刘亦菲今年生日无人送祝福（刘亦菲生日当天，引发了我对正则的思考）

前两天从网上采集到一条短视频数据（刷短视频）    
    
    
    
   ，发现六公主连排5部刘亦菲主演的电影！甚是震惊


     


     


     


     

，太有牌面了
 




 




 




 




，看了一下日子是8月25号   

   

   

   

  ，嗷 

     

     

     

     
，原来当天是刘亦菲的生日    
    
    
    
。巧了

  




  




  




  




，正好也是我家柴犬旺财的3岁生日?     


     


     


     


   。

言归正传  


  


  


  


 ，我们看到这条数据的

标题：#刘亦菲35岁生日获央视独宠# 神仙姐姐生日快乐！

为了分析数据  
     
     
     
     ，我们需要获取数据中所提到的话题#刘亦菲35岁生日获央视独宠#




 




 




 




 

。提问：你能想到几种实现方式呢？欢迎评论区留言
   

   

   

   

。

正则

想必细心看标题的朋友一定会猜到本文的主人公——正则


   




   




   




   




，这玩意优点是写起来快 



 



 



 



，但缺点也显而易见                       ，性能差



    




    




    




    



，跟批处理一个德性



















，反人类的难记                       ，长时间不用



     



     



     



     


，每次都要重新学习



















，日常开发中也就偶尔写工具用一下     

     

     

     

  。因此    
    
    
    
   ，我们只需要把常用的正则理解透就可以了


     


     


     


     

，不要有心理包袱
 




 




 




 




，看完本文   

   

   

   

  ，大部分的正则使用场景就可以活学活用 




  




  




  




  
。

场景一：匹配两个#之间的字符串

现在我们把需求转换成实现思路 

     

     

     

     
，想要获取上述数据中的话题

  




  




  




  




，其实就是匹配两个#之间的文本内容  


  


  


  


 ，show code：

正则表达式：#.*?#

public static void main(String[] args) { String title = "#刘亦菲35岁生日获央视独宠# 神仙姐姐生日快乐！"; Pattern p = Pattern.compile("(#.*?#)"); Matcher m = p.matcher(title); while (m.find()) { String group = m.group(0); System.out.println("话题:" + group); } }

输出

话题:#刘亦菲35岁生日获央视独宠#

可以看出  
     
     
     
     ，输出的结果就是该条数据的话题


   




   




   




   




，给大家分析一下这个正则表达式：

.表示任意字符 



 



 



 



，?平时表示匹配0个或者多个                       ，此时它表示不贪婪



    




    




    




    



，那什么是贪婪

呢？

说到贪婪



















，那就不得不提这两个限定符：* 和 +                        ，它们两个就是贪婪的！*表示匹配0个或者多个



     



     



     



     


，+表示匹配至少一个



















，可以发现它们的共性：都会尽可能匹配更多

  


  


  


  


。但    
    
    
    
   ，只要紧跟在它们的后面加上一个 ? 


     


     


     


     

，让他们扪心自问
 




 




 




 




，就可以实现非贪婪   

   

   

   

  ，即最小匹配     
     
     
     
 。比如 

     

     

     

     
，我们在标题上再加一个#

  




  




  




  




，此时标题变为#刘亦菲35岁生日获央视独宠## 神仙姐姐生日快乐！  


  


  


  


 ，然后正则表达式我们不使用?  
     
     
     
     ，此时


   




   




   




   




，运行代码后输出结果为：

话题:#刘亦菲35岁生日获央视独宠##

比较两次的执行结果 



 



 



 



，我们会发现输出结果多了一#                       ，这样就很贪婪



    




    




    




    



，违背了我们的初衷



















，这就是?的妙用  




   




   




   




   。

场景二：只匹配#开头的字符串

我们知道不同平台的话题格式是不一样的                       ，比如抖音



     



     



     



     


，它的话题形式就与微博不同



















，只是#开头    
    
    
    
   ，并没有成对的#与其呼应：

标题：#刘亦菲35岁生日获央视独宠 神仙姐姐生日快乐！

如果是这种形式的话题


     


     


     


     

，爱动脑筋的朋友就会发现无非就是将后面的#变为一个空格或者多个空格呗


 



