正则表达式
# 前言
很多朋友在使用自动记账的时候，直呼学习成本太高，很大一部分原因是因为规则的书写。
其中最难的两个部分莫过于正则表达式和JS(JavaScript)。
说它难，其实是因为对于“代码”有一种天然的畏惧心理。认为：
代码=编程，编程=黑客，黑客=神秘
所以，代码就约等于神秘莫测、难以理解。
其实不尽然，所谓代码、编程不过是一个按照顺序执行的流程而已，远远没有大家想的那么复杂。
更何况，正则表达式还远远算不上编程，他只是一个比较方便的文字处理工具而已。能够加快我们批量处理文字的速度，也是文字工作者必备技能。
由于这是一个入门级教学，太过复杂的东西，我在这里就不做过多的讲解。更加全面的教程，大家可以前往这里 (opens new window)继续深造。
这里是一个正则表达式测试工具：在线测试正则表达式 (opens new window)
使用说明（点击展开/收起）
自行参照以下正则语句进行修改。参照网页上的[Match groups]结果填入app。
示例正则语句：
【中国农业银行】(.*)于.*向您尾号(\d{4})账户完成银联入账交易人民币([\d\.]+)，余额([\d\.]+)。
测试文本：
【中国农业银行】张三于05月20日20:35向您尾号9819账户完成银联入账交易人民币520.00，余额520.00。
我这里只会讲解与自动记账相关的内容，教程中用到的例子也会围绕自动记账展开。
好，现在正式开始我们的教程：
# 什么是正则表达式
提示
在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。
这段文字来自 @deerchao 的正则表达式30分钟入门教程 (opens new window)。虽然这不是最权威的文献，但是作为百度搜索排第一的教程贴，仍然具有相当的参考价值。
从这段话中，我们可以提炼出以下几条信息：
笔记
正则表达式是用来处理字符串的；
什么意思？简单点说，什么是字符串？从字面意思上理解，字符串就是由文字符号组成的串。串有什么特点？串肯定是连在一起的，就像我们吃的羊肉串，每一串肯定不会在中间断成两节。那么字符串也就好理解了，就是连在一起的多个文字符号。也就是说，我们用正则表达式去找到的东西，一定是连续的。正则表达式处理的字符串符合某些规律；
这又是什么意思？符合规律，你可能会说：世界万物，那都是有规律的。没错，但是我们这里讲的规律，没有那么广，他仅仅只是针对字符的规律，而不能够涉及数学运算。这么说可能不够明白，举个例子：
我有一大堆的数字，我要找出最后一位是2的数字，这没问题。但是你要是说要找到其中是质数的数字，那么对不起，这超出了正则表达式的能力范围，因为他涉及到了数学运算。正则表达式仅仅是高级一点的查找/替换；
上一条其实也说过了，正则表达式不能进行数学运算。其实其他的运算也不行，比如随机数、递增数等等。
那他能干什么呢？答案就是查找/替换。相信大家都知道，查找/替换是先找到一个字符串，然后把他换掉，变成另一个字符串。而正则表达式的作用也是一样，也是先找到字符串，然后换掉它。结合前面我们讲的，那他就必然具备一个特点：替换的结果，一定是来自查找结果或者其他固定的值。这么说可能不明白，举个例子：比如我们找到两个字符串“abcd”，我们对他进行替换，就只能在abcd四个字母里面做文章，或者插进去一些固定的字符，而不能说我第一个变成abcde，第二个变成abcdf，这样是做不到的。
看到这里，很多小伙伴可能已经云里雾里，晕头转向了。没关系，智商不够可以下辈子再来。 接着往下看。
到这里，大家已经对正则表达式有了最基本的了解，接下来，我们就要开始具体的内容了：
# 开始
在书写正则规则的时候，我们可能一脸懵逼，到底要从哪里下手？下面我们来看一个例子，带着他一起走进正则的世界。
【湖南农信】您尾号0239的卡于06月09日20时47分向微信转账转出人民币400.00元，当前余额为760.12元。
这是一条银行通知短信，来自“湖南农信”。那么我们要写一条关于这条短信的规则，该怎么做呢？
🎉毫无疑问，当然得先找到它！
