学习正则表达式最好的方式是读《精通正则表达式》这本书：

《精通正则表达式》

建议认真学完前6章，后面与具体编程语言相关的可以跳过。花一些时间系统地学习一下正则表达式是非常有好处的。就像张无忌学会九阳神功后学其他武功都特别快，学会正则表达式后再学习UNIX/Linux的下的工具也都特别快！

除了推荐书籍，我也分享一下我自己读写正则表达式的心得。

如何读正则表达式？

《精通正则表达式》这本书让我认识到，正则表达式只是一种描述字符串长什么样的声明式语言，是字符串的元信息。就像SQL是用来描述数据长什么样的声明式语言，只是SQL使用更直观的英文单词作为关键词，而正则表达式使用的是更加精炼但也更加晦涩的符号字符。

所以，学习正则表达式与学习其他语言的过程是一样的，需要学会这门语言的词法、语法、语义。如果对这些词法、语法、语义不熟悉，看正则表达式就像天书一样。

词法

如前文所述，正则表达式的单词由标点符号字符组成。和汉语、英语等自然语言一样，这些单词也有词性，包括字符（character）、字符类（character class）、分组（grouping）、量词（quantifier）、锚点（Anchor）等。

想要一股脑记住所有符号及其含义，就像从头到尾背英语词典一样，是很低效且痛苦的。好在正则表达式的单词也符合2-8法则，就像英语里的常用词一样并不多，诸如零宽断言等用法其实不太常用，用到的时候临时查文档复习一下用法就行。

以下几个字符是最最常用的元字符：

需要注意的是，除了惰性匹配的量词，其他量词默认都是贪心匹配，即尽可能多地匹配、直到无法匹配为止。

语法

正则表达式的语法并不多，除了要开闭括号要能一一对应，也就是量词只能放在字符、字符集、分组的后面。

示例

举个例子：

/^ab+c*$/

该模式读作：“有一些字符串，它们以1个a开头，紧接着1个或多个b，最后以任意多个c结尾。”符合这个规则的字符串很多，有“ab”、“abc”、“abbccc”等等。

如何写正则表达式？

有了前文读正则表达式的基础，基本上也能照葫芦画瓢写正则表达式了，但新手在写正则表达式的时候往往容易忽略“上下文”，会写出非常具体、非常长的模式。因为正则表达式的主要用途就是用于文本匹配，所谓的“上下文”就是正则表达式预计在那些文本中匹配。上下文不同，解法也可以不同。

举个例子，一个爬虫爬取到以下HTML页面信息：

• Bob
• William
• Vina

假设希望在这些内容中匹配出包含「朋友姓名」的行，比较简单的方式有：

/class=”name”/

还能更简洁一些：

/name/

或者更具体一些：

/[^]+/

这三种方式哪种最好呢？这个得视情况而定。我的建议是：

如果数据来源比较可控，例如内部系统生成的数据，则尽量写简单有效的模式；

如果数据来源不可控，例如网络爬虫从外部系统抓取的数据，内容随时都有可能发生变化，那适度地优化一下正则表达式，让模式具备一些弹性去适应可预见的一些变化。

如果让我来写这个例子的正则表达式，我会倾向于这样写：

/class=”[^”]*bnameb[^”]*”/

这样既具备一定的弹性，例如未来添加了其他class，或li换成其他tag，都能自动适应；又不会过于复杂。

综上所述，正则表达式并没有唯一的标准答案，需要根据待匹配文本的上下文选择复杂度最合适的方案。因此，写正则表达式时不用着急，不必要求自己一次就写对。应该像写SQL一样在数据集上多select几次，对数据集有了较全面的认知后，不断修正数据过滤条件，就能优化出比较精炼的SQL；同样的，写正则表达式也是在目标字符串上反复筛选，最后就能优化出比较精炼的模式。