如何得到一个完美的正则表达式？

这篇文章的目的是让你能得到完美的正则表达式，而且还不用自己拼。

说到正则表达式，一直是令我头疼的问题，这家伙一般时候用不到，等用到的时候发现它的规则是一点儿也记不住，\d表示一个数字，\s表示包括下划线在内的任意单词字符，也就是 [A-Za-z0-9_]，还有[\s\S]*可以匹配包括换行在内的任意字符串。

这你都能记住吗，如果能的话，那真的佩服，反正我是记不住，之前每次手写的时候都得跟查字典似的一个个的查，简单的还好，复杂的就很痛苦了。

过程往往是这个样子的：

1、 先打开 Google，搜索一篇正则表达式，找到一份像上图那样的字典教程，先看个几分钟，回忆回忆，还有可能回忆不起来。

2、然后就开始根据需求写一个正则表达式。

3、放到程序中执行一下。

4、诶，怎么不好用，匹配不上啊，接着修改正则。

5、继续从 3 - 4 的循环，直到运气来了，正常出结果了。

这是最早的时候，真的是全靠那点仅有的实力和运气了。

记得刚毕业不久的时候，有一次领导给安排一个任务，要在一堆 PDF 文件里把我们需要的数据摘出来。PDF 这玩意儿吧，你把它的内容读出来，它就是一大段文本，要在这一堆内容不一致的文件中准确的拿到数据，第一反应就是用正则。

当时的做法就是上面的 1-5这几步来的，加上当时候刚毕业比较菜，跌跌撞撞才把程序写好，中间有几次调试的时候，程序一跑起来，VS(Visual Studio)就特别卡。对的，就是宇宙第一强大的 IDE ，当时我还在写 C#，纵然是宇宙第一强大，也被我弄的特别卡。

当时只道是正则写的有问题，然后就一直改。

后来才知道，那是因为正则写的不合理，发生了回溯现象，越不合理，回溯越严重，加上当时的 PDF 内容很多，所以导致开发工具都卡了，这要是整到线上，那怕是混不下去了。

关于回溯的问题，可以参考下面这篇文章《失控的正则表达式：灾难性的回溯》

https://www.regular-expressions.info/catastrophic.html

后来就不至于那么菜了，知道了一些关于正则表达式的在线网站，上面有一些常用的正则表达式，不用自己捣鼓了，能偷懒当然要偷懒了。可以在 Goolge 上搜索关键词「正则表达式 在线」，然后就会出来一大堆，直接在上面用那些常用的正则，例如手机号、邮箱、网址啊，基本上能解决90%的需求场景。

另外的10%呢，以前可能只能自己琢磨了，现在都2023年了，基本上99%的概率都不用亲自动手了，当然了，如果是大佬呢，就想自己写，那完全没问题。

ChatGPT 完美解决

ChatGPT 是LLM(大语言模型)的产品，最最擅长的事情就是分析语言，而正则表达式的应用场景是什么呢，其实就是在一大堆文本语言中按照我们的规则，找到我们需要的内容，总的来说，也是对于文本语言的处理，所以用 ChatGPT 解决正则表达式的问题简直太合适不过了。

比如最简单的，匹配中国的手机号，直接让 ChatGPT 把正则写出来，而且连代码都给你写好了。

至于网址、邮箱等等也不在话下了。

不仅ChatGPT 可以，连百度文心一言也可以。百度文心一言虽然这样可以，但是如果你反过来问它，它就蒙圈了。

比如我问 aaa@126.com 是不是一个合法的邮箱，ChatGPT 会告诉你这个邮箱是合法的，但是百度文心一言就不行了。

下面这个是 ChatGPT 的回答：

ChatGPT 的回答

下面这个是百度文心一言的回答：

添加图片注释，不超过 140 字（可选）

文心一言的回答

不仅邮箱不行，你问它一个手机号是否合法，百度文心一言也不行，还会告诉你这个号码的归属地，但是这个归属地也是错误的。

这样就看出来什么是智能，什么是大数据了，明显 ChatGPT 更智能一点，希望国产的大模型能在这两年追上吧。

再举一个例子

匹配一段 HTML 中的某个部分也是正则的常用场景，做过爬虫的或多或少都用过正则吧。

比如我在一大段 HTML 中有这么一部分

<div class="time">这是一个，this is some</div>

现在要拿到这个 div 中的内容部分，当然有很多其他的方式了，比如 Java 版的 jsoup，使用 xpath、css selector 等都可以，但是如果就要用正则呢，是不是自己写的话，一般菜鸟就感觉很麻烦了。

这时候我们问问 ChatGTP ，看看它怎么搞的。

直接就这么问了：

★ <div> <div class="outer"> <div class="time">这是一个，this is some</div> <div class="button">button</div> </div> </div>， 用 Java 正则表达式匹配这段 HTML 中 class="time" 的这个标签的 Text 部分 ”

直接拿过代码跑一下，没有任何问题。

有同学说了，这么明显的标签，还用的着 ChatGPT ，直接拿过来就写了。

这里只是举个例子，如果哪位有比较复杂的匹配逻辑，也可以用ChatGPT 来试试，基本上99%都能直接解决。

还有一个网站很厉害

如果你没有办法或者不想用 ChatGPT ，也不想用百度文心一言这些，我还发现一个网站，这个网站我严重怀疑它已经接入了 ChatGPT ，它也支持通过自然语言描述，就能给出相应的正则表达式。

网站地址： https://wangwl.net/static/projects/visualRegex

比如我跟他说：提取一段字符串中的中国手机号码部分，而且还有正则可视化。

上面的那个匹配 HTML 的例子，我也在这个网站上试过，结果也是可以的。

纯粹的好东西分享，我跟这个网站没有任何关系。

一个帮你分析正则的网站

接下来这个网站呢，如果你想对正则有比较深入的理解，或者想看看自己写好的正则或ChatGPT 帮你生成的正则表达式效果怎么样，性能好不好，都可以在这个网站进行。

网站地址：https://regex101.com/

网站左侧可以选择你的目标语言，也就是你的代码实现是哪种语言 Java 还是 JavaScript 等。

中间上方是正则表达式，中间下方是待匹配的内容。

右侧上方是你写的正则对待匹配内容完整的匹配分析过程，非常详细，可以通过这里清楚的看出这个正则匹配的时候经过了哪些路径。

右侧下方是最终的匹配结果。

如果你写的正则在工作的时候发生了明显的回溯，这里也会给出提示，告诉你问题，让你去优化。

总结

君子善假于物也，虽然我很菜，但是工具好用啊，我+好用的工具，等于我也很厉害了。