如果按照普通的查找，我们就可以直接将整条短信复制过去，就可以找到了。但是这样我们就满足了吗？当然不行！因为我们有很多类似的、相同格式的短信，直接复制显然是无法找到其他短信的，那么怎么办呢？
细心的你可能发现了，短信中有一部分是会变化的，有一部分是不会变化的。我们先把它们分开，把不会变化的部分单独拎出来，这样我们就得到了几个字符串：【湖南农信】您尾号、的卡于、向、转出人民币、元，当前余额为、元。。
但是这样就完了吗？当然没有。这几个字符串拼在一起，显然无法找到我们想要的结果，因为它缺少了会变化的部分。我们必须找个东西来代替这些变化的部分，这里我们暂时先用一个任意字符串.*来替代。这样我们就得到了第一个表达式：
【湖南农信】您尾号.*的卡于.*向.*转出人民币.*元，当前余额为.*元。
这是第一步，我们之后还要对这个式子进行改造。
接下来，跟着我一起，正式开始干货部分的学习：
# 1.元字符与转义
元字符——顾名思义，它是一个字符，能够代指一定范围内所有字符的代称。例如前文提到的，能够代指任意字符串的.*，其实是由两个部分组成的，一个是.，第二个是*。.代表的是一个任意字符，*下一节我们会讲到。下面是一些元字符的对照表：
表1-1 元字符对照表（点击展开/收起）
| 代码 | 说明 |
|---|---|
. | 匹配除换行符以外的任意字符 |
\w | 匹配字母或数字或下划线或汉字 |
\s | 匹配任意的空白符 |
\d | 匹配数字 |
\b | 匹配单词的开始或结束 |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结束 |
注意
这里需要特别提到的是后面三个：\b、^、$，它们都是匹配开始和结束。但是需要注意的是：这里的开始和结束仅仅是一个标识，标明起始位置，而不是代表第一个字符。而^、$所代表的“字符串”，其实在一般情况下应当是“行”。所谓行的概念相当于自然语言中的段落，一个换行符就是一行。
元字符的问题解决了，但是新的问题来了：假如我需要搜索“^”、“$”、“.”等这些元字符本身的内容怎么办？直接写肯定不行，因为他会被解释成他代表的元字符的含义。那么怎么办呢？
答案很简单：转义
我们可以在元字符前面加上\，使其代表元字符本身。比如要匹配“^”，就在前面加\，写成\^，这样就完成了转义。当然查找“\”也是一样，写成\\即可。
表1-2 转义字符对照表（点击展开/收起）
| 字符 | 转义 | 字符 | 转义 | 字符 | 转义 |
|---|---|---|---|---|---|
| . | \. | * | \* | + | \+ |
| ? | \? | ! | \! | ** | \\ |
| $ | \$ | ^ | \^ | / | \/ |
| [ | \[ | ] | \] | { | \{ |
| } | \} | ( | \( | ) | \) |
| - | \- |
# 2.重复
前文我们提到过.*代表任意字符串，前一节我解释了.，这一节我们来解释*。*其实就是一个重复次数的限定符，用来描述前一个字符重复匹配任意次，包括0次。所以.*就是任意字符重复任意次，也就是任意字符串。
当然，有重复任意次，也就有其他次数，请看下表：
表2-1 限定符对照表（点击展开/收起）
| 代码/语法 | 说明 |
|---|---|
* | 重复零次或更多次 |
+ | 重复一次或更多次 |
? | 重复零次或一次 |
{n} | 重复n次 |
{n,} | 重复n次以上（包括n次） |
{n,m} | 重复n到m次 |
到这里，我们就可以继续改造前面的例子了：
【湖南农信】您尾号0239的卡于06月09日20时47分向微信转账转出人民币400.00元，当前余额为760.12元。
我们可以观察到：尾号部分是由4个数字组成，那么我们就可以写成\d{4}。同样的，金额部分是由一串数字+“.”+两个数字组成，那么我们就可以写成\d+\.\d{2}。
这样我们就得到了新的表达式：
