正则表达式教程（贴吧管理器）

什么是正则表达式

正则表达式（以下简称正则）是一种工具，一种用来搜索和替换文本的工具。

正则可以匹配具有一定格式的文本。

对于本软件来说，正则是一种精确过滤广告内容的强大工具，利用它可以精确识别广告。

初识正则

某大学生贷款广告，每次都是随机ID+随机头像+随机标题+随机内容+3张图片。

因为广告党对图片使用了gif格式，并且随机在中间插入乱码帧干扰图片相似度检测，违规图片过滤无效。

如果利用等级过滤，则误伤严重，人工审核工作量太大（如果吧里活跃度比较高的话）

这时我们发现，他每次的回复里都有XXXX年X月X日XX时XX分XX秒这句话。虽然没法用一般规则过滤，如果我们使用正则：

\d+年\d+月\d+日\d+时\d+分\d+秒

就可以对它进行过滤，因为一般人在帖子里写这种格式的文本基本不存在，所以可以利用它实现自动过滤。

开始学习之前

学习正则之前有几句话想说：

1. 正则其实很好学，不是什么高深的东西(涉及知识最多到高一数学知识)。
2. 正则其实不难，真正的挑战是如何在实际中找出广告的规律，并用正则解决问题。
3. 使用正则时你会发现，几乎所有问题都有不止一种解决方案，他们有的简单，有的快速，有的准确，有的更好看懂。
4. 写一个可以匹配你期望内容的正则很容易，写一个只匹配你期望内容的正则很难。
5. 这个网站可以帮助你测试你的正则在线正则表达式测试

超容易的正则教程

新手向，正则写的属于注重容易理解向，

所以在表达和逻辑上比较Low，大佬不要吐槽有更容易的方法什么的。

比如\d会写成[0-9]，*和+会写成{0,}和{1,}

然后我不写零宽断言、注释、平衡组/递归匹配、后向引用、处理选项之类的烧脑内容。目前管理器还没有必须用他们的时候。或者管理器已经给你另外的解决方式了。

• 正则里只有几样东西和字面意思不一样

. * ? ^ $ + \ | 八个英文符号（后边两个符号在你键盘回车上边一点位置）

() [] {} 三种英文括号

其他和文字表面意思一模一样，你原来不用正则时怎么写就还怎么写

上边的符号如果需要表示字面的意思，前边加个\

比如网址
https://www.baidu.com?url=qq.com
需要写成
https://www\.baidu\.com\?url=qq\.com

• {X,Y}
  匹配{}之前的那个东西X到Y次

比如
蛤{2,4}
就是匹配：
蛤蛤、蛤蛤蛤、蛤蛤蛤 三种

如果不写Y就是大于等于X次，
比如
蛤{2,}
就是匹配：
蛤蛤、蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤蛤…直到无限长

• [ABCD]
  建立一个匹配集合（整个正则里涉及最高学历的知识）

比如
[ABCDEFG]可以匹配字母A到G的任何字母

如果你想匹配A到Z任何一个字母，又不想从A到Z都都打一次可以直接写[A-Z]。

匹配所有字母是[A-Za-z]，匹配所有数字是[0-9]，匹配汉字是[\u4e00-\u9fa5]（包含2W多个汉字，实际上汉字目前拥有的编码是7.5W个，不过一般你用不到那么多）

结合2与3，那么匹配QQ号(8位到10位数字)就是
[1-9][0-9]{7,9}

意思就是
第一个数字是1-9（QQ号没0开头的）
然后后边跟了7~9位数字。

• .
  可以匹配除了回车换行以外任何东西

所有有些用符号吧铭感词隔开的回复，比如 吧0务a草#泥%马

直接写成
吧.{1}务.{1}草.{1}泥.{1}马

只要汉字还是这五个字，中间字符是一个，随便变都能检测到。

变种：有些可能既会写：吧0务a草#泥%马，还可能写 ：吧0务a泥%马，可能有草字可能没有。

那么写成
吧.{1}务.{1}草{0,1}.{0,1}泥.{1}马

{0,1}意味着草字可以出现一次，也可以不出现。

正则表达式手册

完整元字符见正则表达式手册

基本元字符

数量元字符