介绍
这周开始学习老姚大佬的《JavaScript 正则表达式迷你书》 , 然后习惯性的看完一遍后,整理一下知识点,便于以后自己重新复习。
我个人觉得:自己整理下来的资料,对于知识重现,效果不错。
感谢原书作者老姚,本文无意抄袭,只是作为自己知识点的整理,后续也会整理到自己的 JavaScript知识库——《Cute-JavaScript》 网站中。
另外,请读者们注意,这篇文章是知识点的整理,方便复习,所以不会介绍太详细,因为毕竟原书写得非常棒,刚入门的朋友,我还是建议看下原书。
然后可以看看这篇文章,来回顾重要知识点。
- 《JavaScript 正则表达式迷你书》
- 《Cute-JavaScript》
目录
- 一、正则表达式字符匹配
- 二、正则表达式位置匹配
- 三、正则表达式括号的使用
- 四、正则表达式回溯法原理
- 五、正则表达式的拆分
- 六、正则表达式的构建
- 七、正则表达式编程
文章推荐(补充中)
- 老姚 —— JS正则表达式完整教程
- 常见的正则表达式可视化描述
工具推荐
- Regulex*%3F%24)
- Rubular
一、正则表达式字符匹配
原书这么一句话,特别棒:正则表达式是匹配模式,要么匹配字符,要么匹配位置,要记住。
1. 两种模糊匹配
正则表达式的强大在于它的模糊匹配,这里介绍两个方向上的“模糊”:横向模糊和纵向模糊。
- 横向模糊匹配
即一个正则可匹配的字符串长度不固定,可以是多种情况。
如 /ab{2,5}c/
表示匹配: 第一个字符是 "a"
,然后是 2 - 5 个字符 "b"
,最后是字符 "c"
:
let r = /ab{2,5}c/g;
let s = "abc abbc abbbc abbbbbbc";
s.match(r); // ["abbc", "abbbc"]
- 纵向模糊匹配
即一个正则可匹配某个不确定的字符,可以有多种可能。
如 /[abc]/
表示匹配 "a", "b", "c"
中任意一个。
let r = /a[123]b/g;
let s = "a0b a1b a4b";
s.match(r); // ["a1b"]
2. 字符组
- 范围表示法
可以指定字符范围,比如 [1234abcdUVWXYZ]
就可以表示成 [1-4a-dU-Z]
,使用 -
来进行缩写。
如果要匹配 "a", "-", "z"
中任意一个字符,可以这么写: [-az]
或 [a\-z]
或 [az-]
。
- 排除字符组
即需要排除某些字符时使用,通过在字符组第一个使用 ^
来表示取反,如 [^abc]
就表示匹配除了 "a", "b", "c"
的任意一个字符。
- 常见简写形式
字符组 | 具体含义 |
---|---|
\d |
表示 [0-9] ,表示一位数字。 |
\D |
表示 [^0-9] ,表示除数字外的任意字符。 |
\w |
表示 [0-9a-zA-Z_] ,表示数字、大小写字母和下划线。 |
\W |
表示 [^0-9a-zA-Z_] ,表示非单词字符。 |
\s |
表示 [\t\v\n\r\f] ,表示空白符,包含空格、水平制表符、垂直制表符、换行符、回车符、换页符。 |
\S |
表示 [^\t\v\n\r\f] ,表示非空白字符。 |
. |
表示 [^\n\r\u2028\u2029] 。通配符,表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。 |
然后表示任意字符,就可以使用 [\d\D]
、[\w\W]
、[\s\S]
和 [^]
任意一个。
3. 量词
量词也称重复,常用简写如下:
量词 | 具体含义 |
---|---|
{m,} |
表示至少出现 m 次。 |
{m} |
等价于 {m, m} ,表示出现 m 次。 |
? |
等价于 {0, 1} ,表示出现或不出现。 |
+ |
等价于 {1, } ,表示至少出现1次。 |
