del

极客时间专栏/geek/正则表达式入门课/基础篇/01 | 元字符：如何巧妙记忆正则表达式的基本元件？.md

@@ -0,0 +1,138 @@
+<audio id="audio" title="01 | 元字符：如何巧妙记忆正则表达式的基本元件？" controls="" preload="none"><source id="mp3" src="https://static001.geekbang.org/resource/audio/ca/a9/cab5b6b584b68e12933076b518e7aaa9.mp3"></audio>
+
+你好，我是涂伟忠。今天是课程的第一讲，我们一起来学习组成正则表达式的基本单元——元字符。
+
+## 元字符的概念
+
+在开篇词中，我们提到了正则常见的三种功能，它们分别是：校验数据的有效性、查找符合要求的文本以及对文本进行切割和替换等操作。<br>
+<img src="https://static001.geekbang.org/resource/image/54/1b/54a184548d369ca04ad4b69cd15dac1b.png" alt="">
+
+那你可能会好奇，正则是如何完成这些工作的呢？让我们先从简单的字符串查找和替换讲起。
+
+我相信你一定在办公软件，比如Word、Excel 中用过这个功能。你可以使用查找功能快速定位关注的内容，然后使用替换，批量更改这些内容。
+
+<img src="https://static001.geekbang.org/resource/image/68/33/682df773ff276084ca4f934af53fa233.png" alt="">
+
+让我们再回过头看看正则表达式。正则表达式，简单地说就是描述字符串的规则。在正则中，普通字符表示的还是原来的意思，比如字符 a，它可以匹配“Hanmeimei is a girl”中的 H 之后的 a，也可以匹配 is 之后的 a，这个和我们日常见到的普通的字符串查找是一样的。
+
+<img src="https://static001.geekbang.org/resource/image/c5/f6/c54ddfaa8a56453afed49f31022a8df6.png" alt="">
+
+但除此之外，正则还可以做到普通的查找替换做不到的功能，**它真正的<strong><strong>强大之处**</strong>就在于可以查找符合某个规则的文本</strong>。
+
+举个例子，假如你想查找文本中的所有数字，如果不会正则，可能需要手动敲数字，从0到9这样操作10次，一个个去查找，很麻烦。但如果用正则的话就方便很多了，我们直接使用 **\d** 就可以表示 0-9 这10个数字中的任意一个，如下图所示。
+
+<img src="https://static001.geekbang.org/resource/image/3a/ab/3af8dd848b2d625db7831aa8adcd6fab.png" alt=""><br>
+如果我们在后面再加上量词，就可以表示单个的数字出现了几次。比如 \d{11} 表示单个数字出现11次，即11位数字，如果文本中只有姓名和手机号，我们就可以利用这个查找出文本中的手机号了，如下图所示。
+
+<img src="https://static001.geekbang.org/resource/image/5a/bd/5a0ce54804cc08eb3622f418c3af45bd.png" alt=""><br>
+那么到这里，你有没有发现正则的不同呢？像查找数字一样，在正则中，我们不需要像往常一样输入一个确定的内容，只需要敲入特殊的符号就可以帮我们完成查找和替换，像上面案例中提到的 \d 和 {11}，在正则中有一个专门的名称——元字符（Metacharacter）。
+
+**所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符**，元字符是构成正则表达式的基本元件。正则就是由一系列的元字符组成的，看到这里相信你也能明白元字符的重要性了吧。
+
+但是，因为元字符很基础，又比较多，所以很多人看见正则就头疼。那么今天，我就通过分类的方式，教你理解并且巧妙地记忆、使用元字符。
+
+## 元字符的分类与记忆技巧
+
+正则表达式中有很多的“元字符”，比如刚刚提到的 \d，它在正则中不代表 \ （反斜杠） 加字母 d，而是代表任意数字，这种表示特殊含义的字符表示，就是元字符。正则表达式中，元字符非常多，那么我们如何才能记住它们呢？
+
+这里我给你介绍一个方法，就是分类记忆。元字符虽然非常多，但如果我们按照分类法去理解记忆，效果会好很多。事实上，这个方法不光可以用在记忆元字符上，也可以用在记忆各种看似没有章法的内容上。
+
+首先，我可以把元字符大致分成这几类：表示单个特殊字符的，表示空白符的，表示某个范围的，表示次数的量词，另外还有表示断言的，我们可以把它理解成边界限定，我会在后面的章节中专门讲解断言（Assertions）相关的内容。<br>
+<img src="https://static001.geekbang.org/resource/image/97/bb/97f9aa05196ecba15a433e6e517093bb.png" alt="">
+
+那么接下来，我们就按照前面说的元字符的分类，来逐一讲解下。
+
+### 1.特殊单字符
+
+首先，我们来看下表示特殊单个字符的元字符，比如英文的点（.）表示换行以外的任意单个字符，\d 表示任意单个数字，\w 表示任意单个数字或字母或下划线，\s 表示任意单个空白符。另外，还有与之对应的三个 \D、\W 和 \S，分别表示着和原来相反的意思。
+
+<img src="https://static001.geekbang.org/resource/image/19/4b/199562249878c0967dde9f23c0b4904b.png" alt="">
+
+现在我们来看一下测试，我把常见数字，字母，部分标点符号作为文本，用 \d 去查找，可以看到只能匹配上10个数字。
+
+<img src="https://static001.geekbang.org/resource/image/13/a5/1380b43ba8a8ebf4a307a5d0a4e35aa5.png" alt="">
+
+这是元字符 **\d** 测试用例的链接，你不妨测试一下：[https://regex101.com/r/PnzZ4k/1](https://regex101.com/r/PnzZ4k/1)
+
+元字符 \w 能匹配所有的数字、字母和下划线，如下图所示：
+
+<img src="https://static001.geekbang.org/resource/image/60/f1/60041ca73688567b0bae04950f8be0f1.png" alt=""><br>
+同样的，元字符 **\w** 测试用在这里：[https://regex101.com/r/PnzZ4k/2](https://regex101.com/r/PnzZ4k/2)
