Regular Expressions (Regex) là gì?
Regular expressions, còn gọi là regex, hoạt động bằng cách định nghĩa pattern (mẫu) để tìm kiếm ký tự hoặc từ cụ thể bên trong chuỗi (string).
Khi đã định nghĩa pattern mong muốn, bạn có thể chỉnh sửa, xóa ký tự/từ, thay thế cái này bằng cái khác, trích xuất thông tin liên quan từ tệp hoặc bất kỳ chuỗi nào chứa pattern đó, v.v.
Tại sao nên học Regex?
Regex cho phép xử lý văn bản (text processing) theo cách tiết kiệm thời gian lớn. Cũng mang lại niềm vui trong quá trình.
Dùng regex giúp định vị thông tin dễ dàng hơn. Khi tìm thấy mục tiêu, bạn có thể batch edit/replace/delete hoặc xử lý hàng loạt.
Ví dụ thực tế: đổi tên file hàng loạt, parse log, validate form, chỉnh sửa hàng loạt trong codebase, tìm kiếm đệ quy.
Trong hướng dẫn này, chúng ta sẽ bao gồm regex cơ bản với sự giúp đỡ của trang web này. Sau đó, tôi sẽ giới thiệu một số thử thách regex bạn sẽ giải quyết bằng Python. Cũng chỉ cách dùng công cụ như sed và grep với regex.
Giống nhiều thứ trong đời, regular expressions là thứ bạn chỉ hiểu thật sự khi làm thực tế. Tôi khuyến khích bạn thử nghiệm regex khi đọc bài này.
Mục lục
- Regex Basics
- Exact match (Khớp chính xác)
- Character set (Tập ký tự)
- Match ranges in regex (Khớp phạm vi trong regex)
- Match any character not in the set (Khớp ký tự không trong tập)
- Character classes (Lớp ký tự)
- Quantifiers (Lượng từ)
- Capture groups (Nhóm bắt)
- Cách dùng logical OR trong regex
- Cách tham chiếu capture groups
- Cách đặt tên capture groups
- Cách dùng regex với công cụ dòng lệnh
- Recursive regex search with grep (Tìm kiếm đệ quy regex với grep)
- Substitution with sed (Thay thế với sed)
- Advanced Regex: Lookarounds
- Lookbehinds
- Lookaheads
- Practical Examples of Regex
- Logs parsing (Phân tích log)
- Bulk File Renaming (Đổi tên file hàng loạt)
- Email validation (Xác thực email)
- Password constraints (Ràng buộc mật khẩu)
- Final words (Lời kết)
Regex Basics
Regular expression đơn giản là chuỗi ký tự khớp với một pattern. Ngoài dùng ký tự literal (như 'abc'), có meta characters (*, +, ?...) có mục đích đặc biệt. Cũng có tính năng như character classes giúp đơn giản hóa regex.
Trước khi viết regex, bạn cần nắm rõ mọi trường hợp cơ bản và edge case cho pattern bạn tìm.
Ví dụ, muốn khớp 'Hello World', bạn có muốn dòng bắt đầu bằng 'Hello' hay có thể bắt đầu bằng bất cứ thứ gì? Có muốn đúng một khoảng trắng giữa 'Hello' và 'World' hay có thể nhiều hơn? Có ký tự khác sau 'World' hay dòng kết thúc ở đó? Có quan tâm case sensitivity? V.v.
Đây là loại câu hỏi bạn phải có câu trả lời trước khi viết regex.
Exact match (Khớp chính xác)
Dạng cơ bản nhất của regex là khớp chuỗi ký tự giống như Ctrl-F trong trình soạn thảo văn bản.
Ở trên thấy số lượng match, dưới có giải thích chi tiết regex khớp từng ký tự.
Character set (Tập ký tự)
Regex character sets cho phép khớp bất kỳ ký tự nào từ một nhóm ký tự. Nhóm được bao quanh bởi ngoặc vuông [].
Ví dụ, t[ah]i khớp "tai" và "thi". Ở đây 't' và 'i' cố định, nhưng giữa chúng có thể xuất hiện 'a' hoặc 'h'.
