从头学习正则-2如何用正则实现复杂的查找和替换

假设我们现在要去查找 15 位或 18 位数字。根据前面学习的知识，使用量词可以表示出现次数，使用管道符号可以表示多个选择，你应该很快就能写出\d{15}|\d{18}。但经过测试，你会发现，这个正则并不能很好地完成任务，因为18位数字也会匹配上前15位，具体如下图所示。

出现这个问题的原因，因为大多数正则实现中，多分支选择都是左边优先，所以如果把上面的表达式调换下顺序，就可以符合要求了

另外如果把这个问题看成15个数字，后面的3个数字有或没有，可以用\d{15}(\d{3})?

这里(\d{3})我们使用了括号，如果不使用括号，你会发现有问题，括号在正则中的功能就是用于分组。简单来理解就是，由多个元字符组成某个部分，应该被看成一个整体的时候，可以用括号括起来表示一 个整体，这是括号的一个重要功能。其实用括号括起来还有另外一个作用，那就是“复用”。

分组和编号

括号在正则中可以用于分组，被括号括起来的部分“子表达式”会被保存成一个子组。 那分组和编号的规则是怎样的呢？其实很简单，用一句话来说就是，第几个括号就是第几个 分组。这么说可能不好理解，我们来举一个例子看一下。 这里有个时间格式 2020-05-10 20:23:05。假设我们想要使用正则提取出里面的日期和时间。

我们可以写出如图所示的正则，将日期和时间都括号括起来。这个正则中一共有两个分组， 日期是第 1 个，时间是第 2 个。

保存子组

在括号里面的会保存成子组，但有些情况下，你可能只想用括号将某些部分看成一个整体， 后续不用再用它，类似这种情况，在实际使用时，是没必要保存子组的。这时我们可以在括 号里面使用 ?: 不保存子组。

如果正则中出现了括号，那么我们就认为，这个子表达式在后续可能会再次被引用，所以不 保存子组可以提高正则的性能。除此之外呢，这么做还有一些好处，由于子组变少了，正则 性能会更好，在子组计数时也更不容易出错。

那到底啥是不保存子组呢？我们可以理解成，括号只用于归组，把某个部分当成“单个元 素”，不分配编号，后面不会再进行这部分的引用。

	正则	示例
保存子组	(xx)	\d{\15}(\d{3})?
不保存子组	(?:xx)	\d{\15}(?:\d{3})?

括号嵌套

前面讲完了子组和编号，但有些情况会比较复杂，比如在括号嵌套的情况里，我们要看某个 括号里面的内容是第几个分组怎么办？不要担心，其实方法很简单，我们只需要数左括号 （开括号）是第几个，就可以确定是第几个子组。

在阿里云简单日志系统中，我们可以使用正则来匹配一行日志的行首。假设时间格式是 2020-05-10 20:23:05 。

日期分组编号是 1，时间分组编号是 5，年月日对应的分组编号分别是 2，3，4，时分秒的 分组编号分别是 6，7，8。

分组引用

在知道了分组引用的编号 （number）后，大部分情况下，我们就可以使用 “反斜扛 + 编 号”，即 \number 的方式来进行引用，而 JavaScript 中是通过\编号来引用的，如\1

分组引用和查找

介绍了子组和引用的基本知识，现在我们来看下在正则查找时如何使用分组引用。比如 我们要找重复出现的单词，我们使用正则可以很方便地使“前面出现的单词再次出现”，具 体要怎么操作呢？我们可以使用 \w+ 来表示一个单词，针对刚刚的问题，我们就可以很容 易写出 (\w+) \1或 (\w+)\s\1这个正则表达式了。

分组引用在替换中的使用

和查找类似，我们可以使用反向引用，在得到的结果中，去拼出来我们想要的结果。还是使 用刚刚日期时间的例子，我们可以很方便地将它替换成， 2020 年 05 月 10 日这样的格 式。


在文本编辑器中的使用

用 Sublime Text 3 来当例子，给你讲解一下正则查找和替换的使用方式。 Sublime Text 3 是一个跨平台编辑器，非常小巧、强悍，虽然是一个收费软件，但可以永久试用，你自行可以下载安装。 当熟练使用编辑器之后，你会发现在很多工作里都可以使用它，不需要编写代码就可以完成。

问题练习

最后，我们来做一个小练习吧。有一篇英文文章，里面有一些单词连续出现了多次，我们认 为连续出现多次的单词应该是一次，比如：

the little cat cat is in the hat hat hat, we like it.

其中 cat 和 hat 连接出现多次，要求处理后结果是

the little cat is in the hat, we like it.