* |
等价于 {0, } ,表示出现任意次,也有可能不出现。 |
- 贪婪匹配和惰性匹配
在正则 /\d{2,4}/
,表示数字连续出现 2 - 4 次,可以匹配到 2 位、 3 位、4 位连续数字。
但是在 贪婪匹配 如 /\d{2,4}/g
,会尽可能多匹配,如超过 4 个,就只匹配 4 个,如有 3 个,就匹配 3 位。
而在 惰性匹配 如 /\d{2,4}?/g
,会 尽可能少 匹配,如超过 2 个,就只匹配 2 个,不会继续匹配下去。
let r1 = /\d{2,4}/g;
let r2 = /\d{2,4}?/g;
let s = "123 1234 12345";
s.match(r1); // ["123", "1234", "1234"]
s.match(r2); // ["12", "12", "34", "12", "34"]
惰性量词 | 贪婪量词 |
---|---|
{m,m}? |
{m,m} |
{m,}? |
{m,} |
?? |
? |
+? |
+ |
*? |
* |
4. 多选分支
即提供多个子匹配模式任选一个,使用 |
(管道符)分隔,由于分支结构也是惰性,即匹配上一个后,就不会继续匹配后续的。
格式如:(r1|r2|r3)
,我们就可以使用 /leo|pingan/
来匹配 "leo"
和 "pingan"
。
let r = /leo|pingan/g;
let s = "leo cool,pingan good.";
s.match(r);// ["leo", "pingan"]
// 多选分支的惰性表现
let r1 = /leo|leooo/g;
let r2 = /leooo|leo/g;
let s = "leooo";
s.match(r1);// ["leo"]
s.match(r2);// ["leooo"]
5. 案例分析
匹配字符,无非就是字符组、量词和分支结构的组合使用。
- 十六进制颜色值匹配
let r = /#[0-9a-fA-F]{6}|#[0-9a-fA-F]{3}/g;
let s = "#ffaacc #Ff00DD #fFF #01d #9Gd";
s.match(r); // ["#ffaacc", "#Ff00DD", "#fFF", "#01d"]
- 时间和日期匹配
// 时间 12:23 或 01:09
let r = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;
r.test("23:25"); // true
r.test("03:05"); // true
// 时间 12:23 或 1:9
let r = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;
r.test("23:25"); // true
r.test("03:05"); // true
r.test("3:5"); // true
// 日期 yyyy-mm-dd
let r = /^[0-9]{4}-(0[1-9]|[1][0-2])-(0[1-9]|[12][0-9]|3[01])$/;
r.test("2019-09-19"); // true
r.test("2019-09-32"); // false
- Windows操作系统文件路径匹配
盘符使用 [a-zA-Z]:\\
,这里需要注意 \
字符需要转义,并且盘符不区分大小写;
文件名或文件夹名,不能包含特殊字符,使用 [^\\:*<>|"?\r\n/]
表示合法字符;
并且至少有一个字符,还有可以出现任意次,就可以使用 ([^\\:*<>|"?\r\n/]+\\)*
匹配任意个 文件夹\
;
还有路径最后一部分可以是 文件夹
,即没有 \
于是表示成 ([^\\:*<>|"?\r\n/]+)?