+
+你可以自己去尝试一下 \W，\D，\s 和 \S ，以及英文的点的匹配情况，这里我不展开了。
+
+### 2.空白符
+
+除了特殊单字符外，你在处理文本的时候肯定还会遇到空格、换行等空白符。其实在写代码的时候也会经常用到，换行符 **\n**，TAB制表符 **\t** 等。
+
+有编程经验的程序员肯定都知道，不同的系统在每行文本结束位置默认的“换行”会有区别。比如在Windows 里是 **\r\n**，在 Linux 和 MacOS 中是 **\n**。
+
+在正则中，也是类似于 \n 或 \r 等方式来表示空白符号，只要记住它们就行了。平时使用正则，大部分场景使用 \s 就可以满足需求，\s 代表任意单个空白符号。
+
+<img src="https://static001.geekbang.org/resource/image/01/66/01b6c8de6ee6c440471c15f96d00d466.png" alt="">
+
+我们可以看到，  **\s** 能匹配上各种空白符号，也可以匹配上空格。换行有专门的表示方式，在正则中，空格就是用普通的字符英文的空格来表示。
+
+### 3.量词
+
+刚刚我们说到的“基础”的元字符也好，“空白符”也好，它们都只能匹配单个字符，比如\d只能匹配一个数字。但更多时候，我们需要匹配单个字符，或者某个部分“重复N次”“至少出现一次”“最多出现三次”等等这样的字符，这个时候该怎么办呢？
+
+这就需要用到表示量词的元字符了。
+
+在正则中，英文的星号（*）代表出现0到多次，加号（+）代表1到多次，问号（?）代表0到1次，{m,n}代表m到n次。
+
+<img src="https://static001.geekbang.org/resource/image/2b/c3/2b03098dcc203c648a40f89a0ba77fc3.png" alt="">
+
+比如，在文本中“颜色”这个单词，可能是带有 u 的 colour，也可能是不带 u 的 color，我们使用 colou?r 就可以表示两种情况了。在真实的业务场景中，比如某个日志需要添加了一个user字段，但在旧日志中，这个是没有的，那么这时候可以使用问号来表示出现0次或1次，这样就可以表示user字段**存在和不存在**两种情况。
+
+下面这段文本由三行数字组成，当我们使用 \d+ 时，能匹配上3个，但使用 \d* 时能匹配上6个，详细匹配结果可以参考下面的图片：
+
+<img src="https://static001.geekbang.org/resource/image/f0/4e/f0696d3fbc55c5a75832472e227a614e.png" alt="">
+
+我把正则 \d+ 示例链接放在下面了，你可以看一下：[https://regex101.com/r/PnzZ4k/8](https://regex101.com/r/PnzZ4k/8)
+
+其它的比如表示 m 到 n 次的，你可以自己去尝试，一定要多加练习，这样你才能记得牢。
+
+### 4.范围
+
+学习了量词，我们就可以用 \d{11} 去匹配所有手机号，但同时也要明白，这个范围比较大，有一些不是手机号的数字也会被匹配上，比如11个0，那么我们就需要在一个特殊的范围里找符合要求的数字。
+
+再比如，我们要找出所有元音字母aeiou的个数，这又要如何实现呢？在正则表达式中，表示范围的元字符可以轻松帮我们搞定这样的问题。
+
+在正则表达式中，表示范围的符号有四个分类，如下图所示。
+
+<img src="https://static001.geekbang.org/resource/image/84/22/84625cc80a90dba2c629282e3f213622.png" alt="">
+
+首先是管道符号，我们用它来隔开多个正则，表示满足其中任意一个就行，比如 **ab|bc** 能匹配上 ab，也能匹配上 bc，在正则有多种情况时，这个非常有用。
+
+中括号[]代表多选一，可以表示里面的任意单个字符，所以任意元音字母可以用 **[aeiou]** 来表示。另外，中括号中，我们还可以用中划线表示范围，比如 **[a-z]** 可以表示所有小写字母。如果中括号第一个是脱字符（^），那么就表示非，表达的是不能是里面的任何单个元素。
+
+比如某个资源可能以 http:// 开头，或者 https:// 开头，也可能以 ftp:// 开头，那么资源的协议部分，我们可以使用 (https?|ftp):// 来表示。
+
+<img src="https://static001.geekbang.org/resource/image/22/3d/22b3ef8c95b01adddebad77fed106a3d.png" alt="">
+
+同样地，我把示例链接也放在了下面，你可以参考一下：[https://regex101.com/r/PnzZ4k/5](https://regex101.com/r/PnzZ4k/5)
+
+## 总结
+
+今天我通过大量的示例讲解了元字符，希望可以帮助你加强对正则各类元字符的理解，想办法记住它们，这是掌握正则这个强大工具的第一步。
+
+我在这里给你强调一下学习的方法。你可以看到我在每一个案例中加入了测试链接，目的就是希望你能借此多做练习。在学习过程中，一定要找时间去练习，去观察匹配的结果，这样可以帮助你加深记忆。如果只是看和听，没有足够的练习，实际上很难记得牢，所以一定要自己多动手操作尝试。
+
+还有一个方法，你可以把学到的知识，试着讲给其它的同事或同学，最好的学习方法就是去教别人，一个知识点，如果你能给别人讲明白，证明你真的搞懂了，真的掌握了这个知识。
+
+好了，学习完今天的内容，最后我来给你总结一下。正则表达式中元字符的分类记忆，你可以在脑海中回忆一下。今天我们学习了正则表达式的部分元字符，特殊单字符、空白符、范围、量词等。我整理成了一张脑图，你可以看一下，对照着练习、记忆。
+
+<img src="https://static001.geekbang.org/resource/image/ff/52/ffd9cd49a79599e7efa4aba069faee52.png" alt="">
+
+## 思考题
+
+通过今天的学习，不知道你元字符掌握到何种程度了呢？那么不妨练习一下吧！我在这里给出一些手机号的组成规则：
+
+1. 第1位固定为数字1；
+1. 第2位可能是3，4，5，6，7，8，9；
+1. 第3位到第11位我们认为可能是0-9任意数字。
+
+你能不能利用今天学到的知识，写出一个“更严谨”的正则来表示手机号呢？
+
+好，今天的课程就结束了，希望可以帮助到你，也希望你在下方的留言区和我参与讨论，让我们一起进步，共同掌握正则表达式这个强大的工具。

极客时间专栏/geek/正则表达式入门课/基础篇/02丨量词与贪婪：小小的正则，也可能把CPU拖垮！.md

@@ -0,0 +1,246 @@
