正则表达式是文本处理的利器。它的主要功能是匹配字符串。从Excel处理数据分析，甚至一个搜索框，都离不开正则表达式的使用。

       不过呢，正则表达式是学习编程的一大痛点。大量的规则难以记忆，如果遇到一个大段的表达式，更像天书一样的无法阅读。常学常忘，常忘常学。有时候爬爬虾自以为学明白了、学透彻了，结果十天半个月，回来一看："哎，你你...你谁啊？"

       本期视频是一个逃课攻略。我们来借助一些现代化的工具，零基础快速上手掌握正则表达式，还不需要任何死记硬背。

       我要推荐的第一个工具是这个网站：

regex是正则表达式的简写，后面再加一个r，然后.com。这是一个正则表达式的速查速记、速写网站。它有非常全面的功能，可以说是学习正则表达式的瑞士军刀。

       我们可以看到，它是一个Github上面的开源项目。我们可以点击它的Github地址，这个项目有将近1万的star，可以说非常受到欢迎。我们在regexr后面再加上一个cn，就会进入到这个网站的中文版。

       这里可以直接填入一个表达式，对下面的测试文字进行匹配。比如我填写Reg，这里就匹配出了文字。这里前后两个灰色的斜线代表中间这一块是正则表达式，

 后面这个小写的g是正则表达式的标识符。这个小写的g代表global，也就是匹配所有符合要求的字符串。如果我们去掉这个小写的g，那它只匹配一次。

       我们可以在这里的标识把小写的g去掉，这样他就只匹配到了第一次。

下面还有忽略大小写，还有匹配多行等等。我们可以在左侧找到这里的备忘单，就可以速查正则表达式的语法。

大部分正则表达式的语法都很直白，没有必要死记硬背，这里查上就可以直接使用。

捕获分组

这里唯一一个需要理解的就是这个捕获分组，我来重点讲一下。

捕获分组的意思就是这一对小括号，它的意思是把小括号里面的内容作为一个小单元进行处理。

       比如这个小单元里面我填上er，这里的意思是把er这两个字母作为一个小单元。比如，我们可以约定这个小单元出现的频率。我们从左侧的速查表这里找到，这里用花括号包裹起来的是量词，表示刚好出现几个。比如我要求这个小单元刚好出现两次，这里就匹配到了这个部分，表示er这个小单元刚好出现了两次。

       分组还有一个重要用法，就是用来快速提取数据。比如这里我有一个年份，我要提取里面的年月日。我们先用正则表达式把它的全文匹配一下。我们通过这个速查表往上找，表示0-9中任意一个数字的是这个\d，然后后面我加上它的量词四个横线，然后再反斜线d，量词这就两个，然后再横杠，再反斜线d，量词两个。这样我们就匹配上了整段。

        然后我们需要把年月日都提取出来，这里就使用小括号进行划分小单元。这里我们先把年份划分成一个单元，月份划分成一个单元，最后是日期划分成一个单元。我们再把鼠标指上去，这里显示正则表达是匹配到了整个日期，一分组是年份，二分组是月份，三分组是日期。

好，我从js代码里面演示一下。这里我点击键盘上的F12，找到这里的控制台。我敲上这段代码，这是待匹配的文本，然后我的正则表达式。

接下来我们进行匹配，匹配出来的第零个就是完整字符串，1是第一个小分组，也就是年份，2是月份，3是日期。我们回车，可以看到这里程序的输出。

难读

      这个正则表达式真的很难一眼看懂他到底要表达什么，需要匹配什么。这里我要介绍第二款工具 https://regex-vis.com/ 。这里的VIS指的是visual，就是可视化。这是一个正则表达式可视化的工具。我们可以看到，它也是一个Github上面的开源软件。

好，我把刚才那个表达式粘过来，这里立即生成了一个正则表达式可视化的一个图表。

       我们可以点击每一个模块，右侧这里表达式高亮出来的内容代表每块对应的表达式。

首先这个上箭头代表这一行的开始，后面是http。接下来这个s出现0次或者一次，代表可以有这个s，也可以没有。后面是冒号双斜线。

我们可以看到这里，一个点然后后面英文字母出现2-6次，这代表一个顶级域名。比如.top、.cn、.com，这就是顶级域名。左半部分这里就是主域名，然后在左边可以出现0次到1次的这一块，这里就是子域名。

顶级域名的右边可能会出现一个斜线，斜线后面的这一部分就是URL的路径(path)。

所以这整个正则表达式要匹配的就是一个http(s)的URL链接。我们读懂以后，把这个表达式还是复制到刚才的这个regexr这个网站下面，就可以输入文本进行测试。比如这里测一下我的域名，这里就匹配上了我的网址。我们可以看到第一分组是我的主域名，第二分组是后面的这个path。

使用AI生成正则表达式

说到写正则表达式，那我们就可以借助AI了。这里我用ChatGPT演示一下。爬爬虾之前往期视频有介绍过如何在国内免费使用ChatGPT，

还有Claude的这两个顶级AI大模型。

www.baidu.com

google.com

news.com

map.baidu.com

tech-shrimp.net

baid.net

shrimp.tech

使用正则匹配所有的非baidu.com的域名

我们先看第一个例子：使用正则表达式匹配所有非baidu.com的域名，然后上面给了一组测试数据。我们使用AI写正则表达式有一个技巧，就是把你的测试数据直接作为prompt写到这个输入框里面，有助于他生成更精准的正则表达式。

173.39.32.33 -- [29/0ct/2018:08:48:53 +0800] "GET /static/assets/vottaweb-elements/index.is HTTP.1" 200 173837 "https:/kj.u.rizhiyi.com/"Mozilla/5.0 (Windows NT 6.2: WOW64) AppleWebkit/537.36 (KHTML, like Gecko)Chrome/63.0.3239.132 Safari/537.36" "_" 0.150 0.01

用正则匹配上面日志里面的 GET作为method， 200作为 http code  173837作为bytes 

      我们来看第二个例子。在这个例子中，我需要用正则表达式匹配出这里的GET作为http的method，然后这里的200作为HTTP code，这个137837作为请求的字节数。所以我需要三个分组。我们来看一下。

好，我们把这个正则复制下来，过来测一下。我们把鼠标移上去，

看到第一分组是GET，第二分组200，第三分组137837。还是难不倒他，完全没有问题。

我们看下一个例子：使用正则表达式匹配两个$符之间的所有数据。如果这种前面是一个$符或者3个$符的，都不能进行匹配。我们还是使用那个技巧，尽可能多的给chatGPT测试数据，这样它会生成的结果更准确。

请使用正则表达式匹配所有两个$符号中的数据。

需要匹配的

• $$ a = a^2 $$

• $$123$$

• $$ A $$

• $$ a = a^2 $$

• $$123$$

• $$ A = a/$$

• $$ a^{2}+ 3\$$

• $$ 9999 $$

• $$ 0987 $$

• $$3\frac{2}$$

不能匹配的

• abc$asddadd$$

• $$$ a=b^2 $$

• abc$asddadd$$

• $asddadd$

• $ b = a ^ 2$

• abc$ a=b^2 $$abc

• abc$$$ a = a**2 $$

• $$$$ a=b^2 $$

• abc$asddadd$$￥

• $$$a=b^2 $$$$

这是ChatGPT生成的正则，我们来测一下。我们先测一下这些可以匹配到的，可以看到都匹配到了。

我们再测一下这些不能匹配到的，这里就没有匹配到。

我们再去可视化网站看一下。这里使用了负向后行断言还有负向先行断言，

保证了开头结尾只有两个$而不是3个。然后中间使用group把中间的内容匹配出来了。