劉亦菲生日當天，引發了我對正則的思考

前兩天從網上採集到一條短影片數據（刷短影片），發現六公主連排5部劉亦菲主演的電影！甚是震驚，太有牌面了，看了一下日子是8月25號，嗷，原來當天是劉亦菲的生日。巧了，正好也是我家柴犬旺財的3歲生日😀。

言歸正傳，我們看到這條數據的

標題：#劉亦菲35歲生日獲央視獨寵# 神仙姐姐生日快樂！

為了分析數據，我們需要獲取數據中所提到的話題#劉亦菲35歲生日獲央視獨寵#。提問：你能想到幾種實現方式呢？歡迎評論區留言。

正則

想必細心看標題的朋友一定會猜到本文的主人公——正則，這玩意優點是寫起來快，但缺點也顯而易見，性能差，跟批處理一個德性，反人類的難記，長時間不用，每次都要重新學習，日常開發中也就偶爾寫工具用一下。因此，我們只需要把常用的正則理解透就可以了，不要有心理包袱，看完本文，大部分的正則使用場景就可以活學活用。

場景一：匹配兩個#之間的字元串

現在我們把需求轉換成實現思路，想要獲取上述數據中的話題，其實就是匹配兩個#之間的文本內容，show code：

正則表達式：#.*?#

    public static void main(String[] args) {
        String title = "#劉亦菲35歲生日獲央視獨寵# 神仙姐姐生日快樂！";
        Pattern p = Pattern.compile("(#.*?#)");
        Matcher m = p.matcher(title);
        while (m.find()) {
            String group = m.group(0);
            System.out.println("話題:" + group);
        }
    }

輸出

話題:#劉亦菲35歲生日獲央視獨寵#

可以看出，輸出的結果就是該條數據的話題，給大家分析一下這個正則表達式：
.表示任意字元，?平時表示匹配0個或者多個，此時它表示不貪婪，那什麼是貪婪呢？

說到貪婪，那就不得不提這兩個限定符：* 和 + ，它們兩個就是貪婪的！*表示匹配0個或者多個，+表示匹配至少一個，可以發現它們的共性：都會儘可能匹配更多。但，只要緊跟在它們的後面加上一個 ? ，讓他們捫心自問，就可以實現非貪婪，即最小匹配。比如，我們在標題上再加一個#，此時標題變為#劉亦菲35歲生日獲央視獨寵## 神仙姐姐生日快樂！，然後正則表達式我們不使用?，此時，運行程式碼後輸出結果為：

話題:#劉亦菲35歲生日獲央視獨寵##

比較兩次的執行結果，我們會發現輸出結果多了一#，這樣就很貪婪，違背了我們的初衷，這就是?的妙用。

場景二：只匹配#開頭的字元串

我們知道不同平台的話題格式是不一樣的，比如抖音，它的話題形式就與微博不同，只是#開頭，並沒有成對的#與其呼應：

標題：#劉亦菲35歲生日獲央視獨寵 神仙姐姐生日快樂！

如果是這種形式的話題，愛動腦筋的朋友就會發現無非就是將後面的#變為一個空格或者多個空格唄。沒錯，我們可以使用

正則表達式：#.*?\\s+

    public static void main(String[] args) {
        String title = "#劉亦菲35歲生日獲央視獨寵  神仙姐姐生日快樂！";
        Pattern p = Pattern.compile("(#.*?\\s+)");
        Matcher m = p.matcher(title);
        while (m.find()) {
            String group = m.group(0);
            System.out.println("話題:" + group);
        }
    }

輸出

話題:#劉亦菲35歲生日獲央視獨寵

Tips：\s 表示匹配所有空白符，它不僅僅可以匹配空格，還可以匹配換行等空白字元，如果再加上+，組合起來就表示甭管幾個空白字元，統統all in。

不過，不要高興得太早，心細的小明還發現話題可能會存在文末的情況：

標題：神仙姐姐生日快樂！#劉亦菲35歲生日獲央視獨寵

此時是沒有空白字元結束的，上面的正則就不滿足這種情況。那如何是好？小明當時就想到了兩個方案：

  • 方案一：不管話題在不在文末，我們在匹配之前全部給標題追加一個空白字元，這樣就可以人為干預，巧妙地避開了這種情況，曲線救國，便於正則匹配
  • 方案二：使用正則表達式#.*?$

Tips：方案二中的$ 是用來匹配輸入字元串的結尾位置，組合起來就表示匹配#開頭，一直到句末的話題。

進階

前面兩種場景我們雖然獲取到了兩個#之間或者#開頭的內容，實現了需求，但是匹配的結果還是會帶上#，貪婪的小明不滿足現狀（產品強制要求），可不可以不帶呢？
當然可以了！小明又想到了兩個方案：

  • 方案一：得到匹配的話題後，再二次文本處理去掉#
  • 方案二：使用正則表達式?<=和?=一步到位，直接去除#

使用方法

  • (?<=exp2)exp1：表示匹配 exp2 後面的 exp1
  • exp1(?=exp2)：表示匹配 exp2 前面的 exp1
    那結合以上我們實際使用的所有場景，最終這個理想的正則表達式就正式出爐（好熱）：((?<=#).*?(?=#|\s+))
    （好热）
    反應慢的朋友，可以慢點理解，我們先運行試一下（不自信）：
    public static void main(String[] args) {
        String title = "#劉亦菲# #神仙姐姐 #生日快樂# #劉亦菲35歲生日獲央視獨寵";
        Pattern p = Pattern.compile("((?<=#).*?(?=#|\\s+|$))");
        Matcher m = p.matcher(title);
        while (m.find()) {
            String group = m.group(0);
            System.out.println("話題:" + group);
        }
    }

輸出

話題:劉亦菲
話題:
話題:神仙姐姐
話題:生日快樂
話題:
話題:劉亦菲35歲生日獲央視獨寵

Tips：正則表達式中的|表示或，即多項之間的一個選擇，就像今天你看完本文，感覺不錯的話，
必須做出(關注|點贊|星標)其中的一個選擇！
從程式碼的輸出結果我們可以看出，目前的正則是經得住實際考驗的。但是唯一美中不足的是，會有空字元串的情況出現（產品不同意）。
這該如何是好？
目前小明的解決方案是，拿到匹配結果時，過濾掉空字元串。能解決問題的辦法就是好辦法。不過，肯定有更完美的表達式可以實現這個需求，此處拋磚引玉，期待你在評論區分享！

常用的正則表達式分享

  • 微訊號（並不能幫你要到男神|女神的微訊號）
^[a-zA-Z][a-zA-Z\d_-]{5,19}$

未完待續……

Tags:

VirMach 便宜 VPS