+<audio id="audio" title="02丨量词与贪婪：小小的正则，也可能把CPU拖垮！" controls="" preload="none"><source id="mp3" src="https://static001.geekbang.org/resource/audio/ab/c3/abcd1e70644114b1366756966c5e75c3.mp3"></audio>
+
+你好，我是涂伟忠。在上一讲中，我们已经学习了正则中和一些元字符相关的内容。这一节我们讲一下正则中的三种模式，贪婪匹配、非贪婪匹配和独占模式。
+
+这些模式会改变正则中量词的匹配行为，比如匹配一到多次；在匹配的时候，匹配长度是尽可能长还是要尽可能短呢？如果不知道贪婪和非贪婪匹配模式，我们写的正则很可能是错误的，这样匹配就达不到期望的效果了。
+
+## 为什么会有贪婪与非贪婪模式？
+
+由于本节内容和量词相关的元字符密切相关，所以我们先来回顾一下正则中表示量词的元字符。
+
+<img src="https://static001.geekbang.org/resource/image/2b/c3/2b03098dcc203c648a40f89a0ba77fc3.png" alt="">
+
+在这6种元字符中，我们可以用 {m,n} 来表示 （*）（+）（?） 这3种元字符：
+
+<img src="https://static001.geekbang.org/resource/image/38/74/38ceb28add7794fe9ed069e08fb1b374.jpg" alt="">
+
+表示量词的星号（*）和 加号（+）可能没你想象的那么简单，我用一个例子给你讲解一下。我们先看一下加号（+），使用 a+ 在 aaabb 中查找，可以看到只有一个输出结果：
+
+<img src="https://static001.geekbang.org/resource/image/2b/08/2b3e3f549e69fdd398c15d6b0bd44e08.png" alt="">
+
+对应的Python代码如下：
+
+```
+&gt;&gt;&gt; import re
+&gt;&gt;&gt; re.findall(r'a+', 'aaabb')
+['aaa']
+
+
+```
+
+加号应该很容易理解，我们再使用 a* 在 aaabb 这个字符串中进行查找，这次我们看到可以找到4个匹配结果。
+
+<img src="https://static001.geekbang.org/resource/image/b0/4c/b0c582cbf8ec081bc798296b5471804c.png" alt="">
+
+使用Python示例如下，我们可以看到输出结果，也是得到了4个匹配结果：
+
+```
+&gt;&gt;&gt; import re
+&gt;&gt;&gt; re.findall(r'a*', 'aaabb')
+['aaa', '', '', '']
+
+
+```
+
+但这一次的结果匹配到了三次空字符串。为什么会匹配到空字符串呢？因为星号（*）代表0到多次，匹配0次就是空字符串。到这里，你可能会有疑问，如果这样，aaa 部分应该也有空字符串，为什么没匹配上呢？
+
+这就引入了我们今天要讲的话题，贪婪与非贪婪模式。这两种模式都必须满足匹配次数的要求才能匹配上。贪婪模式，简单说就是尽可能进行最长匹配。非贪婪模式呢，则会尽可能进行最短匹配。正是这两种模式产生了不同的匹配结果。
+
+## 贪婪、非贪婪与独占模式
+
+### 贪婪匹配（Greedy）
+
+首先，我们来看一下贪婪匹配。在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尝试尽可能最大长度去匹配。
+
+首先，我们来看一下在字符串 aaabb 中使用正则 a* 的匹配过程。
+
+<img src="https://static001.geekbang.org/resource/image/a7/ca/a7d62eee986938327d31e170cdd3caca.jpg" alt="">
+
+<img src="https://static001.geekbang.org/resource/image/63/97/63e5c750b66f6eb914c73befdba43f97.jpg" alt="">
+
+a* 在匹配开头的 a 时，会尝试尽量匹配更多的 a，直到第一个字母 b 不满足要求为止，匹配上三个a，后面每次匹配时都得到了空字符串。
+
+相信看到这里你也发现了，贪婪模式的特点就是尽可能进行最大长度匹配。所以要不要使用贪婪模式是根据需求场景来定的。如果我们想尽可能最短匹配呢？那就要用到非贪婪匹配模式了。
+
+### 非贪婪匹配（Lazy）
+
+那么如何将贪婪模式变成非贪婪模式呢？我们可以在量词后面加上英文的问号(?)，正则就变成了 a*?。此时的匹配结果如下：<br>
+<img src="https://static001.geekbang.org/resource/image/10/bc/10e40baa1194b17dcc57a089524a37bc.png" alt="">
+
+```
+&gt;&gt;&gt; import re
+&gt;&gt;&gt; re.findall(r'a*', 'aaabb')  # 贪婪模式
+['aaa', '', '', '']
+&gt;&gt;&gt; re.findall(r'a*?', 'aaabb') # 非贪婪模式
+['', 'a', '', 'a', '', 'a', '', '', '']
+
+```
+
+这一次我们可以看到，这次匹配到的结果都是单个的a，就连每个a左边的空字符串也匹配上了。
+
+到这里你可能就明白了，非贪婪模式会尽可能短地去匹配，我把这两者之间的区别写到了下面这张图中。
+
+<img src="https://static001.geekbang.org/resource/image/3f/d1/3f95a3648980c1eb3c550fb34b46fad1.png" alt="">
+
+为了让你加深理解，我们再来看一个示例，这一次让我们查找一下引号中的单词。
+
+从下面这个示例中，我们可以很容易看出两者对比上的差异。左右的文本是一样的，其中有两对双引号。不同之处在于，左边的示例中，不加问号时正则是贪婪匹配，匹配上了从第一个引号到最后一个引号之间的所有内容；而右边的图是非贪婪匹配，找到了符合要求的结果。
+
+<img src="https://static001.geekbang.org/resource/image/40/79/40c03d7a2cb990b35e4801589eca1379.png" alt="">
+
+### 独占模式（Possessive）
+
+不管是贪婪模式，还是非贪婪模式，都需要发生回溯才能完成相应的功能。但是在一些场景下，我们不需要回溯，匹配不上返回失败就好了，因此正则中还有另外一种模式，独占模式，它类似贪婪匹配，但匹配过程不会发生回溯，因此在一些场合下性能会更好。
+
+你可能会问，那什么是回溯呢？我们来看一些例子，例如下面的正则：
+
+> 
+regex = “xy{1,3}z”
+
+
+> 
+text = “xyyz”
+
+