Match ranges in regex (Khớp phạm vi trong regex)
Đôi khi muốn khớp nhóm ký tự liên tiếp, như bất kỳ chữ cái in hoa tiếng Anh. Viết hết 26 chữ cái khá vất vả.
Regex giải quyết bằng ranges (phạm vi). Dấu - đóng vai trò toán tử phạm vi. Một số phạm vi hợp lệ:
| Range | Matches |
|---|---|
[A-Z] | chữ cái in hoa |
[a-z] | chữ cái thường |
[0-9] | bất kỳ chữ số |
Có thể chỉ định phạm vi một phần, như [b-e] khớp 'bcde' hoặc [3-6] khớp '3456'.
Không giới hạn chỉ một phạm vi trong character set. Có thể dùng nhiều phạm vi và kết hợp với ký tự khác. Ở đây, [3-6u-w;] khớp '3456uvw' hoặc dấu chấm phẩy ';'.
Match any character not in the set (Khớp ký tự không trong tập)
Nếu thêm ^ trước tập, phép ngược lại diễn ra. Ví dụ, [^A-Z0-9] khớp bất cứ thứ gì trừ chữ cái in hoa và chữ số.
Character classes (Lớp ký tự)
Khi viết regex, bạn thường phải khớp các nhóm như chữ số (digits) nhiều lần trong cùng biểu thức.
Ví dụ, pattern 'chữ-cái-chữ-số-chữ-cái-chữ-số' làm sao khớp?
Với kiến thức đến đây, bạn có thể viết [a-zA-Z]-[0-9]-[a-zA-z]-[0-9]. Điều này chạy, nhưng thấy biểu thức rối khi pattern dài hơn.
Để đơn giản hóa, các class được gán cho nhóm ký tự xác định rõ như chữ số. Bảng dưới đây cho thấy các class và biểu thức tương đương với character sets:
| Class | Matches | Equivalent expression |
|---|---|---|
. | bất kỳ ký tự trừ newline | [^\n\r] |
\w | word character | [a-zA-Z0-9_] |
\W | non-word character | [^\w] |
\d | digits (chữ số) | [0-9] |
\D | non-digits | [^\d] |
\s | space, tab, newlines | [ \t\r\n\f] |
\S | non whitespace characters | [^\s] |
Character classes rất tiện, làm biểu thức sạch hơn. Sẽ dùng nhiều trong hướng dẫn này, bạn có thể dùng bảng này làm tham chiếu.
Thường chúng ta không quan tâm tất cả vị trí trong pattern. Class . cứu chúng ta khỏi viết tất cả ký tự có thể trong set.
Ví dụ, t.. khớp bất cứ thứ gì bắt đầu bằng t và 2 ký tự bất kỳ sau đó. Điều này nhắc đến toán tử LIKE trong SQL dùng t%% để làm tương tự.
Quantifiers (Lượng từ)
Từ "pattern" và "repetition" (lặp lại) đi cùng nhau. Muốn khớp số 3 chữ số dùng \d\d\d. Nhưng cần khớp 11 chữ số? Có thể viết '\d' 11 lần, nhưng quy tắc chung: nếu thấy mình lặp lại hơn 2 lần, có thể đang bỏ lỡ tính năng nào đó.
Trong regex, dùng quantifiers cho mục đích này. Khớp 11 chữ số: \d{11}.
Bảng dưới liệt kê quantifiers dùng trong regex:
| Quantifier | Matches |
|---|---|
* | 0 hoặc nhiều |
? | 0 hoặc 1 |
+ | 1 hoặc nhiều |
{n} | đúng n lần |
{n, } | n hoặc nhiều lần |
{n, m} | n đến m lần (tính cả 2 đầu) |
Trong ví dụ, biểu thức can\s+write khớp can theo sau 1 hoặc nhiều whitespace rồi write. Nhưng 'canwrite' không khớp vì \s+ yêu cầu ít nhất một whitespace. Hữu ích khi tìm kiếm văn bản chưa trimmed.
