关于正则表达式的教程网上实在太多,但都不太友好,在此我整理一篇,面向自己行文。
学正则需要记语法,最好的方式无非就是实操,边写边学,因此第一步,推荐一个在线工具:
在线工具
regex101
正则的在线工具只推荐regex101,解释正则表达式、显示匹配信息、提供常用语法参考等,足够强大和界面友好。
基础知识
下面开始正式内容,在 Javascript 中,一个正则表达式以 /
开头和结尾,所以 /hello regexp/
就是一个正则表达式。
正则中有几个大类需要了解:Flags、Character Sets、Quantifiers、Metacharacters、Special Characters、Groups、Assertion,下面我们一一来讲解。
Flags(标志符或修饰符)
Flags 写在结束的/
之后,可以影响整个正则表达式的匹配行为。常见的 flags 有:
-
g
:全局匹配(global);正则表达式默认只会返回第一个匹配结果,使用标志符 g 则可以返回所有匹配。 -
i
:忽略大小写(case-insensitive);在匹配时忽略英文字母的大小写。 -
m
:多行匹配(multiline);将开始和结束字符(^和$)视为在多行上工作,即分别匹配每一行(由 n 或 r 分割)的开始和结束,而不只是只匹配整个输入字符串的最开始和最末尾处。
所有的 flags 都打上的话,那就是/^*$/gimsuy
:
Character Sets(字符集合)
用于匹配字符集合中的任意一个字符。
-
[xyz]
:匹配x
或y
或z
。 -
[^xyz]
:补集,匹配除了x
y
z
的其他字符。 -
[a-z]
:匹配从a
到z
的任意字符。 -
[^a-n]
:补集,匹配除了a
到n
的其他字符。 -
[A-Z]
:匹配从A
到Z
的任意字符。 -
[0-9]
:匹配从0
到9
的任意数字。
匹配所有的字母和数字可写成:/[a-zA-Z0-9]/
或者 /[a-z0-9]/i
。
Quantifiers (量词)
使用 Quantifiers 来实现重复匹配。
-
{n}
:匹配n
次。 -
{n,m}
:匹配n到m
次。 -
{n,}
:匹配>=n
次,即大于n
次。 -
?
:匹配0 || 1
次,即0或者1
次。 -
*
:匹配>=0
次,等价于{0,}
。 -
+
:匹配>=1
次,等价于{1,}
。
如字段abczzzzzzzxyabcabcabc
,使用/z*xy/gi
,会匹配出zzzzzzzxy
;
使用/z{0,2}xy/gi
,会匹配出zzxy
;
Metacharacters(元字符)
在正则表达式中有一些具有特殊含义的字母,被称为元字符,简言之,元字符就是描述字符的字符,它用于对字符表达式的内容、转换及各种操作信息进行描述。
常见的元字符有:
-
\d
:匹配任意数字,等价于[0-9]
。 -
\D
:匹配任意非数字字符;\d
的补集。 -
\w
:匹配任意基本拉丁字母表中的字母和数字,以及下划线;等价于[A-Za-z0-9_]
。 -
\W
:匹配任意非基本拉丁字母表中的字母和数字,以及下划线;\w
的补集。 -
\s
:匹配一个空白符,包括空格、制表符、换页符、换行符和其他 Unicode 空格。 -
\S
:匹配一个非空白符;\s
的补集。 -
\b
:匹配一个零宽单词边界,如一个字母与一个空格之间;例如,/\bno/
匹配at noon
中的no
,/ly\b/
匹配possibly yesterday.
中的ly
。 -
\B
:匹配一个零宽非单词边界,如两个字母之间或两个空格之间;例如,/\Bon/
匹配at noon
中的on
,/ye\B/
匹配possibly yesterday.
中的ye
。 -
\t
:匹配一个水平制表符(tab)。 -
\n
:匹配一个换行符(newline)。 -
\r
:匹配一个回车符(carriage return)。
理解\b 零宽单词边界
我们看以下的匹配:
上图中,紫红色竖线表示的位置就是零宽单词边界(Matches a zero-width word boundary),说白了,就是一个字母的两侧是否有空格,我们输入内容,就知道匹配的是什么了:
Special Characters (特殊字符)
正则中存在一些特殊字符,它们不会按照字面意思进行匹配,而有特殊的意义,比如前文讲过用于量词的?