+在匹配时，y{1,3}会尽可能长地去匹配，当匹配完 xyy 后，由于 y 要尽可能匹配最长，即三个，但字符串中后面是个 z 就会导致匹配不上，这时候正则就会**向前回溯**，吐出当前字符 z，接着用正则中的 z 去匹配。
+
+<img src="https://static001.geekbang.org/resource/image/7a/88/7a9636b588963e5af9619837fe5a6888.png" alt="">
+
+如果我们把这个正则改成非贪婪模式，如下：
+
+> 
+regex = “xy{1,3}?z”
+
+
+> 
+text = “xyyz”
+
+
+由于 y{1,3}? 代表匹配1到3个 y，尽可能少地匹配。匹配上一个 y 之后，也就是在匹配上 text 中的 xy 后，正则会使用 z 和 text 中的 xy 后面的 y 比较，发现正则 z 和 y 不匹配，这时正则就会**向前回溯**，重新查看 y 匹配两个的情况，匹配上正则中的 xyy，然后再用 z 去匹配 text 中的 z，匹配成功。
+
+<img src="https://static001.geekbang.org/resource/image/21/0c/2177c740a2d5dd805f3157d54636500c.png" alt="">
+
+了解了回溯，我们再看下独占模式。
+
+独占模式和贪婪模式很像，独占模式会尽可能多地去匹配，如果匹配失败就结束，不会进行回溯，这样的话就比较节省时间。具体的方法就是在量词后面加上加号（+）。
+
+> 
+regex = “xy{1,3}+yz”
+
+
+> 
+text = “xyyz”
+
+
+<img src="https://static001.geekbang.org/resource/image/96/cb/96635e198c2ff6cf7b8ea2a0d18f8ecb.png" alt="">
+
+需要注意的是 Python 和 Go 的标准库目前都不支持独占模式，会报错，如下所示：
+
+```
+&gt;&gt;&gt; import re
+&gt;&gt;&gt; re.findall(r'xy{1,3}+yz', 'xyyz')
+error: multiple repeat at position 7
+
+
+```
+
+报错显示，加号（+）被认为是重复次数的元字符了。如果要测试这个功能，我们可以安装 PyPI 上的 regex 模块。
+
+```
+注意：需要先安装 regex 模块，pip install regex
+
+&gt;&gt;&gt; import regex
+&gt;&gt;&gt; regex.findall(r'xy{1,3}z', 'xyyz')  # 贪婪模式
+['xyyz']
+&gt;&gt;&gt; regex.findall(r'xy{1,3}+z', 'xyyz') # 独占模式
+['xyyz']
+&gt;&gt;&gt; regex.findall(r'xy{1,2}+yz', 'xyyz') # 独占模式
+[]
+
+```
+
+你也可以使用 Java 或 Perl 等其它语言来测试独占模式，查阅相关文档，看一下你所用的语言对独占模式的支持程度。
+
+如果你用 a{1,3}+ab 去匹配 aaab 字符串，a{1,3}+ 会把前面三个 a 都用掉，并且不会回溯，这样字符串中内容只剩下 b 了，导致正则中加号后面的 a 匹配不到符合要求的内容，匹配失败。如果是贪婪模式 a{1,3} 或非贪婪模式 a{1,3}? 都可以匹配上。
+
+<img src="https://static001.geekbang.org/resource/image/1d/b7/1dbf7d9fed42390edb3bf9ef9e0da7b7.jpg" alt="">
+
+这里我简单总结一下，独占模式性能比较好，可以节约匹配的时间和CPU资源，但有些情况下并不能满足需求，要想使用这个模式还要看具体需求（比如我们接下来要讲的案例），另外还得看你当前使用的语言或库的支持程度。
+
+## 正则回溯引发的血案
+
+学习到了这里，你是不是觉得自己对贪婪模式、非贪婪模式，以及独占模式比较了解了呢？其实在使用过程中稍不留神，就容易出问题，在网上可以看到不少因为回溯引起的线上问题。
+
+这里我们挑选一个比较出名的，是阿里技术微信公众号上的发文。Lazada卖家中心店铺名检验规则比较复杂，名称中可以出现下面这些组合：
+
+<li>
+英文字母大小写；
+</li>
+<li>
+数字；
+</li>
+<li>
+越南文；
+</li>
+<li>
+一些特殊字符，如“&amp;”，“-”，“_”等。
+</li>
+
+负责开发的小伙伴在开发过程中使用了正则来实现店铺名称校验，如下所示：
+
+```
+^([A-Za-z0-9._()&amp;'\- ]|[aAàÀảẢãÃáÁạẠăĂằẰẳẲẵẴắẮặẶâÂầẦẩẨẫẪấẤậẬbBcCdDđĐeEèÈẻẺẽẼéÉẹẸêÊềỀểỂễỄếẾệỆfFgGhHiIìÌỉỈĩĨíÍịỊjJkKlLmMnNoOòÒỏỎõÕóÓọỌôÔồỒổỔỗỖốỐộỘơƠờỜởỞỡỠớỚợỢpPqQrRsStTuUùÙủỦũŨúÚụỤưƯừỪửỬữỮứỨựỰvVwWxXyYỳỲỷỶỹỸýÝỵỴzZ])+$
+
+
+```
+
+这个正则比较长，但很好理解，中括号里面代表多选一，我们简化一下，就成下面这样：
+
+```
+^([符合要求的组成1]|[符合要求的组成2])+$ 
+
+```
+
+脱字符（^）代表以这个正则开头，美元符号（$）代表以正则结尾，我们后面会专门进行讲解。这里可以先理解成整个店铺名称要能匹配上正则，即起到验证的作用。
+
+你需要留意的是，正则中有个加号（+），表示前面的内容出现一到多次，进行贪婪匹配，这样会导致大量回溯，占用大量CPU资源，引发线上问题，我们只需要将贪婪模式改成独占模式就可以解决这个问题。
+
+我之前说过，要根据具体情况来选择合适的模式，在这个例子中，匹配不上时证明店铺名不合法，不需要进行回溯，因此我们可以使用独占模式，但要注意并不是说所有的场合都可以用独占模式解决，我们要首先保证正则能满足功能需求。
+
+仔细再看一下 这个正则，你会发现 “组成1” 和 “组成2” 部分中，A-Za-z 英文字母在两个集合里面重复出现了，这会导致回溯后的重复判断。这里要强调一下，并不是说有回溯就会导致问题，你应该尽量减少回溯后的计算量，这些在后面的原理讲解中我们会进一步学习。
+
+另外，腾讯云技术社区​也有类似的技术文章，你如果感兴趣，可以点击这里[进行](https://zhuanlan.zhihu.com/p/38229530)查看。
+
+说到这里，你是不是想起了课程开篇里面提到的一句话：
+
+> 
+如果你有一个问题，你想到可以用正则来解决，那么你有两个问题了。
+
+
+> 
+Some people, when confronted with a problem, think “I know, I’ll use regular expressions.” Now they have two problems.