。
let r = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;
r.test("C:\\document\\leo\\a.png"); // true
r.test("C:\\document\\leo\\"); // true
r.test("C:\\document"); // true
r.test("C:\\"); // true
- id匹配
如提取 tips1:由于 位置匹配,就是要匹配每个字符两边的位置。 在 另外把位置理解成空字符是非常有用的: 多行匹配模式使用 简单理解:括号提供了分组,便于我们使用它。 通常有两种引用情况:在JS代码中引入,和在正则表达式中引入。 分组和分支结构,主要是强调括号内是一个整体,即提供子表达式。 如在日期匹配的时候,就可以这么改造: 将 使用 按照开括号的顺序: 如匹配 当分组后面有量词的话,则捕获的是最后一次的匹配: 这里只写出核心代码。 匹配成对标签 概念理解起来比较容易。 另外像 介绍 回溯法,也称试探法,本质上是深度优先探索算法,基本思路是:匹配过程中后退到之前某一步重新探索的过程。 多个贪婪量词挨着存在,并相互冲突时,会看匹配顺序,深度优先搜索: 有时候会因为回溯,导致实际惰性量词匹配到的不是最少的数量: 分支机构,如果一个分支整体不匹配,会继续尝试剩下分支,也可以看成一种回溯。 简单总结:一个个尝试,直到,要么后退某一步整体匹配成功,要么最后试完发现整体不匹配。 拆分正则代码块,是理解正则的关键。 在 JavaScrip 正则表达式有以下结构: 另外还有以下操作符: Tips:优先级从上到下,由高到低。 不能写成 需要匹配:每个字符是 不能写成 元字符就是正则中的特殊字符,当匹配元字符就需要转义,如: 需要好好分析: 正则的构建需要考虑以下几点的平衡: 我们还需要考虑这么几个问题: 如能使用其他 API 简单快速解决问题就不需要使用正则: 将这个正则拆分成多个小块,如下: 即需要匹配到预期目标,且不匹配非预期的目标。 如需要匹配下面固定电话号码,可以分别写出对应正则: 然后合并: 然后提取公共部分: 再优化: 先确定,符号部分( 整理后: 正则表达式运行过程: 我们常常优化对 如 当不需要使用分组引用和反向引用时,此时可以使用非捕获分组。 如 加快判断是否匹配失败,进而加快移位的速度。 如 减少匹配过程中可消除的重复。 如 如 这里要掌握正则表达式怎么用,通常会有这么四个操作: 匹配本质上是查找,我们可以借助相关API操作: 这两个方法会把字符串转换成正则,所以要加转义 使用正则分组,会包含分隔符: 文章到这结束,感谢阅读,也感谢老姚大佬的这本书
id="leo"
:
let r1 = /id=".*"/; // tips1
let r2 = /id=".*?"/; // tips2
let r3 = /id="[^"]*"/; // tips3
let s = '
.
匹配双引号,且 *
贪婪,就会持续匹配到最后一个双引号结束。
tips2:使用惰性匹配,但效率低,有回溯问题。
tips3:最终优化。二、正则表达式位置匹配
ES5
中有6个位置: ^
,$
,\b
,\B
,(?=p)
和 (?!p)
。 /^^hello$$/.test('hello'); // true
/^^^hello$$/.test('hello'); // true
1. ^ 和 $
^
匹配开头,多行中匹配行开头。 $
匹配结尾,多行中匹配行结尾。"hello".replace(/^|$/g, "#"); // "#hello#"
"hello\nleo\nhaha".replace(/^|$/gm, "#");
/*
#hello#
#leo#
#haha#
*/
m
修饰符。2.
\b
和 \B
\b
匹配单词边界,即 \w
和 \W
之间的位置,包括 \w
和 ^
之间的位置,和 \w
和 $
之间的位置。 \B
和 \b
相反,即非单词边界,匹配中除去 \b
,剩下的都是 \B
的。
也就是 \w
与 \w
、 \W
与 \W
、^
与 \W
,\W
与 $
之间的位置。。"[HI] Leo_1.mp4".replace(/\b/g,"#");
// "[#HI#] #Leo_1#.#mp4#"
"[HI] Leo_1.mp4".replace(/\B/g,"#");
// "#[H#I]# L#e#o#_#1.m#p#4"
3.