 



 



 



。没错
 




 




 




 




，我们可以使用

正则表达式：#.*?\\s+

public static void main(String[] args) { String title = "#刘亦菲35岁生日获央视独宠 神仙姐姐生日快乐！"; Pattern p = Pattern.compile("(#.*?\\s+)"); Matcher m = p.matcher(title); while (m.find()) { String group = m.group(0); System.out.println("话题:" + group); } }

输出

话题:#刘亦菲35岁生日获央视独宠

Tips：\s 表示匹配所有空白符   

   

   

   

  ，它不仅仅可以匹配空格 

     

     

     

     
，还可以匹配换行等空白字符

  




  




  




  




，如果再加上+  


  


  


  


 ，组合起来就表示甭管几个空白字符  
     
     
     
     ，统统all in                    。

不过


   




   




   




   




，不要高兴得太早 



 



 



 



，心细的小明还发现话题可能会存在文末的情况：

标题：神仙姐姐生日快乐！#刘亦菲35岁生日获央视独宠

此时是没有空白字符结束的                       ，上面的正则就不满足这种情况   




    




    




    




    。那如何是好？小明当时就想到了两个方案：

方案一：不管话题在不在文末



    




    




    




    



，我们在匹配之前全部给标题追加一个空白字符



















，这样就可以人为干预                       ，巧妙地避开了这种情况



     



     



     



     


，曲线救国



















，便于正则匹配 方案二：使用正则表达式#.*?$

Tips：方案二中的$ 是用来匹配输入字符串的结尾位置    
    
    
    
   ，组合起来就表示匹配#开头


     


     


     


     

，一直到句末的话题






















。

进阶

前面两种场景我们虽然获取到了两个#之间或者#开头的内容
 




 




 




 




，实现了需求   

   

   

   

  ，但是匹配的结果还是会带上# 

     

     

     

     
，贪婪的小明不满足现状（产品强制要求）

  




  




  




  




，可不可以不带呢？

当然可以了！小明又想到了两个方案： 方案一：得到匹配的话题后  


  


  


  


 ，再二次文本处理去掉# 方案二：使用正则表达式?<=和?=一步到位  
     
     
     
     ，直接去除#

使用方法

(?<=exp2)exp1：表示匹配 exp2 后面的 exp1 exp1(?=exp2)：表示匹配 exp2 前面的 exp1

那结合以上我们实际使用的所有场景


   




   




   




   




，最终这个理想的正则表达式就正式出炉（好热）：((?<=#).*?(?=#|\s+))

反应慢的朋友 



 



 



 



，可以慢点理解                       ，我们先运行试一下（不自信）： public static void main(String[] args) { String title = "#刘亦菲# #神仙姐姐 #生日快乐# #刘亦菲35岁生日获央视独宠"; Pattern p = Pattern.compile("((?<=#).*?(?=#|\\s+|$))"); Matcher m = p.matcher(title); while (m.find()) { String group = m.group(0); System.out.println("话题:" + group); } }

输出

话题:刘亦菲 话题: 话题:神仙姐姐 话题:生日快乐 话题: 话题:刘亦菲35岁生日获央视独宠

Tips

：正则表达式中的|表示或



    




    




    




    



，即多项之间的一个选择



















，就像今天你看完本文                       ，感觉不错的话



     



     



     



     


，

必须做出(关注|点赞|星标

)其中的一个选择！

从代码的输出结果我们可以看出



















，目前的正则是经得住实际考验的                    。但是唯一美中不足的是    
    
    
    
   ，会有空字符串的情况出现（产品不同意）    



     



     



     



    。

这该如何是好？

目前小明的解决方案是


     


     


     


     

，拿到匹配结果时
 




 




 




 




，过滤掉空字符串






















。能解决问题的办法就是好办法    
    
    
    
。不过   

   

   

   

  ，肯定有更完美的表达式可以实现这个需求 

     

     

     

     
，此处抛砖引玉

  




  




  




  




，期待你在评论区分享！

常用的正则表达式分享

微信号（并不能帮你要到男神|女神的微信号） ^[a-zA-Z][a-zA-Z\d_-]{5,19}$

未完待续……