【湖南农信】您尾号\d{4}的卡于.*向.*转出人民币\d+\.\d{2}元，当前余额为\d+\.\d{2}元。
# 3.捕获组
重点来了，这一步我们将会把短信中我们需要的部分提取出来。
笔记
使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。
默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。
这样我们就能够获取到子表达式匹配的内容了，但是我们怎样去取得它呢？只需要在替换式中写上$+组号即可，比如$1、$2。
那么下面我们来看之前的例子：
【湖南农信】您尾号\d{4}的卡于.*向.*转出人民币\d+\.\d{2}元，当前余额为\d+\.\d{2}元。
这是我们写好的表达式，我们现在需要提取出以下内容（仅作示例，并不与自动记账完全相同）：
提示
- 账户名称：（格式为银行名（尾号））
- 金额：
- 资金流向：
- 币种：
那么第一步，我们先把需要的内容()括起来：
【(湖南农信)】您尾号(\d{4})的卡于.*向(.*)转出(人民币)(\d+\.\d{2})元，当前余额为\d+\.\d{2}元。
第二步就是提取内容：
提示
- 账户名称：
$1（$2） - 金额：
$5 - 资金流向：
$3 - 币种：
$4
这样，就完成了。
# 4.字符类、反义
前面我们说到了元字符，我们可以轻松的找到“数字”，只要用\d就行。但是如果我需要寻找2-5之间的数字，或者13568这些数字，该怎么办呢？
方法很简单，只要把它们用中括号[]括起来就好，这个就叫做“字符类”。他能匹配到中括号内所有的字符。
值得注意的是
一个字符类仅能匹配一个字符，如果需要匹配多次，需要使用重复限定符。
而我买需要寻找除了 135 之外的所有字符呢？这时我们就需要用到反义。
字符类的反义很简单，只需要在中括号内加上一个^即可，例如[^135]。
而一些元字符的反义如\d、\w、\b、\s这些，也很简单，将字母改成大写即可。
表4-1 反义对照表（点击展开/收起）
| 代码/语法 | 说明 |
|---|---|
\W | 匹配任意不是字母，数字，下划线，汉字的字符 |
\S | 匹配任意不是空白符的字符 |
\D | 匹配任意非数字的字符 |
\B | 匹配不是单词开头或结束的位置 |
[^x] | 匹配除了x以外的任意字符 |
[^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |
# 5.分支条件
回到前面的例子，假如我们的银行卡中有三种货币：人民币、美元、津巴布韦币。他们的短信通知格式是一样的，那我们该怎么做呢？
这里我们就可以用到分支条件。
提示
正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。
所以我们就可以写成人民币|美元|津巴布韦币。
将这个子表达式整合进规则里面：
【(湖南农信)】您尾号(\d{4})的卡于.*向(.*)转出(人民币|美元|津巴布韦币)(\d+\.\d{2})元，当前余额为\d+\.\d{2}元。
# 结语
正则表达式简单版教程到这里就结束了，可能有一点虎头蛇尾的感觉。但是，相信大家如果从头到尾看下来，看到后面已经不需要太多的解释也能够看得明白。
本次的教程还有很多的内容没有讲到，但在自动记账的规则书写中应该是够用了。不过如果去到其他领域，这些显然就不够用，有兴趣的朋友可以访问这篇：正则表达式30分钟入门教程 (opens new window)。里面有非常全面、详细的正则教程，几乎涵盖了正则表达式的所有内容。
当然，也可以访问 @太公摘花大佬专门录制的正则表达式教程 (opens new window)。
# 网上的资源及本文参考文献
- 正则表达式30分钟入门教程 (opens new window)
- 微软的正则表达式教程 (opens new window)
- Regex类(微软文档) (opens new window)
- 专业的正则表达式教学网站(英文) (opens new window)