Bạn đoán được can\s?write khớp gì?
Capture groups (Nhóm bắt)
Capture groups là sub-expression trong ngoặc đơn (). Có thể có bao nhiêu capture groups, thậm chí nested capture groups.
Biểu thức (The ){2} khớp 'The ' hai lần. Nhưng không có capture group, The {2} khớp 'The' theo sau 2 khoảng trắng, vì quantifier áp dụng cho ký tự space chứ không phải 'The ' như một nhóm.
Bạn có thể khớp bất kỳ pattern nào bên trong capture groups như bất kỳ regex hợp lệ nào. Ở đây (is\s+){2} khớp nếu tìm thấy 'is' theo sau 1 hoặc nhiều space hai lần.
Cách dùng logical OR trong regex
Dùng | để khớp nhiều pattern. This is (good|bad|sweet) khớp 'This is ' theo sau bất kỳ 'good' hoặc 'bad' hoặc 'sweet'.
Lại nhấn mạnh tầm quan trọng của capture groups. Hãy nghĩ xem This is good|bad|sweet khớp gì?
Với capture group, good|bad|sweet tách biệt khỏi This is. Nếu không trong capture group, toàn bộ regex chỉ là một nhóm. Vậy This is good|bad|sweet khớp nếu chuỗi chứa 'This is good' HOẶC 'bad' HOẶC 'sweet'.
Cách tham chiếu capture groups
Capture groups có thể tham chiếu trong cùng biểu thức hoặc khi thực hiện replacement (thay thế) như thấy ở tab Replacement.
Hầu hết công cụ và ngôn ngữ cho phép tham chiếu nhóm bắt thứ n bằng \n. Trang này dùng $n khi tham chiếu trên replacement. Cú pháp replacement khác tùy công cụ/ngôn ngữ. Ví dụ JavaScript dùng $n, Python dùng \n.
Trong biểu thức (This) is \1 power, 'This' bị bắt và tham chiếu bằng \1, khớp hiệu quả This is This power.
Cách đặt tên capture groups
Có thể đặt tên capture groups bằng cú pháp (?<name>pattern) và backreference trong cùng biểu thức bằng \k<name>.
Trên replacement, tham chiếu bằng $<name>. Đây là cú pháp JavaScript, có thể khác giữa các ngôn ngữ. Tìm hiểu sự khác biệt ở đây. Cũng lưu ý tính năng này có thể không có trong một số ngôn ngữ.
Trong biểu thức (?<lang>[\w+]+) is the best but \k<lang> .*, pattern [\w+]+ bị bắt với tên 'lang' và backreference bằng \k<lang>. Pattern khớp bất kỳ word character hoặc '+' 1 hoặc nhiều lần. .* cuối regex khớp bất kỳ ký tự 0 hoặc nhiều lần. Cuối cùng trên replacement, tham chiếu bằng $<lang>.
Có công cụ CLI tốt cho phép thực hiện regex từ terminal. Các công cụ này tiết kiệm thời gian hơn vì bạn dễ dàng test regex khác nhau mà không cần viết code rồi compile/interpret.
Một số công cụ nổi tiếng: grep, sed, awk. Xem vài ví dụ để có ý tưởng cách tận dụng.
Recursive regex search with grep (Tìm kiếm đệ quy regex với grep)
Bạn có thể thi triển sức mạnh regex qua grep. Grep tìm pattern trong tệp hoặc tìm kiếm đệ quy.
Nếu dùng Windows, cài grep bằng winget. Chạy lệnh trong powershell:
winget install -e --id GnuWin32.Grep
Tôi sẽ chỉ giải pháp cho thử thách tôi tạo cho cuộc thi CTF tại trường.
File đính kèm là file zip chứa nhiều cấp thư mục và rất nhiều tệp. Tên cuộc thi là Coderush với flag format coderush{flag is here}. Vậy tìm pattern coderush{.*} khớp flag format coderush{bất kỳ ký tự nào}.
Giải nén bằng unzip ripG.zip và cd vào với cd ripG.