+
+
+所以一个小小的正则，有些时候也可能会把CPU拖垮，这也提醒我们在写正则的时候，一定要思考下回溯问题，避免使用低效的正则，引发线上问题。
+
+## 最后总结
+
+最后我来给你总结一下：正则中量词默认是贪婪匹配，如果想要进行非贪婪匹配需要在量词后面加上问号。贪婪和非贪婪匹配都可能会进行回溯，独占模式也是进行贪婪匹配，但不进行回溯，因此在一些场景下，可以提高匹配的效率，具体能不能用独占模式需要看使用的编程语言的类库的支持情况，以及独占模式能不能满足需求。
+
+<img src="https://static001.geekbang.org/resource/image/1a/75/1ad3eb0d011ba4fc972b9e5191a9f275.png" alt="">
+
+## 课后思考
+
+最后，我们来做一个小练习吧。
+
+有一篇英文文章，里面有很多单词，单词和单词之间是用空格隔开的，在引号里面的一到多个单词表示特殊含义，即引号里面的多个单词要看成一个单词。现在你需要提取出文章中所有的单词。我们可以假设文章中除了引号没有其它的标点符号，有什么方法可以解决这个问题呢？如果用正则来解决，你能不能写出一个正则，提取出文章中所有的单词呢（不要求结果去重）？
+
+> 
+we found “the little cat” is in the hat, we like “the little cat”
+
+
+> 
+其中 the little cat 需要看成一个单词
+
+
+好了，今天的课程就结束了，希望可以帮助到你，也希望你在下方的留言区和我参与讨论，并把文章分享给你的朋友或者同事，一起交流一下。

极客时间专栏/geek/正则表达式入门课/基础篇/03 | 分组与引用：如何用正则实现更复杂的查找和替换操作？.md

@@ -0,0 +1,190 @@
+<audio id="audio" title="03 | 分组与引用：如何用正则实现更复杂的查找和替换操作？" controls="" preload="none"><source id="mp3" src="https://static001.geekbang.org/resource/audio/92/20/9236c5813089965fed178ba3d62e6e20.mp3"></audio>
+
+你好，我是伟忠。今天我打算和你聊聊分组与引用。那什么场合下会用到分组呢？
+
+假设我们现在要去查找15位或18位数字。根据前面学习的知识，使用量词可以表示出现次数，使用管道符号可以表示多个选择，你应该很快就能写出\d{15}|\d{18}。但经过测试，你会发现，这个正则并不能很好地完成任务，因为18位数字也会匹配上前15位，具体如下图所示。
+
+<img src="https://static001.geekbang.org/resource/image/a7/b2/a72ad4ccc3eb769562c331f230b9c6b2.png" alt="">
+
+为了解决这个问题，你灵机一动，很快就想到了办法，就是把15和18调换顺序，即写成 **\d{18}|\d{15}**。你发现，这回符合要求了。
+
+<img src="https://static001.geekbang.org/resource/image/ba/3c/ba18101e2109df87288d935b5767c83c.png" alt="">
+
+为什么会出现这种情况呢？因为在大多数正则实现中，多分支选择都是左边的优先。类似地，你可以使用 “北京市|北京” 来查找 “北京” 和 “北京市”。另外我们前面学习过，问号可以表示出现0次或1次，你发现可以使用“北京市?” 来实现来查找 “北京” 和 “北京市”。
+
+<img src="https://static001.geekbang.org/resource/image/fd/30/fdb97d69e376306e68c4e36d5ddbf830.png" alt="">
+
+同样，针对15或18位数字这个问题，可以看成是15位数字，后面3位数据有或者没有，你应该很快写出了 **\d{15}\d{3}?** 。但这样写对不对呢？我们来看一下。
+
+在上一节我们学习了量词后面加问号表示非贪婪，而我们现在想要的是 \d{3} 出现0次或1次。
+
+示例一：<br>
+\d{15}\d{3}?   由于 \d{3} 表示三次，加问号非贪婪还是3次
+
+示例二：<br>
+\d{15}(\d{3})? 在 \d{3} 整体后加问号，表示后面三位有或无
+
+这时候，必须使用括号将来把表示“三个数字”的\d{3}这一部分括起来，也就是表示成\d{15}(\d{3})?这样。现在就比较清楚了：括号在正则中的功能就是用于分组。简单来理解就是，由多个元字符组成某个部分，应该被看成一个整体的时候，可以用括号括起来表示一个整体，这是括号的一个重要功能。其实用括号括起来还有另外一个作用，那就是“复用”，我接下来会给你讲讲这个作用。
+
+## 分组与编号
+
+括号在正则中可以用于分组，被括号括起来的部分“子表达式”会被保存成一个子组。
+
+那分组和编号的规则是怎样的呢？其实很简单，用一句话来说就是，第几个括号就是第几个分组。这么说可能不好理解，我们来举一个例子看一下。
+
+这里有个时间格式 2020-05-10 20:23:05。假设我们想要使用正则提取出里面的日期和时间。
+
+<img src="https://static001.geekbang.org/resource/image/87/8a/87d896f423780c43199222e32c4e428a.png" alt="">
+
+我们可以写出如图所示的正则，将日期和时间都括号括起来。这个正则中一共有两个分组，日期是第 1 个，时间是第 2 个。
+
+#### 不保存子组
+
+在括号里面的会保存成子组，但有些情况下，你可能只想用括号将某些部分看成一个整体，后续不用再用它，类似这种情况，在实际使用时，是没必要保存子组的。这时我们可以在括号里面使用 ?: 不保存子组。
+
+如果正则中出现了括号，那么我们就认为，这个子表达式在后续可能会再次被引用，所以不保存子组可以提高正则的性能。除此之外呢，这么做还有一些好处，由于子组变少了，正则性能会更好，在子组计数时也更不容易出错。
+
+那到底啥是不保存子组呢？我们可以理解成，括号只用于归组，把某个部分当成“单个元素”，不分配编号，后面不会再进行这部分的引用。
+
+<img src="https://static001.geekbang.org/resource/image/d6/18/d6a3d486a8c575bc1961b7db5a153d18.png" alt="">
+
+<img src="https://static001.geekbang.org/resource/image/4b/fb/4b14f91e4307580bb482c58232c3f1fb.png" alt="">
+
+#### 括号嵌套
+
+前面讲完了子组和编号，但有些情况会比较复杂，比如在括号嵌套的情况里，我们要看某个括号里面的内容是第几个分组怎么办？不要担心，其实方法很简单，我们只需要数左括号（开括号）是第几个，就可以确定是第几个子组。
+
+在阿里云简单日志系统中，我们可以使用正则来匹配一行日志的行首。假设时间格式是 2020-05-10 20:23:05 。
+
+<img src="https://static001.geekbang.org/resource/image/08/40/083b6a8af68f56f3120b7c8875329340.png" alt="">
+
+日期分组编号是 1，时间分组编号是 5，年月日对应的分组编号分别是 2，3，4，时分秒的分组编号分别是 6，7，8。
+
+#### 命名分组
+
+前面我们讲了分组编号，但由于编号得数在第几个位置，后续如果发现正则有问题，改动了括号的个数，还可能导致编号发生变化，因此一些编程语言提供了命名分组（named grouping），这样和数字相比更容易辨识，不容易出错。命名分组的格式为`(?P&lt;分组名&gt;正则)`。
+
+比如在Django的路由中，命名分组示例如下：
+
+```
+url(r'^profile/(?P&lt;username&gt;\w+)/$', view_func)
+
+```
+
