--- theme: smartblue highlight: androidstudio --- 这是我参与11月更文挑战的第4天，活动详情查看：[2021最后一次更文挑战](https://juejin.cn/post/7023643374569816095 "https://juejin.cn/post/7023643374569816095") ## 0x0、引言 **`正则表达式`** → 没有一个开发仔会对这个词陌生吧？没印象的话，想想你是如何 **判断身份证、手机号码是否合法的** ？ **灵魂拷问**：有自己写过正则表达式吗？ ![][1] **可能的回答**： > 没有，语法看着很难，外星文一样的字符串，看不懂，常规业务用到的正则表达式，网上都有，没必要自己写。有写好的直接Copy，没毛病，毕竟笔者也是这样，不过不变的是变化，问题来了，假如: > 网上的正则表达式的匹配结果不尽人意、项目中有特殊字符串匹配需求时没得抄了，咋整？只能硬着头皮自己写了，一想到那 **看似** 枯燥难懂的语法，**你**： ![][2] **莫慌**，正则真不难，你可以永远相信 **杰哥**，就让这篇 **短小精悍** 的文章助你上手正则表达式，然后一脚踢开这只 **拦路虎**。 ![][3] > **Tips**：本节代码示例基于Python的**re库**编写，虽大部分编程语言的正则库都是师从 **Perl语言**，语法基本一样，但也可能略有差异~ ## 0x1、简介与亿点点学习经验 **`正则表达式`** (Regular Expression) → 一门 **为了字符串模式匹配，从而实现搜索和替换功能** 的工具。 **简单点说**： > - **诉求**：查找或替换字符串中满足 **条件** 的子串； > - **正则表达式**：用来 **描述这个条件** 的工具； **Talk is cheap**，平时老说正则表达式，**字符串匹配的神器**，到底有多神，写个简单例子体验下~ 有下面这样一串字符串，让你查找当中所有的数字，你会怎么做？ > sdfk似懂123非懂就35了框架89路径考669虑看路径 ![][4] 不用正则的话，一种常见的简单思路：**遍历每个字符，执行判断，数字拼接，非数字跳过**，代码示例如下： ```python sentence = "sdfk似懂123非懂就35了框架89路径考669虑看路径" number_dict = {} # 键为数字字符串、值为下标 temp_str = "" for index, character in enumerate(sentence): # 判断是否为数字，是追加 if character.isnumeric(): temp_str += character else: if len(temp_str) > 0: number_dict[temp_str] = index temp_str = "" continue print(number_dict) # 运行输出结果如下： {'123': 9, '35': 14, '89': 19, '669': 25} ``` 而使用正则，只需写一个匹配表达式 **`\d+`**，即可实现同样的匹配结果，代码示例如下： ```python import re sentence = "sdfk似懂123非懂就35了框架89路径考669虑看路径" results = re.finditer(r'\d+', sentence) if results is not None: for result in results: print(result) # 运行输出结果如下： ``` 不要简单太多，此时再来需求说，字母也要匹配，遍历的方法还要去改循环逻辑，而正则直接改表达式即可~ ![][5] > **Tips**：写起来是爽，但性能可能没有遍历的方式好，下面说到正则的性能问题就知道了~ 开始讲解正则的具体语法前，share一波自己学正则表达式的心得，毕竟自己也是从害怕它过来的~ - ① **不要有畏难情绪**，越怕越学不会，都是死知识的组合而已，远没有算法难！ - ② **降低预期**，不要上来就想着写出那种 **贼牛逼的正则表达式**，先写出 **能用就好** 的正则，后面再慢慢优化，大佬的正则也是经过大量尝试推演出来的； - ③ **反复练习**，看懂语法谁不会，得去练，加深印象，没机会练习的话，就自己找，安利两个练手方向： **方向一：查找满足条件的网页结点或文本** > 直接Chrome浏览器，F12打开开发者工具 → 切换到Source选项卡 → Ctrl + Shift + F，输入正则表达式，如： ![][6] **方向二：推敲网上常用的正则表达式模板** 分析下别人为什么那样写，弄点测试样本，自己试着写出来，多写几遍。