Có 358 thư mục và 8731 tệp. Thay vì tìm pattern tệp từng cái, dùng grep như sau:
grep --color -R "coderush{.*}"
Cờ -R bật tìm kiếm đệ quy.
Tìm hiểu thêm về grep và các tùy chọn dòng lệnh ở đây
Substitution with sed (Thay thế với sed)
Dùng sed thực hiện chèn, xóa, thay thế trên file text bằng cách chỉ định regex. Nếu dùng Windows, lấy sed ở đây. Hoặc nếu dùng WSL, grep và sed đã có sẵn.
Cách dùng sed phổ biến nhất:
sed 's/pattern/replacement/g' filename echo "${text}" | sed 's/pattern/replacement/g'
Ở đây, tùy chọn g chỉ định thay thế tất cả lần xuất hiện.
Một số tùy chọn hữu ích khác: -n tắt hành vi mặc định in tất cả dòng, dùng p thay g để chỉ in dòng bị ảnh hưởng bởi regex.
Xem nội dung texts.txt:
Hello rand chars World 56 rand chars Henlo 52 rand chars W0rld rand chars GREP rand chars Henlo 62 rand chars Henlo 10 rand chars Henlo rand chars GREP rand chars Henlo 45 rand chars
Nhiệm vụ: thay Henlo number thành Hello number CHỈ ở dòng có "GREP". Tìm pattern Henlo ([0-9]+) khớp 'Henlo ' theo sau 1 hoặc nhiều chữ số, tất cả chữ số bị bắt. Replacement string là Hello \1 – \1 tham chiếu capture group chứa chữ số.
Một cách: grep các dòng có "GREP" rồi replace với sed.
grep "GREP" texts.txt | sed -En 's/Henlo ([0-9]+)/Hello \1/p'
Tùy chọn -E bật extended regex, nếu không phải escape ngoặc đơn.
Hoặc chỉ dùng sed. Dùng /pattern/ giới hạn substitution chỉ dòng có pattern.
sed -En '/GREP/ s/Henlo ([0-9]+)/Hello \1/p' texts.txt
Advanced Regex: Lookarounds (Regex nâng cao: Lookarounds)
Lookaheads và Lookbehinds (cùng gọi là lookarounds) là tính năng regex cho phép kiểm tra sự tồn tại của pattern mà không bao gồm nó trong match.
Có thể coi chúng như zero-width assertions (khẳng định độ rộng bằng 0) – chúng khẳng định pattern tồn tại nhưng không tiêu thụ ký tự nào trong match. Rất mạnh, nhưng tốn tài nguyên tính toán. Hãy chú ý hiệu năng nếu dùng thường xuyên.
Lookbehinds
Giả sử muốn khớp từ 'linux', nhưng có 2 điều kiện:
- Từ 'GNU' phải xuất hiện trước 'linux'. Nếu dòng chứa 'linux' nhưng không có 'GNU' trước nó, loại bỏ dòng đó.
- Chỉ khớp
linuxvà không khớp thêm gì.
Điều kiện 1 đã biết làm. GNU.* khớp 'GNU' theo sau bất kỳ ký tự nào. Cuối khớp từ linux. Sẽ khớp toàn bộ GNU-any-characters-linux.
Nhưng làm sao ngăn khớp GNU.* mà vẫn giữ điều kiện 1?
Đó là lúc positive lookbehind xuất hiện. Đánh dấu capture group là positive lookbehind bằng cách thêm tiền tố ?<=. Trong ví dụ, biểu thức thành (?<=GNU.*)linux.
Bây giờ chỉ linux bị khớp, không có gì khác.
Lưu ý: biểu thức (?<=GNU.*)linux và linux(?<=GNU.*) hoạt động giống hệt nhau. Trong biểu thức 2, dù linux đứng trước lookbehind, có .* sau 'GNU' khớp linux. Nghĩa là thỏa mãn lookbehind.
Để đơn giản, hãy nghĩ pattern không có lookbehind. Pattern GNU.* khớp 'GNU' và bất cứ gì sau nó, trong trường hợp khớp linux.