+需要注意的是，刚刚提到的方式命名分组和前面一样，给这个分组分配一个编号，不过你可以使用名称，不用编号，实际上命名分组的编号已经分配好了。不过命名分组并不是所有语言都支持的，在使用时，你需要查阅所用语言正则说明文档，如果支持，那你才可以使用。
+
+### 分组引用
+
+在知道了分组引用的编号 （number）后，大部分情况下，我们就可以使用 “反斜扛 + 编号”，即 \number 的方式来进行引用，而 JavaScript中是通过`$`编号来引用，如`$`1。
+
+我给到了你一些在常见的编程语言中，分组查找和替换的引用方式：
+
+<img src="https://static001.geekbang.org/resource/image/c4/94/c4eef43e2ccf55978b949a194a175594.jpg" alt="">
+
+这些内容不要求你完全记住，只要有个印象就好，最关键的是要知道正则可以实现这样的功能，
+
+需要用到的时候查一下相应的文档，就知道怎么用了。
+
+## 分组引用在查找中使用
+
+前面介绍了子组和引用的基本知识，现在我们来看下在正则查找时如何使用分组引用。比如我们要找重复出现的单词，我们使用正则可以很方便地使“前面出现的单词再次出现”，具体要怎么操作呢？我们可以使用 \w+ 来表示一个单词，针对刚刚的问题，我们就可以很容易写出 (\w+) \1 这个正则表达式了。
+
+<img src="https://static001.geekbang.org/resource/image/39/e6/3951b939651d32402e9efe63a83e7de6.png" alt="">
+
+## 分组引用在替换中使用
+
+和查找类似，我们可以使用反向引用，在得到的结果中，去拼出来我们想要的结果。还是使用刚刚日期时间的例子，我们可以很方便地将它替换成， 2020年05月10日这样的格式。
+
+<img src="https://static001.geekbang.org/resource/image/b2/14/b2465f3f8c50432b622ec8704dc8a214.png" alt="">
+
+由于这个例子稍微复杂一些，这里我给出一个[示例链接](https://regex101.com/r/2RVPTJ/2)方便你学习，不知道学到这里，你有没有觉得子组和引用非常强大呢？
+
+你可能很好奇，那在编程语言中如何实现这个功能呢？我下面以Python3为例，给出一个示例。
+
+```
+&gt;&gt;&gt; import re
+&gt;&gt;&gt; test_str = &quot;2020-05-10 20:23:05&quot;
+&gt;&gt;&gt; regex = r&quot;((\d{4})-(\d{2})-(\d{2})) ((\d{2}):(\d{2}):(\d{2}))&quot;
+&gt;&gt;&gt; subst = r&quot;日期\1 时间\5   \2年\3月\4日 \6时\7分\8秒&quot;
+&gt;&gt;&gt; re.sub(regex, subst, test_str)
+'日期2020-05-10 时间20:23:05   2020年05月10日 20时23分05秒'
+
+```
+
+在Python中 sub 函数用于正则的替换，使用起来也非常简单，和在网页上操作测试的几乎一样。
+
+## 在文本编辑器中使用
+
+### Sublime Text 3 简介
+
+接下来我用Sublime Text 3 来当例子，给你讲解一下正则查找和替换的使用方式。Sublime Text 3 是一个跨平台编辑器，非常小巧、强悍，虽然是一个收费软件，但可以永久试用，你自行可以下载安装。
+
+当熟练使用编辑器之后，你会发现在很多工作里都可以使用它，不需要编写代码就可以完成。
+
+下面我以文本编辑器 Sublime Text 3 为例，来讲解正则查找和替换的使用方式。首先，我们要使用的“查找”或“替换”功能，在菜单 Find 中可以找到。
+
+<img src="https://static001.geekbang.org/resource/image/e5/43/e54e9cedb2fe132b206c3eb3ba0fae43.png" alt="">
+
+下面是对编辑器查找-替换界面的图标简介，Find 输入栏第一个 .* 图标，表示开启或关闭正则支持。
+
+<img src="https://static001.geekbang.org/resource/image/58/05/588f3618f31cb91dba29264ea0ab6f05.png" alt="">
+
+### 编辑器中进行正则查找
+
+接下来，我们来演示用编辑器查找引号引起来的内容，课程中使用到的文本，建议你用 chrome 等浏览器等，打开极客时间网页版本 [https://time.geekbang.org](https://time.geekbang.org/)，点击右键查看源代码，把看到的代码复制到 Sublime Text 3 中。
+
+<img src="https://static001.geekbang.org/resource/image/31/ab/3119dea0ab1c2c93fb6bd2dc500476ab.png" alt="">
+
+输入相应的正则，我们就可以看到查找的效果了。这里给一个小提示，如果你点击 Find All，然后进行剪切，具体操作可以在菜单中找到 Edit -&gt; Cut，也可以使用快捷键操作。剪切之后，找一个空白的地方，粘贴就可以看到提取出的所有内容了。
+
+我们可以使用正则进行资源链接提取，比如从一个图片网站的源代码中查找到图片链接，然后再使用下载工具批量下载这些图片。
+
+### 在编辑器中进行正则替换
+
+接着，我们再来看一下在编辑器中进行文本替换工作。你可以在编辑器中输入这些文本：
+
+the little cat cat is in the hat hat, we like it.
+
+如果我们要尝试从中查找连续重复出现两次的单词，我们可以用 \w+ 代表单词，利用我们刚刚学习的知识，相信你可以很快写出正则 **(\w+)**  **\1****。**
+
+<img src="https://static001.geekbang.org/resource/image/db/46/dbe5ce11d8968387402bb48b733a5146.png" alt="">
+
+接着点击菜单中的 Find -&gt; Replace，在替换栏中输入子组的引用 **\1** ，然后点击 Replace All 就可以完成替换工作了。
+
+<img src="https://static001.geekbang.org/resource/image/cc/99/ccdbb32b1e41ce365fc7a296feba2699.png" alt="">
+
+这样，通过少量的正则，我们就完成了文本的处理工作了。
+
+几乎所有主流编辑器都是支持正则的，你可以在你喜欢的编辑器中尝试一下这个例子，在后面的工作中，也可以尝试使用它来完成一些复杂的文本查找和替换工作。
+
+## 总结
+
+好了，今天的内容讲完了，我来带你总结回顾一下。
+
+今天我们学习到了正则中的分组和子组编号相关内容。括号可以将某部分括起来，看成一个整体，也可以保存成一个子组，在后续查找替换的时候使用。分组编号是指，在正则中第几个括号内就是第几个分组，而嵌套括号我们只要看左括号是第几个就可以了。如果不想将括号里面的内容保存成子组，可以在括号里面加上?:来解决。
+
+搞懂了分组的内容，我们就可以利用分组引用，来实现将“原文本部分内容”，在查找或替换时进行再次利用，达到实现复杂文本的查找和替换工作。甚至在使用一些文本编辑器的时候，不写代码，我们就可以完成文本的查找替换处理工作，这往往可以节约很多开发时间。
+
+<img src="https://static001.geekbang.org/resource/image/dd/99/dd29e757e0d4352e06eaee3486d73e99.png" alt="">
+
+## 课后思考
+
+最后，我们来做一个小练习吧。有一篇英文文章，里面有一些单词连续出现了多次，我们认为连续出现多次的单词应该是一次，比如：
+
+> 
+the little cat cat is in the hat hat hat, we like it.