不要 **`不放过每个可以锻炼自己写正则的机会`**，只看不练，过不了几天，你的正则姿势就都还给杰哥了，另外，安利一个 **可视化正则表达式** 的神器：[regexper][7] ![][8] 另外，**临时的正则校验工具**，直接搜索引擎搜关键 **`在线正则表达式`** ，网上一堆。万事具备，开始讲解正则具体的语法姿势了，冲！！！ ![][9] ## 0x2、基础语法完整的正则表达式由两种字符构成： - **`普通字符`**； - **`特殊字符(元字符)`** → 表示特殊语义的字符，正则表达式功能的最小单位，如 *** ^ $ \d** 等； ### ① 最简单的匹配没有特殊语义，普通字符一一对应，比如想在"Hello Python"字符串中查找"tho"，直接用 **'tho'** 这个正则就好； ### ② 如何匹配特殊字符？正则中的点 `.` 是特殊字符，用于匹配任意一个字符(除\n外)，如果想把它当成普通字符串对待，即匹配一个点，需要用到 **`转义字符 → 反斜杠\`**。放在特殊字符前，让其失去原本的特殊语义，比如：**`\.`** 就变成单纯地匹配点(.)了；罗列一波 **特殊字符元字符**： - `.` → 匹配任意一个字符 (除换行符\n除外) - **`\d`** → 匹配数字，0-9； - **`\D`** → 匹配非数字； - **`\s`** → 匹配空白，即空白符和tab缩进； - **`\S`** → 匹配非空白； - **`\w`** → 匹配字母、数字或下划线：a-z、A-Z、0-9、_； - **`\W`** → 匹配非字母、数字或下划线； - **`\x`** → 匹配十六进制数字； - **`\O`** → 匹配八进制数字； - **`\n`** → 匹配换行符； - **`\r`** → 匹配回车符； - **`\v`** → 匹配垂直制表符； - **`\t`** → 匹配制表符； - **`\f`** → 匹配换页符； - **`[\b]`** → 匹配退格字符，加[]是为了和\b区分； ### ③ 数量只使用上述元字符，只能匹配单个字符，想匹配多个字符还得搭配下述元字符： - **`|`** → 逻辑或操作符，比如"ab"和"ac"都想匹配到，可以用这样的正则：**"ab|c"** - **`*`** → 前一个字符(子表达式) 出现0次或无限次，即**可有可无**； - **`+`** → 前一个字符(子表达式) 出现1次或无限次，即**最少一次**； - **`?`** → 前一个字符(子表达式) 出现0次或1次，**即要么不出现，要么只出现一次**； - **`{m}`** → 前一个字符(子表达式) 出现m次； - **`{m,}`** → 前一个字符(子表达式) 至少出现m次； - **`{m,n}`** → 前一个字符(子表达式) 出现m到n次； > **Tips**：尽量使用*+?，因为做了优化，相比起{m}{m,}{m,n}速度更快。 ### ④ 集合与区间当我们想匹配多个字符中的一个，比如匹配26个小写字母，得怎么写？下面这样吗？ ``` a|b|c|d|e|f|g|h|...太长省略 ``` 如果还得匹配26个大写字母呢？拼接一堆或操作符，繁琐得一匹，可以使用 **集合与区间元字符** 来简化，有下面这些： - **`[]`** → 匹配字符集合[]中列举的字符，如：[abc]，就是匹配abc中的一个字符； - **`[^]`** → 匹配不在字符集合[]中列举的字符，如：[^abc]，就是匹配不在abc中的字符； - **`-`** → 定义一个区间，或者说匹配一个范围，如：[a-z] 就是匹配26个小写字母中的一个； ### ⑤ 位置边界在查找过程中，有时我们还得**限制查询的位置**，比如只想在单词的开头或结尾查找字符，可以用下面这些元字符： - **`^`** → 匹配一行的开始，多行模式能识别\n； - **`$`** → 匹配一行的结尾，多行模式能识别\n； - **`\A`** → 匹配字符串开头，单行模式效果同^，多行模式不能识别\n； - **`\Z`** → 匹配字符串结尾，单行模式效果同$，多行模式不能识别\n； - **`\b`** → 匹配单词边界，即单词和空格间的位置，如：er\b 可以匹配never中的er，却不能匹配verb中的er； - **`\B`** → 匹配非单词边界； - **`<`** → 匹配单词开头； - **`>`** → 匹配单词结尾； ## 0x3、简单练手 → 手撕验证手机号码格式的正则 **光说不练假把式，光练不说傻把式，又练又说真把式**，欲速则不达，学完基础语法，先写个例子练练手，找找感觉~ ![][10] 如题，手撕验证手机号码格式的正则，怎么玩？