Có thể suy ra phát biểu chung: biểu thức (?<=C)X khớp pattern X – chỉ nếu pattern C xuất hiện trước X (và C không được bao gồm trong match).
Có thể đảo ngược điều kiện 1. Khớp dòng chứa từ linux chỉ nếu GNU KHÔNG BAO GIỜ xuất hiện trước nó. Đây gọi là negative lookbehind. Tiền tố là ?<!. Nghịch đảo biểu thức trước: (?<!GNU.*)linux.
Lookaheads
Lookaheads cũng là assertions như lookbehinds, như ví dụ trước. Khác biệt: lookbehinds khẳng định trước, lookaheads khẳng định sau.
Giả sử có 2 điều kiện:
- Khớp
Hellochỉ nếuWorldxuất hiện đâu đó sau nó. - Chỉ khớp Hello và không khớp thêm gì.
Tiền tố positive lookahead là ?=. Biểu thức Hello(?=.*World) thỏa cả 2. Tương tự Hello.*World ngoại trừ chỉ Hello bị khớp, trong khi Hello.*World khớp 'Hello', 'World' và mọi thứ giữa chúng.
Tương tự positive lookbehind, Hello(?=.*World) và (?=.*World)Hello tương đương. Vì .* trước 'World' khớp Hello, thỏa điều kiện 1.
Negative lookahead là bổ sung của negative lookbehind. Dùng tiền tố ?!. (?!World)Hello khớp Hello chỉ nếu KHÔNG CÓ World đâu sau nó.
Tóm tắt cú pháp lookarounds khi muốn khớp pattern X với assertion C:
| Operation | RegEx |
|---|---|
| positive lookahead | (?=C)X |
| negative lookahead | (?!C)X |
| positive lookbehind | (?<=C)X |
| negative lookbehind | (?<!C)X |
Logs parsing (Phân tích log)
Trong file log này, các dòng chúng ta quan tâm:
[1/10000] Train loss: 11.30368, Valid loss: 8.95446, Elapsed_time: 7.58941 [500/10000] Train loss: 0.96180, Valid loss: 0.20098, Elapsed_time: 82.48651 [1000/10000] Train loss: 0.04051, Valid loss: 0.11927, Elapsed_time: 156.86243
Nhiệm vụ: trích xuất training loss và validation loss để vẽ biểu đồ loss qua epochs. Cần trích xuất giá trị training loss như 11.30368, 0.96180, 0.04051 vào mảng.
Tất cả giá trị liên quan có tiền tố 'Train loss:', dùng tiền tố này trong regex. Để khớp số thực (float), khớp một số chữ số theo sau dấu "." rồi theo sau thêm chữ số. Làm được với \d+\.\d+. Vì muốn giữ các số này, cho vào capture group.
Vì "." có ý nghĩa đặc biệt trong regex, khi muốn khớp ký tự "." phải escape bằng backslash. Áp dụng cho mọi ký tự đặc biệt. Nhưng không cần escape bên trong character set.
Tổng hợp, biểu thức trích xuất training loss: Train loss: (\d+\.\d+). Dùng logic tương tự trích validation loss: Valid loss: (\d+\.\d+).
Cách trích xuất bằng Python:
import re f = open("log_train.txt", "r").read() train_loss = re.findall(r'Train loss: (\d+\.\d+)', f) valid_loss = re.findall(r'Valid loss: (\d+\.\d+)', f) train_loss = [float(i) for i in train_loss] valid_loss = [float(i) for i in valid_loss] print("train_loss =", train_loss) print("") print("valid_loss =", valid_loss)
Khi có một capture group, re.findall tìm tất cả dòng và trả về giá trị trong capture group dưới dạng list.
Mọi hàm regex chỉ trả về string, nên chuyển thành float và in ra. Sau đó dùng trực tiếp trong script Python khác như list of floats.