+
+
+> 
+其中 cat 和 hat 连接出现多次，要求处理后结果是
+
+
+> 
+the little cat is in the hat, we like it.
+
+
+<img src="https://static001.geekbang.org/resource/image/97/16/97ce94dbc562c7a5e9e9eeb9b9cfeb16.png" alt="">
+
+这个题目我给出了相应的地址 [https://regex101.com/r/2RVPTJ/3](https://regex101.com/r/2RVPTJ/3)，你可以直接在网页上进行测试，写入相应的 “正则查找部分” 和 “正则替换部分”，让结果符合预期。多动手练习，你才能更好地掌握学习的内容。
+
+好，今天的课程就结束了，希望可以帮助到你，也希望你在下方的留言区和我参与讨论。也欢迎把这篇文章分享给你的朋友或者同事，一起交流一下。

极客时间专栏/geek/正则表达式入门课/基础篇/04 | 匹配模式：一次性掌握正则中常见的4种匹配模式.md

@@ -0,0 +1,156 @@
+<audio id="audio" title="04 | 匹配模式：一次性掌握正则中常见的4种匹配模式" controls="" preload="none"><source id="mp3" src="https://static001.geekbang.org/resource/audio/69/c9/69ce6916cdd7c660f51b8bc40d149ac9.mp3"></audio>
+
+你好，我是涂伟忠。今天我们一起来学习正则中的匹配模式（Match Mode）。
+
+所谓匹配模式，指的是正则中一些**改变元字符匹配行为**的方式，比如匹配时不区分英文字母大小写。常见的匹配模式有4种，分别是不区分大小写模式、点号通配模式、多行模式和注释模式。我们今天主要来讲一下这4种模式。
+
+需要注意的是，这里的“模式”对应的是英文中的mode，而不是pattern。有些地方会把正则表达式pattern也翻译成模式，你在网上看到的技术文章中讲的正则模式，有可能指的是正则表达式本身，这一点你需要注意区别。
+
+## 不区分大小写模式（Case-Insensitive）
+
+首先，我们来看一下不区分大小写模式。它有什么用呢？学一个知识的时候，我一般喜欢先从它的应用出发，这样有时候更能激发我学习的兴趣，也更容易看到学习成果。
+
+下面我来举个例子说明一下。在进行文本匹配时，我们要关心单词本身的意义。比如要查找单词cat，我们并不需要关心单词是CAT、Cat，还是cat。根据之前我们学到的知识，你可能会把正则写成这样：**[Cc][Aa][Tt]**，这样写虽然可以达到目的，但不够直观，如果单词比较长，写起来容易出错，阅读起来也比较困难。
+
+<img src="https://static001.geekbang.org/resource/image/33/9d/334501a163b809125f62821edb1cfb9d.png" alt="">
+
+那么有没有更好的办法来实现这个需求呢？这时候不区分大小写模式就派上用场了。
+
+我们前面说了，不区分大小写是匹配模式的一种。当我们把**模式修饰符**放在整个正则前面时，就表示整个正则表达式都是不区分大小写的。模式修饰符是通过**(?模式标识)**的方式来表示的。  我们只需要把模式修饰符放在对应的正则前，就可以使用指定的模式了。在不区分大小写模式中，由于不分大小写的英文是Case-**I**nsensitive，那么对应的模式标识就是 I 的小写字母 i，所以不区分大小写的 cat 就可以写成  **(?i)**cat。
+
+<img src="https://static001.geekbang.org/resource/image/f3/01/f30f895ed1754e1d1a576a59835b9701.png" alt="">
+
+你看，和**[Cc][Aa][Tt] **相比，这样是不是清晰简洁了很多呢？
+
+我们也可以用它来尝试匹配两个连续出现的 cat，如下图所示，你会发现，即便是第一个 cat 和第二个 cat 大小写不一致，也可以匹配上。
+
+<img src="https://static001.geekbang.org/resource/image/ee/e0/eeb074edfd6d052407130311aff8cae0.png" alt="">
+
+我给到了你一个测试链接，你可以在这里试试不区分大小写模式：
+
+[https://regex101.com/r/x1lg4P/1](https://regex101.com/r/x1lg4P/1)。
+
+如果我们想要前面匹配上的结果，和第二次重复时的大小写一致，那该怎么做呢？我们只需要用括号把**修饰符和正则cat部分**括起来，加括号相当于作用范围的限定，让不区分大小写只作用于这个括号里的内容。同样的，我在[这里](https://regex101.com/r/x1lg4P/2)给你放了一个测试链接，你可以自己看一下。
+
+<img src="https://static001.geekbang.org/resource/image/b6/7e/b630d1374a88eb1591f223e86f11c37e.png" alt=""><br>
+需要注意的是，这里正则写成了 ((?i)cat) \1，而不是((?i)(cat)) \1。也就是说，我们给修饰符和cat整体加了个括号，而原来 cat 部分的括号去掉了。如果 cat 保留原来的括号，即 ((?i)(cat)) \1，这样正则中就会有两个子组，虽然结果也是对的，但这其实没必要。在上一讲里我们已经讲解了相关的内容，如果忘记了你可以回去复习一下。
+
+到这里，我们再进阶一下。如果用正则匹配，实现部分区分大小写，另一部分不区分大小写，这该如何操作呢？就比如说我现在想要，the cat 中的 the 不区分大小写，cat 区分大小写。
+
+通过上面的学习，你应该能很快写出相应的正则，也就是 (**(?i)**the) cat。实现的效果如下：
+
+<img src="https://static001.geekbang.org/resource/image/80/7e/802f69e2c0fddf341ada804c20a8767e.png" alt="">
+
+我把部分区分大小写，部分不区分大小写的测试链接放在[这里](https://regex101.com/r/x1lg4P/3)，你可以看一下。
+
+有一点需要你注意一下，上面讲到的通过**修饰符指定匹配模式**的方式，在大部分编程语言中都是可以直接使用的，但在 JS 中我们需要使用 /regex/**i** 来指定匹配模式。在编程语言中通常会提供一些预定义的常量，来进行匹配模式的指定。比如 Python 中可以使用 re.IGNORECASE 或 re.I ，来传入正则函数中来表示不区分大小写。我下面给出了你一个示例，你可以看一下。
+
+```
+&gt;&gt;&gt; import re