(?=p)
和 (?!p)
p
为一个子模式,即 (?=p)
匹配前面是 p
的位置,而 (?!p)
则匹配前面不是 p
的位置。"hello".replace(/(?=l)/g, "#");
// "he#l#lo"
"hello".replace(/(?!l)/g, "#");
// "#h#ell#o#"
4. 相关案例
// 匹配最后一个逗号
"12345678".replace(/(?=\d{3}$)/g, ","); // "12345,678"
// 匹配所有逗号
"12345678".replace(/(?=(\d{3})+$)/g, ","); // "12,345,678"
// 匹配其余
"123456789".replace(/(?=(\d{3})+$)/g, ","); // ",123,456,789"
// 修改
"123456789".replace(/(?!^)(?=(\d{3})+$)/g, ","); // "12,345,678"
// 其他形式
"12345678 123456789".replace(/(?!\b)(?=(\d{3})+\b)/g, ",");
// (?!\b) 等于 \B ,要求当前是一个位置,但不是 \b 前面的位置
// "12,345,678 123,456,789"
let num = 1888;
num.toFixed(2).replace(/\B(?=(\d{3})+\b)/g, ",").replace(/^/,"$$ ");
// "$ 1,888.00"
// 密码长度 6-12 位数字或字母
let r = /^[0-9A-Za-z]{6,12}$/;
// 必须包含一个字符(数字) + 密码长度 6-12 位数字或字母
let r = /(?=.*[0-9])^[0-9A-Za-z]{6,12}$/;
// 必须包含两个个字符(数字和小写字符) + 密码长度 6-12 位数字或字母
let r = /(?=.*[0-9])(?=.*[a-z])^[0-9A-Za-z]{6,12}$/;
r.test("aa1234566"); // true
r.test("1234566"); // false
// 密码长度 6-12 位数字或字母
// 即 不能全是数字 或 不能全是大写或小写字母
let r = /(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/;
三、正则表达式括号的使用
/(ab)+/g
匹配连续出现的 ab
。/(a|b)+/g
匹配出现的 a
或 b
表达式。1.分组引用
// 原来
let r = /\d{4}-\d{2}-\d{2}/;
// 现在
let r = /(\d{4})-(\d{2})-(\d{2})/;
"2019-03-14".match(r);
r.exec("2019-03-14");
// ["2019-03-14", "2019", "03", "14", index: 0, input: "2019-03-14"]
RegExp.$1; // "2019"
RegExp.$2; // "03"
RegExp.$3; // "14"
yyyy-mm-dd
转成 mm/dd/yyyy
。"2019-03-14".replace(r, "$2/$3/$1");
// 等价于
"2019-03-14".replace(r, function(){
return RegExp.$2 + '/' + RegExp.$3 + '/' + RegExp.$1;
});
2. 反向引用
\n
表示第 n
个分组,比如 \1
表示第 1
个分组:let r = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;
r.test("2019-03-15");
r.test("2019/03/15");
r.test("2019.03.15");
r.test("2019-03/15");
let r = /^((\d)(\d(\d)))\1\2\3\4$/;
let s = "1231231233";
r.test(s);
console.log([RegExp.$1,RegExp.$2,RegExp.$3,RegExp.$4]);
// ["123", "1", "23", "3"]
\10
表示的是第 10 个分组,若要匹配 \
和 0
时,使用 (?:\1)0
或 \1(?:0)
。let r = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/;
let s = "123456789# #####";
r.test(s); // true
\2
是前面不存在,则匹配 \2
本身,即对 2
的转义,不同浏览器可能不同:let r = /\1\2\3\4/;
r.test("\1\2\3\4"); // true
"\1\2\3\4".split('');// ["", "", "", ""]
"12345".match(/(\d)+/); // ["12345", "5", index: 0, input: "12345"]
/(\d)+ \1/.test("12345 1"); // false
/(\d)+ \1/.test("12345 5"); // true
3. 相关案例
trim
方法// 1 匹配首尾空白符,替换成空字符
" aaa ".replace(/^\s+|\s+$/g, ""); // "aaa"
// 2 匹配整个字符串,再用引用提取对应数据
" aaa ".replace(/^\s*(.*?)\s*$/g, "$1");// "aaa"
"hi leo hi boy!".toLowerCase().replace(
/(?:^|\s)\w/g,
c => c.toUpperCase()
);
// "Hi Leo Hi Boy!"