可以把一个正常的手机号码拆成三个部分写正则，最后再拼起来~ ### ① 号码前缀要么要么，要么有的话只有一个，用 **`?`**，接着取值的话可能是下面这三种： > - 0 (长途) > - 86 (天朝国际区号) > - 17951 (国际电话) 不难写出这样的正则：**`(0|86|17951)?`**，圆括号代表子表达式，你可以先理解成分组，等下会详细讲~ ### ② 1xx 接着到1xx，有这几种：13x、14x、15x、17x、18x，然后后面的x对应的取值范围是不一样的： > - 13x：0123456789 > - 14x：579 > - 15x：012356789 > - 17x：01678 > - 18x：0123456789 看着很复杂？其实不然，用好 `|` 和 **集合与区间元字符** 就好，根据规则不难写出这样的正则： **`(13[0-9]|14[579]|15[0-35-9]|17[01678]|18[0-9])`** ### ③ 剩下的8个数字数字就行，想都不用想直接写出：**`(\d{8})`**，最后拼接下三段正则： ```bash (0|86|17951)?(13[0-9]|14[579]|15[0-35-9]|17[01678]|18[0-9])(\d{8}) ``` 接着搜索引擎搜下 **手机号码大全**，随手点开一个站点，F12 → Source 输入上述正则查下看看： ![][11] 可以，匹配到了，但是好像也匹配了一些奇怪的东西，比如上面的 **921-xxx.html**，简单，加上$匹配一行结束即可~ ![][12] ![][13] 例子刷完了，简单吧！接着继续了解正则的高级语法~ ## 0x4、高级语法说是高级也不见得有多高级，只是得稍微动下脑子而已~ ### ① 分组就是使用一对 **`圆括号()`** 包裹 **`子表达式`**，它是构成高级正则表达式的基础。如果没用到后续的语法，分不分组其实是一样的~ ### ② 反向引用又称 **回溯引用**，指的是：**模式的后面内容，引用前面已经匹配到的子字符串**。有点懵？写个简单例子帮助理解，现在有这样一段字符串： ```bash pineapple peach plum watermelon durian durian grape mango strawberry strawberry chestnut ``` 想匹配两个连续相同的单词，可以这样写正则： ![][14] 所以反向引用的语法就是：**`\第几个子字符串`**，反向引用在 **替换字符串** 的场景很常用。替换时语法上有些许差异，一般使用 **`\g<第几个字符串>`** 来引用要被替换的字符串。以之前文章替换字符串部分内容为例~ ![][15] Markdown语法的图片URL，被一个换行符\n分割成了两行，又不能全局替换\n，因为会影响其他文本的格式，只替换这种异常的图片URL，利用反向引用就可以做到。 ```python error_pic_pattern_n = re.compile(r'(http.*?)(\n)(.*?\.\w+\))', re.M) # 就是划分成了三个分组(子表达式)，然后把1、3分组拼接结果作为替换结果 new_content = error_pic_pattern_n.sub(r"\g<1>\g<3>", new_content) ``` 反向引用，就这？就拿子表达式的匹配结果乱玩而已？是的，就是这么简单~ ![][16] 另外，如果不想子表达式被引用，可以使用 **`非捕获正则 → (?:子表达式)`**，这样玩还可以避免浪费内存~ ### ③ 前/后向查找又称 **前/后向段言**、**顺序/逆序环视**、**前瞻后顾** 等，又是些牛马专业名词？ ![][17] 不急，写个简单例子帮助理解它得玩法，打开苹果官网 [识别您的 iPhone 机型][18]，现在有个这样的需求： > 想看下iphone 11、12、13都有哪些机型，要求写个正则筛一波先写个能提取所有机型的正则吧： ```bash

iPhone .*?

