分析百度移动适配正则表达式代码详解

智能手机的普及乃至泛滥，致使网站移动端的流量暴涨，甚至于大大超越PC端的流量。网站移动适配迫在眉睫。博客之家为您提供百度移动适配正则表达式代码详解。



移动适配涉及正则表达式，但由于很多站长并非技术出身，所以在为网站做移动适配的时候总是力不从心，甚至于一筹莫展。一个福音是，百度一直不断在降低适配的难度，这一次还急站长之所急，在站长平台提供了移动适配中可能使用到的各种正则表达式代码。博客之家详解了各种正则表达式中字符所代表的含义，让各位站长知其所以然。



正则表达式规则、详解和示例代码



1、纯数字适配规则：([0-9]+)或(\d+)



解释：



方括号：[]表示字符组，作用是匹配其中一个。如：[1234]代表匹配1、2、3、4四个数字中的一个。



连字符：-表示一个范围。如：[1-4]等价于[1234]、[a-z]等价于[abcdefghijklmnopqrstuvwxyz]。



加号：+表示与之紧邻的元素必须出现一次或者多次。如：[0-9]+代表匹配至少2个数字以上的纯数字组合。比如：01、10、100、1232、134341324132……



\d：Perl等编程语言中用\d代表纯数字，算是一种简化。所以[0-9]等价于\d。



括号：()划定多选结构的范围。在百度移动适配中所有的正则表达式都需包含在()中。



纯数字移动适配示例：



http://www.baidu.com/123456.html -> http://m.baidu.com/123456.html



适配规则：



http://www.baidu.com/([0-9]+).html或者http://www.baidu.com/(\d+).html -> http://m.baidu.com/${1}.html



2、纯字母适配规则：([a-zA-Z]+)



解释：与纯数字一样。这里面包含大小写字母。里面的顺序无所谓，也可以写成([A-Za-z]+)。



[a-zA-Z]等价于[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]。



[a-zA-Z]+代表匹配至少2个字母以上的纯字母组合。比如：aa、BB、aBc、AzdbD……



纯字母移动适配示例：



http://www.baidu.com/abcd.html -> http://m.baidu.com/abcd.html



适配规则：



http://www.baidu.com/([a-z]+).html -> http://m.baidu.com/${1}.html



3、字母与数字混合适配规则：([a-zA-Z0-9]+)或(\w+)或((?:[a-zA-Z]+[0-9]+|[0-9]+[a-zA-Z]+)[a-zA-Z0-9]+)。



解释：严格来讲[a-zA-Z0-9]+可以匹配纯字母、纯数字和字母与数字的混合。



竖线|：匹配任意子表达式，也称为多选分支，可以用()来划定多选结构的范围。如h(a|e)llo，可以匹配：hallo，hello。



\w：Perl等编程语言中用\w代表[a-zA-Z0-9]，算是一种简化。所以[a-zA-Z0-9]+等价于(\w+)，但是百度并未在最新的文档中提到\w+，大约是因为这个正则表达式粒度太大，适配效果没那么好。



百度绝口不提\w+，但却提供：((?:[a-zA-Z]+[0-9]+|[0-9]+[a-zA-Z]+)[a-zA-Z0-9]+)，当你的URL中数字与字母交替至少过一次，则可以使用这种。



(?:正则)这种格式表示匹配正则，但不捕获匹配的文本，也不给此分组分配组号。



字母与数字混合移动适配示例：



http://www.baidu.com/abcd1234.html -> http://m.baidu.com/abcd1234.html



适配规则：



http://www.baidu.com/([a-zA-Z0-9]+).html -> http://m.baidu.com/${1}.html



再如：字母与数字至少交替一次



http://www.baidu.com/ab12cd34.html -> http://m.baidu.com/ab12cd34.html



适配规则：



http://www.baidu.com/((?:[a-zA-Z]+[0-9]+|[0-9]+[a-zA-Z]+)[a-zA-Z0-9]+).html -> http://m.baidu.com/${1}.html



4、确定有中文字符的适配规则：((?:%[a-zA-Z0-9]{2,})+)



解释：区间{min,max}：规定重复次数的范围。{2,}表示至少重复2次，没有上限。



当URL中含有中文，百度会用gb2312去编码。如“潇”这个中文会被编码成：%E4%EC



那么%[a-zA-Z0-9]{2,}就可以匹配%XX这样的规则了。%[a-zA-Z0-9]{2,})+也就是匹配中文的规则。



中文URL适配规则示例：



http://www.baidu.com/博客之家/ -> http://m.baidu.com/博客之家/



适配规则：



http://www.baidu.com/((?:%[a-zA-Z0-9]{2,})+)/ -> http://m.baidu.com/${1}/



5、确定有参数的适配规则：([^&]+)



解释：脱字符^：出现的位置不同，表达的意思有别。



1、当^出现在字符组[]中的第一位时[^…]，表示只匹配未列出的字符。如：[^&]表示匹配除了&之外的任意字符。



2、当^不在[]中，则表示行的起始位置。如：^a表示匹配所有以a开头的行。



参数URL适配规则示例：



http://www.baidu.com/s?wd=爱裙海 ->http://m.baidu.com/s?wd=爱裙海



适配规则：



http://www.baidu.com/s?wd=([^&]+) -> http://m.baidu.com/s?wd=${1}



6、URL中含有-和_的适配规则：



解释：这个只要为-和_连接的各个部分分别做规则适配即可，不再赘述。



-和_URL适配规则示例：



https://www.blogs.hk/fushi-index.html -> http://m.www.blogs.hk/fushi-index.html



适配规则：



https://www.blogs.hk/([a-zA-Z]+)-([a-zA-Z]+).html -> http://m.www.blogs.hk/${1}-${2}.html