Kết quả:
Cũng có thể dùng sed, lưu output vào train_losses.txt, đọc từ file. Dùng /Train/ chỉ target dòng có 'Train' rồi áp regex như trước.
sed -En '/Train/ s/.*Train loss: ([0-9]+\.[0-9]+).*/\1/p' log_train.txt | tee train_losses.txt
.* thêm đầu và cuối để sed khớp nội dung tất cả dòng liên quan. Sau đó toàn bộ dòng bị thay bằng giá trị capture group. Lệnh tee chuyển output sed vào train_losses.txt đồng thời in ra terminal.
Hãy suy nghĩ: cần gì để trích xuất epochs? Trích 500 từ [500/10000] cho mọi dòng như vậy. Mảng nên dạng [1, 500, 1000, 1500, ...]. Làm theo cách tương tự ví dụ trước.
Lưu ý: muốn khớp "[" hoặc "]", phải escape. Đáp án ở đây.
Bulk File Renaming (Đổi tên file hàng loạt)
Bạn có các file với giá trị ngẫu nhiên làm tiền tố. Cần đổi tên tất cả thành 1.mp4, 2.mp4, v.v. Cách file được tạo:
Tình huống thường gặp: danh sách file có sequence number trong tên nhưng cũng có ký tự khác không mong muốn.
Pattern phải khớp bất cứ gì đến 'Episode' rồi dấu gạch dưới và số và .mp4 ở cuối.
Giá trị liên quan là số trước '.mp4' cho vào capture group. .*Episode_ khớp mọi thứ đến số. Sau đó bắt số bằng ([0-9]+) và khớp .mp4 bằng \.mp4.
Regex cuối cùng: .*Episode_([0-9]+)\.mp4. Vì muốn giữ .mp4, replacement string là \1.mp4.
Cách giải bằng sed:
for i in *.mp4; do newname=$(echo $i | sed -En 's/.*Episode_([0-9]+)\.mp4/\1.mp4/p') mv $i $newname done;ls
Đầu tiên lưu tên mới vào biến, sau đó dùng lệnh mv đổi tên file.
Có thể dùng .* thay .*Episode_ không? Trong ví dụ này, được. Nhưng có thể tên file như Steins_Gate0.mp4 mà 0 là phần tên phim, bạn không muốn đổi file này – nên cụ thể càng tốt.
Nếu một số file tên "Random_Episode6.mp4"? Khác biệt: không có dấu gạch dưới sau Episode. Cần thay đổi gì?
Câu trả lời: thêm ? sau _ để làm optional. Regex thành .*Episode_?([0-9]+)\.mp4.
Email validation (Xác thực email)
Có nhiều regex phức tạp validate email.
Đây là cái đơn giản: ^[^@ ]+@[^@.]+\.\w+$. Khớp format A@B.C
Bảng dưới phân tích pattern thành các phần nhỏ:
| Pattern | Matches |
|---|---|
^ | đầu dòng |
[^@ ]+ | bất cứ thứ gì trừ "@" và space |
@[^@.]+ | @ theo sau bất cứ thứ gì trừ "@" và "." |
\.\w+ | "." theo sau word characters |
$ | cuối dòng |
Trên trang regexr, bật multiline flag từ tab Flags góc trên phải. 'gm' cuối chỉ multiline flag enabled.
Thấy dòng 2,3,5,6 không khớp. Bạn tìm ra lý do và phần regex nào loại trừ nó?
Đáp án ở đây
Password constraints (Ràng buộc mật khẩu)
Cũng dùng regex để đặt ràng buộc. Ở đây khai phá sức mạnh positive lookaheads.
Giả sử chỉ chấp nhận chuỗi nếu có chữ số. Bạn đã biết tìm chữ số với class \d. Để làm được, dùng [^\d]*\d. Khớp non-digit 0 hoặc nhiều lần rồi khớp một chữ số.
Cũng dùng .*\d khớp một chữ số. Vì vậy nếu chuỗi không có chữ số, lookahead fail và không ký tự nào của chuỗi bị khớp, trả về chuỗi rỗng "".