``` ![][19] 可以拿到机型，但是原需求只想筛11、12、13的机型，什么XS、XR的不感兴趣，这个时候就可以上 **`向前肯定断言(?=)`** 了。改完后的正则： ```bash

iPhone (?=13|12|11).*?

``` ![][20] 可以，除了11、12、13，其他型号的阿猫阿狗都没匹配到，不难看出 **`前向肯定断言(?=re)`** 在这里的作用就是： > 先找到满足断言里 **`子表达式 → 13|12|11`** 的位置，然后在这个 **`位置往前`** 找匹配 **`

iPhone` 的字符串；这个顺序很关键哈！！！先找断言里的子表达式，再找前面的表达式，这一点，很多教程都说得不清不楚！！向前肯定断言的玩法了解了，其他三种断言也就一点就通了： - `(?!re)` → 前向否定断言，先匹配不满足re的位置，然后向前匹配； - `(?<=re)` → 后向肯定断言，先匹配满足re的位置，然后向后匹配； - `(?iPhone (?!11|12|13).*?

# 后向肯定断言，看下有Plus系列的机型有哪些

iPhone .*?(?<=Plus)

# 向后否定断言，看下没Plus系列的机型有哪些

iPhone .?(? ``` 限于篇幅就不贴结果图了哈，再说两个个要注意的点哈： - ① 断言里的子表达式，不消耗字符！不会影响你外部正则表达式的匹配！！！ - ② 前瞻后顾在某些语言或环境下可能不支持，使用时要谨慎验证支持情况哈！！！ ### ④ 贪婪与非贪婪正则匹配默认是贪婪匹配，即匹配尽可能多的字符~ ![][21] 简单得很，写个例子你就懂了： ```python re.match(r'^(\d+)(0)$','12345000').groups() # 原意是想得到('12345', '000')这样的结果的，但输出的却是：('12345000', '') # 由于贪婪匹配，直接把后面的0都给匹配了，结果0没东西匹配了 # 若果想尽可能少的匹配，可在\d+后加上一个问号?，采用非贪婪匹配，改成介样： re.match(r'^(\d+?)(0)$','12345000').groups() # 输出结果：('12345', '000') ``` ## 0x5、背后的原理这Part选读哈，不感兴趣可以跳过，多熟悉熟悉上面的正则语法就行了，笔者想弄清楚正则表达式背后原理的原因： > 网上很多文章都说到：正则表达式令人诟病的性能问题，但却很少人说清具体是什么问题？怎么引起的？如何规避优化~ 下述图片和内容大部分来源于：[《正则表达式引擎执行原理——从未如此清晰！》][22] ### ① 正则表达式的工作流程 ![][23] 这里的预编译指的是提前初始化好正则对象，如Python中的re库，建议： - 调用 re.compile(patter) 预编译返回Pattern对象，后续用到正则的地方直接引用；预编译的方式，在循环中，用同一个正则进行匹配的场景有奇效 (避免重复创建、编译). ### ② 引擎程序对正则表达式进行语法分析，建立语法分析树，再根据分析树结合正则表达式引擎生成执行程序 (状态机、又称状态自动机) 用于字符匹配。这里的引擎就是一套用于建立状态机的核心算法，主要分为下述两大类： - DFA (Deterministic finite automaton) → 确定型有穷自动机； - NFA (Non-deterministic finite automaton) → 非确定型有穷自动机；拆词： - 确定型与非确定型 → 字符串在没编写正则表达式的前提下，能否直接确定字符匹配顺序？能就是确定型，不能的就是不确定型； - 有穷 → 在有限次数内能得到结果； - 自动机 → 在设置好匹配规则后由引擎自动完成，不需人为干预；对比： - 构造DFA的成本代价 (用内存多、编译速度慢) 远高于NFA，但DFA的执行效率高于NFA； - 假设字符串长度为n，DFA的匹配时间复杂度为O(n)，NFA因为匹配过程中存在大量分支和回溯，假设状态数为s，NFA的匹配的时间复杂度为O(ns); - NFA的优势是支持更多功能，如捕获Group、环视、量词等高级功能，这些功能都是基于子表达式独立进行匹配，因此在编程语言中，使用正则表达式的库都是基于NFA实现的； DFA自动机是如何进行匹配的？ ![][24] 要点： > - 文本主导 → 按文本顺序执行，稳定； > - 记录当前有效的所有可能 → 如执行到(d|b)，会同时比较表达式中的a|b，故需要更多的内存； > - 每个字符只检查一次 → 提高了执行效率，且速度与正则表达式无关； > - 不能使用反向引用等功能 → 每个字符只检查一次，位置只记录当前值，故无法使用反向引用、环视等功能； NFA自动机是如何进行匹配的？ ![][25] 要点： > - 表达式主导 → 按照表达式的一部分执行，不匹配换其他部分继续匹配，直到表达式匹配完成； > - 会记录某个位置 → 如执行到(d|b)时，记录字符的位置，然后选择其中一个先匹配； > - 每个字符可能检查多次 → 执行到(d|b)时，比较d后发现不匹配，换成表达式的另外一个分支b，同时文本位置回退，重新匹配字符b。