"-leo-and-pingan".replace(/[-_\s]+(.)?/g,
(match, c) => c ? c.toUpperCase() : ''
);
// "LeoAndPingan"
"LeoAndPingan".replace(/([A-Z])/g, "-$1").replace(
/[-_\s]+g/,"-"
).toLowerCase();
// "-leo-and-pingan"
,而不匹配不成对标签 leo<\h1>
。leo<\h2>
let r = /<([^>]+)>[\d\D]*<\/\1>/;
r.test("
leo leo leo
"); // true
r.test("leo leo leo"); // true
r.test("leo leo leo"); // false
四、正则表达式回溯法原理
比如用 /ab{1,3}c/
去匹配下面两个字符串。
abbbc
,按顺序匹配,到了第 3 个 b
后,直接匹配 c
,这样就没有回溯。abbc
,按顺序匹配,到了第 2 个 b
后,由于规则是 b{1,3}
,则会继续往下匹配,然后发现下一位是 c
,于是回退到前一个位置,重新匹配,这就是回溯。/".*"/
来匹配 "abc"de
的话,就会有三个回溯情况,为了减少不必要的回溯,我们可以把正则修改为 /"[^"]*"/
。1. 常见的回溯形式
"12345".match(/(\d{1,3})(\d{1,3})/);
// ["12345", "123", "45", index: 0, input: "12345"]
"12345".match(/(\d{1,3}?)(\d{1,3})/);
// 没有回溯的情况 ["1234", "1", "234", index: 0, input: "12345"]
"12345".match(/^\d{1,3}?\d{1,3}$/);
// 有回溯的情况 ["12345", index: 0, input: "12345"]
"candy".match(/can|candy/); // ["can", index: 0, input: "candy"]
"candy".match(/^(?:can|candy)$/); // ["candy", index: 0, input: "candy"]
2. 本章小结
五、正则表达式的拆分
a
匹配字符 a
。[0-9]
匹配任意一个数字。a{1,3}
匹配连续最多出现 3 次的a
字符。^
匹配字符串的开头。(ab)
匹配 ab
两个字符连续出现。ab|bc
匹配 ab
或 bc
字符。
优先级
操作符描述
操作符
1
转义符
\
2
括号和方括号
(...)
/(?:...)
/(?=...)
/(?!...)
/[...]
3
量词限定符
{m}
/{m,n}
/{m,}
/?
/*
/+
4
位置和序列
^
/$
/\元字符
/一般字符
5
管道符
`
`
1. 注意要点
/^abc|bcd$/
,而是要写成 /^(abc|bcd)$/
。
a
/b
/c
中其中一个,并且字符串长度是 3 的倍数: /^[abc]{3}+$/
,而是要写成 /([abc]{3})+/
。
^
、$
、.
、*
、+
、?
、|
、\
、/
、(
、)
、[
、]
、{
、}
、=
、!
、:
、-
。// "[abc]" => /\[abc\]/ 或者 /\[abc]/
// "{1,3}" => /\{1\}/ 或者 /\{1}/ 因为不构成字符组
2. 案例分析
/^(\d{15}|\d{17})[\dxX]$/.test("390999199999999999");// true
let r = /^((0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])\.){3}(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])$/
六、正则表达式的构建
"2019-03-16".match(/^(\d{4})-(\d{2})-(\d{2})/); // 间接获取 ["2019", "03", "16"]
"2019-03-16".split("-"); // ["2019", "03", "16"]
"?id=leo".search(/\?/); // 0
"?id=leo".indexOf("?"); // 0
"JavaScript".match(/.{4}(.+)/)[1]; // "Script"
"JavaScript".substring(4); // "Script"
/(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/
var regex1 = /^[0-9A-Za-z]{6,12}$/;
var regex2 = /^[0-9]{6,12}$/;
var regex3 = /^[A-Z]{6,12}$/;
var regex4 = /^[a-z]{6,12}$/;
function checkPassword (string) {
if (!regex1.test(string)) return false;
if (regex2.test(string)) return false;
if (regex3.test(string)) return false;
if (regex4.test(string)) return false;
return true;
}
1. 准确性
055188888888 => /^0\d{2,3}[1-9]\d{6,7}$/
0551-88888888 => /^0\d{2,3}-[1-9]\d{6,7}$/
(0551)88888888 => /^0\d{2,3}-[1-9]\d{6,7}$/
