正则表达式（Regex）

正则表达式是一种常用的字符串匹配技术，正则表达式可以简单的规则描述正则文法，用来匹配很多常见的字符串。

从实用角度出发

试想，假如你正在写一个在线应用，如果你要编写一段代码来检测用户输入的邮箱是否为学校email，即结尾为.edu的邮箱，用来判断您的网站是否应该给他一个学生优惠价格。 一种简单的校验方法可能是编写一段代码来匹配：

    // a function to match edu email
    function isEduEmail(email) {
        bool endWithEdu = email.endsWith('.edu');
        bool includeAt = email.includes('@');
        return endWithEdu && includeAt;
    }

这段代码其实是有问题的，因为其并不能保证这个邮箱是合法的，比如@符号前面没有字符@abc.edu，或者@后面直接跟.edu xxx@.edu。

一种更好的方式是去描述邮箱的文法规则:

<email_user>@<email_domain>.edu[.cn]

其中<email_user>是由字母、数字、下划线、点号组成的字符串，不能为空，<email_domain>是由字母、数字组成的字符串，也不能为空。最后还有可选的.cn后缀。

那么，一种简便地描述该文法的表示方法就是正则表达式:

/[A-Za-z0-9_.]+@[A-Za-z0-9]+.edu(.cn)?/

其中[A-Za-z0-9_.]+表示一个由字母、数字、下划线、点号组成的字符串，@表示一个@符号，[A-Za-z0-9]+表示一个由字母、数字组成的字符串，\.表示一个点号，edu表示一个edu字符串，(\.cn)?表示一个可选的.cn字符串。`

这里\.要用转义字符来表示.字符，是因为.在正则表达式中有特殊含义，表示任意非换行字符。

正则表达式的规范表述

正则表达式在词法分析中的应用

词法分析器的生成工具，如flex，re2c等，都是让用户定义一系列有优先级的正则表达式列表。而词法分析器会根据这个列表进行匹配，选择最长，最高优先级的匹配结果。 而每个正则式匹配后，都可以触发对应的动作，从而可以用来生成一个对应的token。