这也是NFA非确定及效率可能没有DFA高的原因； > - 能使用反向引用等功能 → 因为有回退功能，所以很容易实现反向引用、环视等功能； ### ③ NFA自动机的回溯问题上述 `回退` 专业术语叫 `回溯`，原理类似于走迷宫时走过的路设置一个标志物，不对原路返回，换成另一条路。回溯机制不但要重新计算正则表达式和文本的 `对应位置`，还需要维护 `括号子表达式所匹配的文本状态`，保存到内存中以 `数字编号` 的组中，这个组也叫 `捕获组`。捕获组保存括号内的匹配结果，后面的正则表达式中可以使用，就是上面说到的反向引用。还不是很理解？画个简单的回溯流程示意图~ ```python content_str = "HELLO" content_regex = "HEL+O" ``` ![][26] 不难看出，回溯问题的导火索就是 `贪婪匹配`，吃得多，要吐的也多，如果匹配的文本长度几W，引擎可能就要回溯几w次。如果碰到复杂的正则表达式，有多个部分要回溯，那回溯次数就是指数级别。比如文本长度为500，表达式有两部分要回溯，次数可能就是500^2=25w次了。够呛的... ### ④ 优化优化的方向：`减少引擎回溯次数` + `更快更直接地匹配到结果` #### 1) 少用贪婪模式可使用 `非贪婪模式(加?，会首先选择最小的匹配范围)` 和 `独占模式(加+，不匹配结束匹配，不回溯)` 来避免回溯。 #### 2) 减少分支选择少用，一定要用的话可通过下述几种方式优化： - 选择的顺序 → 更常用的选择项放前面，使得它们能较快地被匹配； - 提取共用模式 → 如：将(abcd|abef) 替换成→ ab(cd|ef)； - 简单的分支选择 → 不用正则，直接用字符串查找函数(如index())找，效率还高一些； #### 3) 使用非捕获型括号一般一个()就是一个捕获组，如果不需要引用括号中的文本，可使用非捕获组 (?:er)，既能减少捕获时间，又能减少回溯使用的状态数量。 #### 4) 一些零碎的优化点 - 长度判断优化 → 匹配字符串的长度都没正则长度长，就没必要匹配了； - 预查必须字符 → 预先扫描必须字符，找都找不到，就没必要匹配了； - 用好行和字符串开始、结束符 → 用好 `^$\A\Z` 更精确匹配行头、行尾、字符串开头和字符串结尾； - 别滥用括号 → 在需要的时候才用括号，在其他时候使用括号会阻止某些优化措施； - 别滥用 → 点符号可以匹配任意字符串，但贪婪匹配会导致大量的回溯； - 量词等价替换 → a{3} 可比 aaa要快上一些； - 拆分表达式 → 有时，多个小正则表达式的速度比一个大正则表达式的速度要快很多； ## 0x6、小结本节，系统过了一波正则表达式，从知道是什么，到语法，然后到原理，内容虽少，五脏俱全，希望能帮到想学正则的朋友，别再下次一定了，这次一定，学废正则表达式~ ![][27] 常用的正则表达式模板网上有很多，[菜鸟工具][28] 上还挺全，取需，就不搬运了~ ![][29] 再安利一个插件吧：[any-rule][30]，同样取需~ ![][31] 最后，附上Python中re模块的常用函数速查，有问题欢迎在评论区反馈，谢谢~ ![][32] ## 0x7、附：Python中re模块的常用函数 ```python import re # 将正则表达式编译成Pattern对象，好处：预编译+复用 test_pattern = re.compile(正则表达式字符串，标志位修饰符) # 标志位修饰符(flags) 用于控制匹配模式，支持同时选择多个(|连接)，有下述这些： # # re.I IGNORECASE → 忽略大小写 # re.M MULTILINE → 多行匹配，影响^和$ # re.S DOTALL → 使.匹配包括换行在内的所有字符 # re.X VERBOSE → 忽略空白和注释，并允许使用'#'来引导一个注释 # re.U UNICODE → 根据Unicode字符集解析字符，影响\w、\W、\b和\B # re.L LOCALE → 做本地化识别（locale-aware）匹配 # 匹配：尝试从字符串的开头进行匹配，匹配成功返回匹配对象，否则返回None re.match(pattern, string, flags=0) # 匹配：扫描整个字符串，返回第一个匹配对象，否则返回None； re.search(pattern, string, flags=0) # 检索：扫描整个字符串，匹配所有能匹配的对象，以列表形式返回； re.findall(pattern, string, flags=0) # 检索：同findall，匹配所有能匹配的对象，但是是以迭代器形式返回； re.finditer(pattern, string, flags=0)参数 # 替换：将匹配的字符串替换为其他字符串，count为替换的最大次数，默认为0，替换所有。 