let r = /^0\d{2,3}[1-9]\d{6,7}$|^0\d{2,3}-[1-9]\d{6,7}$|^\(0\d{2,3}\)[1-9]\d{6,7}$/
let r = /^(0\d{2,3}|0\d{2,3}-|\(0\d{2,3}\))[1-9]\d{6,7}$/
let r = /^(0\d{2,3}-?|\(0\d{2,3}\))[1-9]\d{6,7}$/
[+-]
)、整数部分(\d+
)和小数部分(\.\d+
)。1.23、+1.23、-1.23 => /^[+-]?\d+\.\d+$/
10、+10、-10 => /^[+-]?\d+$/
.2、+.2、-.2 => /^[+-]?\.\d+$/
let r = /^[+-]?(\d+\.\d+|\d+|\.\d+)$/;
// 考虑不匹配 +.2 或 -.2
let r = /^([+-])?(\d+\.\d+|\d+|\.\d+)$/;
// 考虑不匹配 012 这类 0 开头的整数
let r = /^[+-]?(\d+)?(\.)?\d+$/;
2. 效率
3 和 4
步进行优化:
/"[^"]*"/
代替 /".*?"/
。
/^[-]?(?:\d\.\d+|\d+|\.\d+)$/
代替 /^[-]?(\d\.\d+|\d+|\.\d+)$/
。
/aa*/
代替 /a+/
。
/^(?:abc|def)/
代替 /^abc|^def/
。
/rea?d/
代替 /red|read/
。七、正则表达式编程
1. 四种操作
// 检查字符串是否包含数字
let r = /\d/, s = "abc123";
!!s.search(r); // true
r.test(s); // true
!!s.match(r); // true
!!r.exec(s); // true
"leo,pingan".split(/,/); // ["leo", "pingan"]
let r = /\D/, s = "2019-03-16";
s.split(r); // ["2019", "03", "16"]
s.split(r); // ["2019", "03", "16"]
s.split(r); // ["2019", "03", "16"]
// 提取日期年月日
let r = /^(\d{4})\D(\d{2})\D(\d{2})$/;
let s = "2019-03-16";
s.match(r); // ["2019-03-16", "2019", "03", "16", index: 0, input: "2019-03-16"]
r.exec(s); // ["2019-03-16", "2019", "03", "16", index: 0, input: "2019-03-16"]
r.test(s); // RegExp.$1 => "2019" RegExp.$2 => "03" RegExp.$3 => "16"
s.search(r);// RegExp.$1 => "2019" RegExp.$2 => "03" RegExp.$3 => "16"
// yyyy-mm-dd 替换成 yyyy/mm/dd
"2019-03-16".replace(/-/g, "/");
2. 相关API注意
search
和 match
参数问题let s = "2019.03.16";
s.search('.'); // 0
s.search('\\.'); // 4
s.search(/\./); // 4
s.match('.'); // ["2", index: 0, input: "2019.03.16"]
s.match('\\.'); // [".", index: 4, input: "2019.03.16"]
s.match(/\./); // [".", index: 4, input: "2019.03.16"]
// 其他不用转义
s.split('.');
s.replace('.', '/');
match
返回结果的格式问题match
参数有 g
会返回所有匹配的内容,没有 g
则返回标准匹配格式:let s = "2019.03.16";
s.match(/\b(\d+)\b/); // ["2019", "2019", index: 0, input: "2019.03.16"]
s.match(/\b(\d+)\b/g); // ["2019", "03", "16"]
test
整体匹配时需要使用 ^
和 $
/123/.test("a123b"); // true
/^123$/.test("a123b"); // false
/^123$/.test("123"); // true
split
的注意点split
第二个参数是 结果数组的最大长度:"leo,pingan,pingan8787".split(/,/, 2); // ["leo", "pingan"]
"leo,pingan,pingan8787".split(/(,)/); // ["leo", ",", "pingan", ",", "pingan8787"]
修饰符
描述
g
全局匹配,即找到所有匹配的,单词是
global
。
i
忽略字母大小写,单词是
ingoreCase
。
m
多行匹配,只影响
^
和 $
,二者变成行的概念,即行开头和行结尾。单词是 multiline
。
Author
王平安
E-mail
[email protected]
博 客
www.pingan8787.com
微 信
pingan8787
每日文章推荐
https://github.com/pingan8787...
ES小册
js.pingan8787.com
微信公众号