+&gt;&gt;&gt; re.findall(r&quot;cat&quot;, &quot;CAT Cat cat&quot;, re.IGNORECASE)
+['CAT', 'Cat', 'cat']
+
+```
+
+到这里我简单总结一下不区分大小写模式的要点：
+
+1. 不区分大小写模式的指定方式，使用模式修饰符 (?i)；
+1. 修饰符如果在括号内，作用范围是这个括号内的正则，而不是整个正则；
+1. 使用编程语言时可以使用预定义好的常量来指定匹配模式。
+
+## 点号通配模式（Dot All）
+
+在基础篇的第一讲里，我为你讲解了元字符相关的知识，你还记得英文的点（.）有什么用吗？它可以匹配上任何符号，但不能匹配换行。当我们需要匹配真正的“任意”符号的时候，可以使用 [\s\S] 或 [\d\D] 或 [\w\W] 等。
+
+<img src="https://static001.geekbang.org/resource/image/e2/84/e2184c4583ff4f32a14c1cb6f1bc9184.png" alt="">
+
+但是这么写不够简洁自然，所以正则中提供了一种模式，让英文的点（.）可以匹配上包括换行的任何字符。
+
+这个模式就是**点号通配模式**，有很多地方把它称作单行匹配模式，但这么说容易造成误解，毕竟它与多行匹配模式没有联系，因此在课程中我们统一用更容易理解的“点号通配模式”。
+
+单行的英文表示是 **S**ingle Line，单行模式对应的修饰符是 **(?s)**，我还是选择用the cat来给你举一个点号通配模式的例子。如下图所示：
+
+<img src="https://static001.geekbang.org/resource/image/59/52/59b4b56c3d5852b3412185dc3a3de052.png" alt="">
+
+需要注意的是，JavaScript不支持此模式，那么我们就可以使用前面说的[\s\S]等方式替代。在Ruby中则是用Multiline，来表示点号通配模式（单行匹配模式），我猜测设计者的意图是把点（.）号理解成“能匹配多行”。
+
+## 多行匹配模式（Multiline）
+
+讲完了点号通配模式，我们再来看看多行匹配模式。通常情况下，`^`匹配整个字符串的开头，$ 匹配整个字符串的结尾。多行匹配模式改变的就是 `^` 和 $ 的匹配行为。
+
+<img src="https://static001.geekbang.org/resource/image/09/b9/09cbdacb73c7c66423a878f452c87fb9.png" alt="">
+
+多行模式的作用在于，使  ^ 和 $ 能匹配上**每行**的开头或结尾，我们可以使用模式修饰符号 (?m) 来指定这个模式。
+
+<img src="https://static001.geekbang.org/resource/image/e3/19/e3bf8bd8f9d594472a940d4a7e4f2f19.png" alt="">
+
+这个模式有什么用呢？在处理日志时，如果日志以时间开头，有一些日志打印了堆栈信息，占用了多行，我们就可以使用多行匹配模式，在日志中匹配到以时间开头的每一行日志。
+
+值得一提的是，正则中还有 \A 和 \z（Python中是 \Z） 这两个元字符容易混淆，\A 仅匹配整个字符串的开始，\z 仅匹配整个字符串的结束，在多行匹配模式下，它们的匹配行为不会改变，如果只想匹配整个字符串，而不是匹配每一行，用这个更严谨一些。
+
+## 注释模式（Comment）
+
+在实际工作中，正则可能会很复杂，这就导致编写、阅读和维护正则都会很困难。我们在写代码的时候，通常会在一些关键的地方加上注释，让代码更易于理解。很多语言也支持在正则中添加注释，让正则更容易阅读和维护，这就是正则的注释模式。正则中注释模式是使用(?#comment) 来表示。
+
+比如我们可以把单词重复出现一次的正则 (\w+) \1 写成下面这样，这样的话，就算不是很懂正则的人也可以通过注释看懂正则的意思。
+
+```
+(\w+)(?#word) \1(?#word repeat again)
+
+```
+
+<img src="https://static001.geekbang.org/resource/image/44/ef/44f064fc587d5e5fd3538849b78039ef.png" alt="">
+
+在很多编程语言中也提供了x模式来书写正则，也可以起到注释的作用。我用Python3给你举了一个例子，你可以参考一下。
+
+```
+import re
+
+regex = r'''(?mx)  # 使用多行模式和x模式
+^          # 开头
+(\d{4})    # 年
+(\d{2})    # 月
+$          # 结尾
+'''
+
+re.findall(regex, '202006\n202007')
+# 输出结果 [('2020', '06'), ('2020', '07')]
+
+```
+
+需要注意的是在x模式下，所有的换行和空格都会被忽略。为了换行和空格的正确使用，我们可以通过把空格放入字符组中，或将空格转义来解决换行和空格的忽略问题。我下面给了你一个示例，你可以看看。
+
+```
+regex = r'''(?mx)
+^          # 开头
+(\d{4})    # 年
+[ ]        # 空格
+(\d{2})    # 月
+$          # 结尾
+'''
+
+re.findall(regex, '2020 06\n2020 07')
+# 输出结果 [('2020', '06'), ('2020', '07')]
+
+```
+
+## 总结
+
+最后，我来给你总结一下，正则中常见的四种匹配模式，分别是：不区分大小写、点号通配模式、多行模式和注释模式。
+
+1. 不区分大小写模式，它可以让整个正则或正则中某一部分进行不区分大小写的匹配。
+1. 点号通配模式也叫单行匹配，改变的是点号的匹配行为，让其可以匹配任何字符，包括换行。
+1. 多行匹配说的是 ^ 和 $ 的匹配行为，让其可以匹配上每行的开头或结尾。
+1. 注释模式则可以在正则中添加注释，让正则变得更容易阅读和维护。
+
+<img src="https://static001.geekbang.org/resource/image/f3/a5/f36c2bca74f9bfcc54bb3e4ed53d4aa5.png" alt="">
+
+## 思考题
+
+最后，我们来做一个小练习吧。HTML标签是不区分大小写的，比如我们要提取网页中的head 标签中的内容，用正则如何实现呢？
+
+<img src="https://static001.geekbang.org/resource/image/74/69/74504bef5656171815b42899f1600969.png" alt="">
+
+你可以动手试一试，用文本编辑器或你熟悉的编程语言来实现，经过不断练习你才能更好地掌握学习的内容。
+
+今天的课程就结束了，希望可以帮助到你，也希望你在下方的留言区和我参与讨论。也欢迎把这篇文章分享给你的朋友或者同事，一起交流一下。