Khi dùng ngôn ngữ lập trình, kiểm tra nếu regex trả về chuỗi rỗng để xác định ràng buộc không thỏa mãn.
Tạo regex đặt các tiêu chí sau:
- Tối thiểu 8 ký tự, tối đa 16 ký tự.
- Ít nhất một chữ thường.
- Ít nhất một chữ hoa.
- Ít nhất một số.
Để đạt được, dùng positive lookaheads. Regex:
^(?=.*[a-z])(?=.*[A-Z])(?=.*\d).{8,16}$
Bảng dưới giải thích phần regex nào đặt ràng buộc nào:
| Pattern | Imposed Constraint |
|---|---|
.{8,16} | min 8 max 16 ký tự |
(?=.*[a-z]) | ít nhất một chữ thường |
(?=.*[A-Z]) | ít nhất một chữ hoa |
(?=.*\d) | ít nhất một chữ số |
Sửa đổi gì để yêu cầu ít nhất 5 chữ hoa?
Bạn nghĩ (?=.*[A-Z]{5,}) làm được. Nhưng biểu thức này yêu cầu 5 chữ hoa LIỀN KỀ. Chuỗi rand-ABCDE-rand khớp nhưng 0AxBCDxE0 KHÔNG khớp dù có 5 chữ hoa (vì không liền kề).
Lại nhờ capture groups. Muốn khớp 5 chữ hoa bất kỳ đâu trong chuỗi. Đã biết khớp 1 chữ hoa với .*[A-Z]. Cho vào capture group gắn quantifier min 5. Biểu thức: (.*[A-Z]){5,}.
Đáp án cuối:
Thay (?=.*[A-Z]) bằng (?=(.*[A-Z]){5,}). Biểu thức thành ^(?=.*[a-z])(?=(.*[A-Z]){5,})(?=.*\d).{8,16}$.
Cũng có thể yêu cầu mật khẩu không chứa từ nhất định để tăng cường độ mạnh.
Ví dụ, từ chối mật khẩu nếu chứa pass hoặc 1234. Negative lookaheads là công cụ cho việc này. Regex: ^(?!.*(pass|1234)).*$.
Trong regex, để pass và 1234 trong capture group dùng logical OR. Capture group này nested trong capture group khác tiền tố ?!.*. Tạo negative lookahead khớp nếu ít nhất 8 ký tự bằng .{8,} với điều kiện pass hoặc 1234 không xuất hiện đâu trong chuỗi.
Lời kết
Hy vọng bạn đã có nhiều thực hành khi đọc bài này. Không sao nếu quên một số cú pháp. Quan trọng là hiểu khái niệm cốt lõi và biết rõ những gì regex có thể làm. Sau đó, nếu quên pattern, chỉ cần google hoặc tra cheatsheet.
Càng thực hành nhiều, càng ít cần giúp đỡ bên ngoài. Cuối cùng bạn sẽ viết được regex siêu phức tạp và hiệu quả hoàn toàn offline.
Đã có nhiều regex cheatsheet tốt, nên tôi muốn tạo bài viết sâu hơn để bạn tham khảo khái niệm cốt lõi và use case phổ biến.
Nếu cần cheatsheet, cái từ QuickRef hữu ích. Nơi tốt nhớ cú pháp và cung cấp overview cơ bản về hàm regex trong các ngôn ngữ.
Hầu hết kỹ thuật regex giống nhau mọi ngôn ngữ/công cụ – nhưng công cụ cụ thể có thể cung cấp tính năng thêm. Hãy research công cụ bạn dùng để chọn cái tốt nhất.
Lời khuyên cuối: đừng ép buộc dùng regex chỉ vì bạn có thể. Nhiều lúc string.find() thường đủ. Nhưng nếu bạn sống trong terminal, chắc chắn làm được rất nhiều chỉ với regex.
Nếu thích loại bài này, hãy theo dõi blog hoặc twitter của tôi.
Học lập trình miễn phí. Chương trình mã nguồn mở của freeCodeCamp đã giúp hơn 40.000 người tìm việc lập trình viên. Bắt đầu ngay