携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第28天，点击查看活动详情
正则表达式是啥
说实话，正则表达式这东西，不应该算作前端的内容，在各种编程语言里面都会用到。尤其是在数据分析大热的今天，爬虫中少不了正则表达式的影子。
说到这个就让我想起了前天晚上爬了一宿爬了十万个多个网页就59个命中结果的惨剧：
那么，首先还是先摆一下概念，什么是正则表达式呢？简单来说，就是按照文本的特点来查找文本，就跟找对象一样，你可能想找个丑的，隔壁家二狗子和杭州的马爸爸就命中了；我想找个大波浪的，结果柳岩就命中了（对，这是两个特点）。如果你想要找所有的数字，输个表达式[0-9]（这里只代表找一位数），于是数字们就命中了(两边的斜杠表示的是表达式的开始和结尾，那个g表示的是全局匹配，而不是第一个就停）：
（这个正则表达式的测试工具地址：regexr.com/）
具体用法先上一张图，然后我开始讲故事：
一个大龄青年的相亲之路
赚的够多
钱，估计是最让人关注的话题了，毕竟那么多基本条件都是以钱为基础的。于是大龄青年向潜在对象们询问了年薪有没有六位数：
/[0-9][0-9][0-9][0-9][0-9][0-9]/
于是得到了这样的回应：
嗯，对，我胜出了，打败了马云爸爸……大龄青年发现自己表达错了，她说的应该是“有谁是年薪6位数以上的”：
/[0-9][0-9][0-9][0-9][0-9][0-9]+/
加上了个加号就代表把最后那个[0-9]需要出现一次或者无数次。
同样道理加入*代表零次或者无数次：
/[0-9][0-9][0-9][0-9][0-9][0-9]*/
这样隔壁二狗就可以入选了。
或者加上?（注意是英文符号），代表前面那个[0-9]只出现零次或者一次：
/[0-9][0-9][0-9][0-9][0-9][0-9]?/
马云爸爸这样就又被排除在外了，因为太有钱……
历尽千辛万苦留住了我和马云爸爸，可是大龄青年又在想，这是问年薪啊，万一问道存款不得说一堆[0-9]吗？这样会不会因为话唠给对方留下不好的印象啊┑(￣Д ￣)┍，于是想到了这么说：
/[0-9]{6,}/
左边代表最小位数，右边代表最大位数，那边不填就代表哪边是无数次。
这样不就是六位数以上了吗？而且还想少说话的话，\d就代表[0-9]所有的数字啊：
/\d{6,}/
哦，终于找到赚的多的了，那下一步该问什么呢？大龄青年陷入了深思，明天先问问算命先生什么样的名字跟她更配吧，听说明天还有新的应征者呢……
名字得合
大龄青年通过年薪筛选了应征者，接下来，该去找算命先生了，先生告诉他了几个关于名字的问题：
- 英文名字风水不和（精通多国语言的大师啊……）
- 名字里带叠字的容易犯冲
- 带了“金”字或者带“玉”字都是八卦向合的名字（大师你不懂日语吗……）
好了，那么接下来就是开始筛选名字了，首先不能是英文名字，不如这样：
/[^\w]+/
^代表排除方括号里面字符之外的所有字符,\w代表所有的大小写字母和下划线(+号不记得意思的请到前文复习！），或者你也可以直观的这么写：
/[^a-zA-Z_]+/
这样以来，所有的带字母的都消失了，可是好像出了问题：
这名字里带空格的国际有人还是被选上了啊，而且那个叫彭一土的是什么情况啊，名字里带那么多乱七八糟的东西？能不能只选择中文呢：
/[一-龥]/
这个表达式就表示几乎所有的汉字了，为什么呢，因为每个国家的字符在计算机中均有一套编码（unicode码）来规定的，这个编码是16进制的，而所有的汉字的编码就都在一和龥（这个字念“龥”，对茫茫人海龥见你，就是这标题），所以这个表达式就足够表达了所有的汉字了。龥字打不出来？那就可以这么写：
/\u4e00-\u9fa5/
\u后面跟上三个十六进制数字就代表一个字符，而一的字符就是4e00，而龥则是9fa5:
(⊙o⊙)哦这样的话国际友人就拜拜了（关于那个名字乱七八糟的家伙下面解决，之后讲边界匹配），接下来帮大龄青年解决下一个问题，名字里不能带叠字。为了简单一些，这次我们先换个思路，我们直接来筛选出名字里带叠字的人（其实你也可以使用^符号来排除他们）,于是要这样做：
/([一-龥])\1/
我们先看效果：
为什么被选择出来了呢，主要归功于两个符号第一个是()，第二个是\n（n代表一个数字）。这里()中的表达式被暂时保存了下来，按照顺序排列，你可以使用\1 \2 \3来重新使用它们，比如找出这个非主流的名字：
啊，大龄青年感叹，真是世界之大无奇不有啊，非主流的也要淘汰……
最后，就是要筛选金玉了（日语达人不要看这里！）
/[一-龥]+金|玉/
|表示左右两边的字符任选其一出现即可，那么结果就是：
哇，终于选到了合适的名字，大龄青年终于看到了脱单的希望！
吹毛求疵
前面说道，经过多轮的筛选之后，大龄青年终于选出了几个候选人，于是，便开始了吹毛求疵之路（我说了肯定是因为这样才成了大龄青年的）。。。。
首先，大龄青年要追求“见不到的东西”，首先，她还是想嫁给歪果仁啊，于是找找名字里带空格的吧：
/\S+\s\S+/
其中\S代表任意非空白字符，\s代表任意空白字符，+号还记的什么意思吧，代表前面的表达式要至少出现一次。
嗯……那个Jack指不定是个假老外……
对了，说起任意空白字符，它们有个学名叫非打印字符，给它们来个全家福吧：
接下来，大龄女青年要求所有人给出自己的座右铭。
难道这是个文艺女青年吗？不……她并不是想看座右铭，她只是想筛掉那些不记得写句号的人……可是，如果直接写个
/。/
中间带句号的也被选出来了啊，不行不行。这时候就要用到边界匹配了：
/。$/
加上一个$，表示到这里就到了边界，于是：
同样道理，如果前面加上^，也代表前面的边界：
/^雪/
最后，大龄女青年又提出了一个要求，要看各位的微信帐号,要求是“必须以数字结尾”，而且这次的数据还很奇怪，都写在一行里了，用^和$没法筛选了，于是只能求助于\b了：
/\d\b/
还记得吧，\d代表着所有的数字，而这里的\b就是指的字符边界了，你可以理解它为单词结尾的空格（当然写在前面就是单词前面的边界有时候就不是空格啦）：
同样道理，用大写的B就是跟它唱反调了，就是非字符边界了：
/\d\B/
这里就选中了不以数字结尾的词。
啊，相亲进行到这里，大龄青年终于累了，最后，她做了个艰难决定：
是个人都行！
于是……她最后使用了通配符.
/./
"."代表了除换行符\n外的所有字符，所以终于……有情人终成眷属了！恭喜恭喜！
最后记得再看下我做的思维导图巩固一下哦：
