正則表達(dá)式又稱規(guī)則表達(dá)式（Regular Expression，在代碼中常簡(jiǎn)寫為 regex、regexp 或 RE），是一種用于匹配、查找、替換文本的強(qiáng)大工具。它能夠以特定的模式匹配字符串，從而實(shí)現(xiàn)自動(dòng)化文本處理。在許多編程語(yǔ)言中，正則表達(dá)式都被廣泛用于文本處理、數(shù)據(jù)分析、網(wǎng)頁(yè)抓取等領(lǐng)域。通過(guò)正則表達(dá)式，我們可以精確地篩選、操作和格式化文本，提高工作效率。

正則表達(dá)式在日常生活中有著廣泛的應(yīng)用。比如，在處理電話號(hào)碼時(shí)，我們可以使用正則表達(dá)式來(lái)驗(yàn)證號(hào)碼的格式是否正確。中國(guó)的電話號(hào)碼通常由11位數(shù)字組成，第一位為1，第二位通常為3-9，我們可以使用以下正則表達(dá)式來(lái)匹配這些號(hào)碼：

/^1[3-9]d{9}$/

通過(guò)這個(gè)正則表達(dá)式，我們可以判斷一個(gè)電話號(hào)碼是否符合規(guī)范，從而避免出現(xiàn)錯(cuò)誤的信息輸入。

什么是正則表達(dá)式

每個(gè)正則表達(dá)式都有一個(gè)有限自動(dòng)機(jī)（也稱為狀態(tài)機(jī)），它接受表達(dá)式指定的語(yǔ)言，并使用 Thompson 構(gòu)造算法將正則表達(dá)式轉(zhuǎn)化為一個(gè)與之等價(jià)的非確定有限狀態(tài)自動(dòng)機(jī)（NFA）。同時(shí)，對(duì)于每個(gè)有限自動(dòng)機(jī)來(lái)說(shuō)，還有一個(gè)描述該自動(dòng)機(jī)所接受語(yǔ)言的正則表達(dá)式。該表達(dá)式可以通過(guò)克萊恩算法或高斯消元法生成。

正則表達(dá)式的一個(gè)著名應(yīng)用是文本編輯器中的搜索和替換功能，計(jì)算機(jī)先驅(qū) Ken Thompson（ UNIX 操作系統(tǒng)的開發(fā)者之一）首先在 20 世紀(jì) 60 年代的面向行編輯器 QED 中實(shí)現(xiàn)了該功能。此函數(shù)允許查找文本中的特定字符串，并根據(jù)需要將其替換為任何其他字符串。

正則表達(dá)式如何工作

正則表達(dá)式可以僅使用正則字符（例如 abc ），也可以使用正則字符和元字符的組合（例如 ab*c）。元字符的任務(wù)是描述某些字符的結(jié)構(gòu)或排列，例如字符是否應(yīng)位于行的開頭，或者字符是否只出現(xiàn)一次或多次出現(xiàn)。上面提到的正則表達(dá)式示例的工作原理如下：

abc：簡(jiǎn)單的正則表達(dá)式模式 abc 需要完全匹配。換句話說(shuō)，該表達(dá)式以精確的順序搜索包含字符 “abc” 的所有字符串。例如可以匹配到：“a abc d” 及 “abc oulomb”。

ab*c：相比之下，具有特殊字符的正則表達(dá)式略有不同。星號(hào)代表表達(dá)式搜索以字母 “a” 開頭并以字母 “c” 結(jié)尾的字符串。但是，a 和 c 之間可以有任意數(shù)量的 b。所以，“abc” 以及字符串 “abbbbc” 和 “cbb abbc ba” 也構(gòu)成了匹配。

每個(gè)正則表達(dá)式還可以鏈接到特定的操作，例如上面提到的 “替換” 操作。只要正則表達(dá)式為真，即只要存在上面示例中所述的匹配項(xiàng)，就會(huì)執(zhí)行此操作。又拍云 CDN 的邊緣規(guī)則中就支持類似場(chǎng)景，根據(jù)正則表達(dá)式匹配字符串，執(zhí)行改寫、跳轉(zhuǎn)、訪問(wèn)控制、限速等需求。

使用正則表達(dá)式的挑戰(zhàn)

掌握正則表達(dá)式可以提高我們編程和文本處理的能力，更加高效地處理大量數(shù)據(jù)和文本。然而，掌握和使用還是存在著一些挑戰(zhàn)。

復(fù)雜性：正則表達(dá)式本身較為復(fù)雜，學(xué)習(xí)曲線陡峭，編寫和理解復(fù)雜的正則表達(dá)式可能需要大量的時(shí)間和經(jīng)驗(yàn)。

匹配效率：不合理的正則表達(dá)式可能導(dǎo)致效率低下，特別是在處理大量數(shù)據(jù)時(shí)。

不可讀性：復(fù)雜的正則表達(dá)式可能難以理解，使得維護(hù)和調(diào)試變得困難。

學(xué)習(xí)成本：正則表達(dá)式的語(yǔ)法和特殊字符較多，需要一定的學(xué)習(xí)才能熟練使用。

編寫正則表達(dá)式時(shí)，最重要的是掌握以下幾個(gè)核心概念：

元字符：包括字符、反斜杠、方括號(hào)、星號(hào)、問(wèn)號(hào)等，它們用于匹配特定的字符或字符集。

轉(zhuǎn)義字符：使用反斜杠對(duì)特殊字符進(jìn)行轉(zhuǎn)義，以便匹配這些字符本身而不是其特殊含義。

限定符：用于指定正則表達(dá)式中前一個(gè)字符或子表達(dá)式出現(xiàn)的次數(shù)。例如，* 表示零次或多次，+ 表示一次或多次，? 表示零次或一次。

