編字符，也可以用[A-Fa-f0-9]來表示16進(jìn)制數(shù)字。

如果你想匹配一個(gè)字符序列，還需要一個(gè)叫做量詞(quantifier)的概念。它用于表示字符出現(xiàn)的數(shù)量。

最常用的是星號(hào)量詞，*，意思是匹配0個(gè)或更多。量詞在它們修飾的字符后出現(xiàn)，就像下面這樣：

let regex = NSRegularExpression("ca[a-z]*d")

這句話先查找“ca”，之后是0或多個(gè)從“a”到“z”的字母，最后是“d”——它能匹配“cad”, “card”, “clamped”等等。

除了*之外，還有2個(gè)類似的量詞 + 和 ? 。 + 意味著“1個(gè)或更多”，與 * 的“0個(gè)或更多”有點(diǎn)區(qū)別。而 ? 的意思是”0或1個(gè)”

這些量詞是正則表達(dá)式基礎(chǔ)內(nèi)容，希望大家能確實(shí)理解它們的區(qū)別，比如下面3個(gè)正則表達(dá)式

• ca[a-z]*d
• ca[a-z]+d
• ca[a-z]?d

并想想如果給出字符串“cd”或“clamped”，哪些能夠匹配。

如果需要，可以用大括號(hào) { 和 } 來更詳細(xì)的指定匹配數(shù)量，比如[a-z]{3}意味著匹配3個(gè)小寫字母。

考慮一個(gè)電話號(hào)碼格式比如111-1111。如果要正好匹配這個(gè)格式，用[0-9-]+是行不通的。所以我們需要用這樣的正則表達(dá)式[0-9]{3}-[0-9]{4},即先是3個(gè)數(shù)字，之后連接號(hào)，之后4個(gè)數(shù)字。

此外還可以用大括號(hào)指定范圍，它可以是有界限的或無界限的。比如[a-z]{1,3}代表匹配1,2,或3個(gè)小寫字母。[a-z]{3,}代表匹配3個(gè)或更多個(gè)

最后，元字符(meta-characters)是特殊字符，正則表達(dá)式中有特別的意義，在這里介紹其中幾個(gè)使用最頻繁的。

首先其中是最常用，也是最濫用的 . 字符。它可以匹配除了換行符以外任意一個(gè)字符。比如正則表達(dá)式c.t可以匹配“cat”，但不能匹配“cart”。如果你把 . 和 * 量詞共同使用，就意味著匹配1個(gè)或多個(gè)除了換行符以外所有字符，這可能是你最常見的正則表達(dá)式了。

.* 常用的原因也顯而易見：不需要具體設(shè)計(jì)一個(gè)特別的正則表達(dá)式，.* 就可以匹配幾乎一切了。然而問題是，特定化本來就是正則表達(dá)式的要點(diǎn)之一，你可以在文本中精確查找一些字符并操作它們。而太多人完全依賴 .* ，卻沒有意識(shí)到這可能會(huì)給他們的表達(dá)式帶來難以察覺的錯(cuò)誤。

用前面電話號(hào)碼的例子來說，我們用[0-9]{3}-[0-9]{4}匹配類似555-5555的電話號(hào)碼?？紤]到有些人會(huì)寫成“555 5555”或“5555555”，我們可能就會(huì)把正則表達(dá)式條件放寬一些，改成[0-9]{3}.*[0-9]{4}

但是這樣就帶來一個(gè)問題，它會(huì)匹配“123-4567”, “123-4567890”, 或 “123-456-789012345”。為了讓[0-9]{3}與[0-9]{4}匹配上，.* 會(huì)匹配盡可能多的字符

所以這里要用字符類與量詞，比如[0-9]{3}[ -]*[0-9]{4}，代表3個(gè)數(shù)字，之后0個(gè)或更多空格與連接線，之后4個(gè)數(shù)字?；蛘呤褂貌话址悾从盟鼇砥ヅ鋽?shù)字以外的字符，如[0-9]{3}[^0-9]+[0-9]{4}，會(huì)匹配空格，連接線，斜杠等等，而不會(huì)匹配數(shù)字。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問大家可以留言交流，謝謝大家對(duì)腳本之家的支持。

最新評(píng)論