引子：關于正則表達式……

正則表達式這個名字看起來總有點古怪，概念似乎也不簡單，甚至需要用一整本書來講解；可是，它到底是什么呢？

身為技術人員，我相信你總會與字符串打交道，相應地，各種語言也都提供了與字符串有關的函數。不妨先看看下面幾個問題，字符串函數是如何解決的（下面的代碼使用Python語言，它很直觀，正文里有基礎的介紹。現在，你只需要知道def是定義函數的關鍵詞即可）。

1. 判斷字符ch是否數字字符

      def isDigit(ch) :
          return ch == "0" or ch == "1" …… or ch == "9"

2. 判斷字符串str是否電話號碼（為簡單起見，現在只考慮固定電話號碼，也就是長度在7～8位之間的數字字符串，且第一位不為0）

      def isPhoneNum (str) :
          if len(str) >= 7 and len(str) <= 8 and str[0] != "0" :
            for ch in str :
                if not isDigit(ch) :
                    return false
            return true
          return false

任務本身并沒有增加太多，但是程序復雜了很多倍；如果你不這樣看，那么，來個更復雜的。

3. 找出一段文本中所有的電話號碼

最直觀的辦法是，在字符串中的每個位置截取7~8個字符，調用之前的isPhoneNum()。這么做看起來沒問題，只是效率太低。

當然，很容易就可以做點改進，只在“當前字符為數字字符”的情況下調用isPhoneNum()。這樣效率倒是改進了，但是還有問題沒有解決：要求找到的是長度大于等于7個字符，小于等于8個字符的“數字字符串”，而不是“子字符串”——也就是說，假如數字字符串是64240000，需要將它找出來；如果數字字符串是13800138000，則需要忽略它，以及其中的任何子串（比如13800138，00138000）。

所以，用isPhoneNum()找出字符串之后，還需要保證它之前的字符不是數字字符，之后的字符也不是數字字符。看起來很簡單，但為了避免越界錯誤，又需要判斷：如果當前字符是整段文本的第一個字符，則不需要判斷之前的字符，因為它不存在；同樣，如果找出的字符串在整段文本的末尾，則不需要判斷之后的字符，因為它同樣不存在……

到現在為止，即便只是找到最簡單的固定電話號碼，程序也非常復雜，難以維護。如果要查找的是形式更多變的文本，比如帶區號的電話號碼（021-64240000 或者03718888888）、手機號碼（13800138000或者+8613800138000或者013800138000），程序更是不可想象，更不用說文件路徑名、URL地址、電子郵件地址了！然而，日常開發中我們又確實經常需要面對這類任務，有什么更好的辦法呢？

正則表達式就是解決這類問題的萬靈藥。雖然許多人有點看不起它，覺得不入流，科班教材里也不會花太多篇幅來介紹它，但它確實是解決問題的利器——之前提到的三個例子，用正則表達式都可以輕松解決。

1. 判斷字符ch是否數字字符

      def isDigit(ch) :
          return re.search(ch, "[0-9]") != None

看起來很復雜，其實并不復雜：這里真正要關心的就是正則表達式[0-9]，它表示“從0到9之間的任意字符”，很形象吧？re.search()是正則表達式運算函數，它判斷ch能否由正則表達式[0-9]匹配，可以則返回一個結果，否則返回None（這些細節正文中會講到）。

2. 判斷字符串str是否電話號碼

      def isPhoneNum(str) :
          return re.search(str, "[1-9][0-9]{6,7}") != None

這個正則表達式最開始是[1-9]，表示第一個字符必須是1~9 之間的數字字符；之后是[0-9]{6,7}，表示長度在6和7之間，由0~9之間的數字字符組成的字符串（兩部分加起來，整個字符串的長度在7和8之間）。要解決的問題復雜了，正則表達式仍然直觀形象。

3. 找出一段文本中所有的固定電話號碼

      def findNumStr(str) :
          return re.findall(str, '(?<![0-9])[1-9][0-9]{6,7}(?![0-9])')

這個正則表達式之前多出了(?<![0-9])，表示“之前不能是[0-9]”；之后多出了(?![0-9])，表示“之后不能是[0-9]”。雖然稍微復雜點，但意思明確，而且不難理解。re.findall()的意思也很明顯：找到所有這樣的字符串。

可以想象，循著這種思路，更復雜的電話號碼、手機號碼等任務都不難解決。更重要的是，之前需要許多行語句才能完成的任務，現在基本上只需要一個正則表達式，一條語句就可以完成。正因為如此，不少人雖然認為正則表達式不夠花哨、漂亮，卻不得不承認它是一種 “匕首應用”——匕首，沒有十八般兵刃那么大方，關鍵時候卻不可或缺，所以值得花時間練練。同樣，正則表達式雖然不能用來顯擺，但總有派得上用場的地方，花時間練練絕不是壞事。即便你的工作不是純粹的文本處理（比如日志分析），也總會有用到正則表達式的地方（比如查找和修改源代碼），所以我希望，這本書能陪伴你練出一身正則表達式的好功夫，在關鍵場合能亮出趁手的工具。

最后，為了尊重傳統教科書的習慣，附上正則表達式的“科班史”：

正則表達式發源于與計算機密切相關的兩個領域：計算理論和形式語言。20世紀40年代，兩位神經生理學家Warren McCulloch和Walter Pitts研究出一種數學方式來描述神經網絡的辦法，它們把神經系統中的神經元描述成小而簡單的自動控制單元。1956年，數學家Stephen Cole Kleene在他們研究的基礎上，發表了一篇名為“神經網事件的表示法”的論文，在其中，他采用了一些稱之為“正則集合（regular set）”的數學符號來描述神經網絡模型。

之后，UNIX的主要發明人Ken Thompson將這個符號系統引入了文本編輯器QED（意思是“在文本中搜索某種模式”），正則表達式由此也進入了計算機世界。隨后Ken Thompson又將正則表達式引入了UNIX下的文本編輯器ed，ed最終演化為大家熟悉的grep（grep得名自ed編輯器中的正則表達式搜索命令g/re/p，其中的re表示“正則表達式”）。