選擇符：使用管道符號(hào)（|）表示可以選擇多個(gè)模式中的任何一個(gè)進(jìn)行匹配。

原子：用于指定一個(gè)精確的字符或字符集，例如 d 表示數(shù)字字符，w 表示字母、數(shù)字或下劃線字符。

斷言：用于指定一個(gè)位置而不是具體的字符或字符集，例如 ^ 表示行首，$ 表示行尾。

括號(hào)：用于將多個(gè)模式組合成一個(gè)更復(fù)雜的模式，并指定匹配的順序。

掌握了這些核心概念，就能夠編寫更準(zhǔn)確、更復(fù)雜的正則表達(dá)式，以解決各種文本處理問(wèn)題。

哪些語(yǔ)法規(guī)則適用正則表達(dá)式

正則表達(dá)式可以在多種語(yǔ)言中使用，例如 Perl、Python、Ruby、JavaScript、XML 或 HTML，但它們的用途或功能可能有很大不同。如在 JavaScript 中，正則表達(dá)式模式用于 search()、match() 或 replace() 字符串方法，而 XML 文檔中的表達(dá)式用于分隔元素內(nèi)容。不過(guò)就語(yǔ)法而言，在編程語(yǔ)言或標(biāo)記語(yǔ)言中使用幾乎沒(méi)有任何區(qū)別。

正則表達(dá)式可以由三個(gè)部分組成，無(wú)論使用哪種語(yǔ)言：

以下是用于表達(dá)式中的一些典型語(yǔ)法符號(hào)及注釋：

當(dāng)然，上面只是介紹了正則表達(dá)式的一些基礎(chǔ)知識(shí)。正則表達(dá)式具有很高的靈活性和可塑性，從簡(jiǎn)單的文本編輯器到復(fù)雜的開發(fā)工具，都可以使用正則表達(dá)式進(jìn)行文本處理。之前也提到了，又拍云 CDN 的邊緣規(guī)則功能就運(yùn)用到了正則表達(dá)式提取字符串，下面通過(guò)一些例子來(lái)了解一下它的強(qiáng)大之處。

正則表達(dá)式在又拍云CDN的應(yīng)用

示例一：目錄及參數(shù)改寫

將請(qǐng)求 URL 轉(zhuǎn)換為帶參數(shù)的動(dòng)態(tài) URL，例如請(qǐng)求的 URL 為：

http://example.com/pay/25/8/...

需要 CDN 邊緣節(jié)點(diǎn)轉(zhuǎn)換為如下請(qǐng)求：

http://example.com/pay.php?payid=25&categoryid=8...

這個(gè)時(shí)候，pattern 部分需要提取目錄數(shù)字，需要生成 $1 和 $2 這樣的變量，如下規(guī)則所示：

"rule": "/pay.php?productid=$1&categoryid=$2",
"pattern": "^pay/([0-9]+)/([0-9]+)/(.*?).html$"

規(guī)則釋義：當(dāng)解析的 url 符合規(guī)則 ^pay/([0-9]+)/([0-9]+)/(.*?).html$，那么將請(qǐng)求導(dǎo)向到 /pay.php?productid=$1&categoryid=$2。

也即將 http://example.com/pay/25/8/...轉(zhuǎn)換為http://example.com/pay.php?payid=25&categoryid=8...

示例二：文件名改寫

pattern: /(.*)/playlist.m3u8$
rule: /$1'.m3u8'

規(guī)則釋義：當(dāng)訪問(wèn)地址為http://domain/app/stream/playlist.m3u8時(shí)，將訪問(wèn)地址改寫為 http://domain/app/stream.m3u8。

應(yīng)用場(chǎng)景：在直播應(yīng)用場(chǎng)景中，因?yàn)榭蛻舳藱C(jī)制無(wú)法或者不方便升級(jí)的情況，可以通過(guò) URL 改寫，將 /stream/playlist.m3u8 改為 /stream.m3u8，其中 app 代表發(fā)布點(diǎn)，stream 代表流名。

示例三：URL 限速

假如請(qǐng)求的 URL 為：http://test.example.com/mp4/4E10F356C0FEAD359C33DC5901307461-10.mp4 ，需要對(duì)該類型文件進(jìn)行限速，限速要求為：前 20MB 不限速，20MB 之后限速 800 KB/s，規(guī)則可這樣編寫：

"rule": "$WHEN($1, $EQ($_HOST, 'test.example.com'))$LIMIT_RATE_AFTER(20, m)$LIMIT_RATE(800, k)",
"pattern": "^(/).+-10.mp4$"

規(guī)則釋義：當(dāng) $1 為真，且滿足請(qǐng)求 HOST 為 test.example.com 時(shí) ，開始 20MB 不限速，后面限制到 800KB/s。

又拍云 CDN 邊緣規(guī)則功能結(jié)合正則表達(dá)式，搭配處理操作，可以幫助您簡(jiǎn)化內(nèi)容分發(fā)業(yè)務(wù)邏輯，并提升終端用戶訪問(wèn)體驗(yàn)。該規(guī)則可以快速部署且配置簡(jiǎn)單，可極大降低業(yè)務(wù)實(shí)現(xiàn)成本。網(wǎng)站及 Web 應(yīng)用開發(fā)者或者安全工程師可以快速創(chuàng)建邊緣規(guī)則集來(lái)提升網(wǎng)站安全及分發(fā)性能。

最后，我來(lái)推薦一個(gè)好用的正則表達(dá)式匹配測(cè)試工具：https://regex101.com/，可以快速測(cè)試哪些字符串能匹配規(guī)則，搭配規(guī)則詳解，對(duì)于編寫和測(cè)試超級(jí)方便。

審核編輯：湯梓紅