re.sub(pattern, repl, string, count=0, flags=0) # 分割：将匹配的字符串进行分割，返回列表，maxsplit为分割的最大次数，默认为0，分割所有。 re.split(pattern, string, maxsplit=0, flags=0) # 分组：获取匹配结果中，每个分组匹配内容，可传入分组序号，不传整个匹配结果，传获取对应分组内容 pattern_result.group() # 分组：从group(1)开始往后的所有值，返回一个元组 pattern_result.groups() # 匹配的开始、结束位置 pattern_result.start() # 返回匹配的开始位置 pattern_result.end() # 返回匹配的结束位置 pattern_result.span() #返回一个元组，表示匹配位置(开始，结束) # 加载正则表达式字符串前的'r'，如re.compile(r'xxx')，作用： # 告知编译器这个str是raw string(原始字符串)，不要转义反斜杠，如r'\n'是两个字符 # 反斜杠 + n，而不是换行！ ``` 参考文献： - [Python爬虫 | 0x9 - 字符串解析神器：正则表达式][33] - [浅谈正则表达式原理][34] - [正则表达式引擎执行原理——从未如此清晰！][35] - [为什么使用正则表达式会慢？][36] - [正则表达式性能优化的探究][37] [1]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/f802c45e67ab4e9fb24d32d091ecffed~tplv-k3u1fbpfcp-zoom-1.image [2]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/7f1fcf0ec620466cb4419ec34694b83c~tplv-k3u1fbpfcp-zoom-1.image [3]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/5527afd50f81462bbd7e6d7232d9b6f9~tplv-k3u1fbpfcp-zoom-1.image [4]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/97367dbacc9247a9a9737fcd404c6206~tplv-k3u1fbpfcp-zoom-1.image [5]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/f369ce5cdab8465487bf2950cea5a3ff~tplv-k3u1fbpfcp-zoom-1.image [6]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/38e278fbef3d4765a2b366bdfa54de07~tplv-k3u1fbpfcp-zoom-1.image [7]: https://regexper.com/ [8]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/9112cf327e7e41aaa231480baced445b~tplv-k3u1fbpfcp-zoom-1.image [9]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/cf1c5a4501eb40f29a469df0b266f2a8~tplv-k3u1fbpfcp-zoom-1.image [10]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/33f4f2b55d2840a0a21f3129640294e5~tplv-k3u1fbpfcp-zoom-1.image [11]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/827d2593fb6e45318b8c9ff4998e5595~tplv-k3u1fbpfcp-zoom-1.image [12]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/1493ca511483436393dd008e2f94661d~tplv-k3u1fbpfcp-zoom-1.image [13]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/0610130f4337424d9ace6c5e5cfb21f8~tplv-k3u1fbpfcp-zoom-1.image [14]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/0daa573802694cacb037db5a6163730e~tplv-k3u1fbpfcp-zoom-1.image [15]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/5676ab8bc9764ee5bfeead901dcbd08e~tplv-k3u1fbpfcp-zoom-1.image [16]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/3463c00a47d445e6945892e60b0e0d1b~tplv-k3u1fbpfcp-zoom-1.image [17]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/79fc54a5903d41a69f5c62971b59845f~tplv-k3u1fbpfcp-zoom-1.image [18]: https://support.apple.com/zh-cn/HT201296 [19]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/0e267d051fa04a5f810bfbf8b8ce1be9~tplv-k3u1fbpfcp-zoom-1.image [20]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/1a65aeb9865a4777b7bf410c54ac338e~tplv-k3u1fbpfcp-zoom-1.image [21]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/c11d2e95c1e94a0b9763b4e3f6dae83e~tplv-k3u1fbpfcp-zoom-1.image [22]: https://segmentfault.com/a/1190000021787021 [23]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/559433371db142b2b09e2f67a65a6dca~tplv-k3u1fbpfcp-zoom-1.image [24]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/d8bc53e2db634637a80cc22e39278843~tplv-k3u1fbpfcp-zoom-1.image [25]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/b5ad40374a3047fa8a32c78c9fddbaa0~tplv-k3u1fbpfcp-zoom-1.image [26]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/9fcd0cf5b2174317a95fc20ccd737a8c~tplv-k3u1fbpfcp-zoom-1.image [27]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/7e4df30a720745a9bc6369f936745f51~tplv-k3u1fbpfcp-zoom-1.image [28]: https://c.runoob.com/front-end/854/ [29]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/e7edda9dbbc64fdba470b070f73d5c45~tplv-k3u1fbpfcp-zoom-1.image [30]: https://github.com/any86/any-rule [31]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/9cde5b620bf04590bb705ffaadb2d9bd~tplv-k3u1fbpfcp-zoom-1.image [32]: https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/6c8342b81c5942cb99d531123aca6d81~tplv-k3u1fbpfcp-zoom-1.image [33]: https://mp.weixin.qq.com/s/WurNG72waX7Q2MLuvHJFnQ [34]: https://juejin.cn/post/6844903889687281677 [35]: https://segmentfault.com/a/1190000021787021 [36]: https://www.zhihu.com/question/21145025 [37]: https://www.cnblogs.com/huangrenhui/p/13893903.html