、*
、+
。
其他常见的特殊字符有:
-
\
:转义字符,可以将普通字符转成特殊字符。比如\w
;也可以将特殊字符转成字面意思,比如\+
匹配+
。 -
.
:匹配任意单个字符,但是换行符除外:\n
,\r
,\u2028
或\u2029
;在字符集中[.]
,无特殊含义,即表示.
的字面意思。 -
|
:替换字符(alternate character),匹配|
前或后的表达式。比如需要同时匹配bear
和pear
,可以使用/(b|p)ear/
或者/bear|pear/
;但是不能用/b|pear/
,该表达式只能匹配b
和pear
。 -
^
:匹配输入的开始。比如,/^A/
不匹配an Apple
中的A
,但匹配An apple
中的A
。 -
$
:匹配输入的结尾。比如,/t$/
不匹配eater
中的t
,但匹配eat
中的t
。
^
和 $
在表单验证时常需要使用,因为需要验证从开始到结尾的一个完整输入,而不是匹配输入中的某一段。
Groups(分组)
-
(xyz)
:捕获分组(Capturing Group),匹配并捕获匹配项;例如,/(foo)/
匹配且捕获foo bar.
中的foo
。
被匹配的子字符串可以在结果数组的元素 [1], ..., [n]
中找到,或在被定义的 RegExp 对象的属性 $1, ..., $9
中找到。
-
(?:xyz)
:非捕获分组(Non-capturing Group),匹配但不会捕获匹配项;匹配项不能再次被访问到。 -
\n
:n 是一个正整数,表示反向引用(back reference),指向正则表达式中第 n 个括号(从左开始数)中匹配的子字符串;例如,/apple(,)\sorange\1/
匹配apple, orange, cherry, peach.
中的apple, orange,
。
我们来理解一下:“非捕获分组(Non-capturing Group)”是什么意思?
先执行如下代码:
var string = "at noonfooasfodsoo";
var regex = /(foo)/gi;
var c1 = regex.exec(string);
var regex1 = /(?:foo)/gi;
var c2 = regex1.exec(string);
看看输出结果c1
和c2
值的区别:
返回的数组中少了[1]
的内容,我们到 regex101 上去也看看区别:
所以使用(?:xyz)
,意思是匹配并但不会捕获匹配项到 Group 中。
我们再来理解什么是“反向引用(back reference)”
如上例,/apple(,)\sorange\1/
中的\1
指的其实就是(,)
,这个表达式等同的写法是/apple(,)\sorange(,)/
我们试试\2
,也就是等价于左数第二个括号中的内容,看看匹配到的内容,我们在文本内容中再多加一个,
:
Assertion(断言)
-
x(?=y)
:仅匹配被 y 跟随的 x,这个也被称为:“先行断言”/“正向肯定查找”
例如,/bruce(?=wayne)/
,如果bruce
后面跟着wayne
,则匹配bruce
。
/bruce(?=wayne|banner)/
,如果bruce
后面跟着wayne
或者banner
,则匹配bruce
。
wayne
和 banner
都不会在匹配结果中出现。
-
(?<=y)x
:匹配'x'仅当'x'前面是'y',这个也被称为:“后行断言”
例如,(?<=bruce)wayne
,如果wayne
前面是bruce
,则匹配wayne
。
/(?<=bruce|banner)wayne/
,如果wayne
前面是bruce
或者banner
,则匹配wayne
。
wayne
和 banner
都不会在匹配结果中出现。
-
x(?!y)
:仅匹配不被 y 跟随的 x,这个也被称为:“正向否定查找”
例如,/\d+(?!\.)/
只会匹配不被 "." 跟随的数字。
/\d+(?!\.)/.exec('3.141')
匹配 141
,而不是 3.141
非贪婪匹配(non-greedy)
默认情况下,正则表达式的量词*
、+
、?
、{}
,都是进行贪婪匹配(greedy),即匹配尽可能多的字符。
非贪婪匹配,即匹配尽量少的字符(matching the fewest possible characters)。
怎么理解呢?
例如这么一段话:The reading of all good books is like a conversation with the finest men of past centuries.
使用/.+\s/
匹配,.
可以匹配任意字符,而+
表示匹配 1 次或者多次,默认是贪婪匹配,所以会匹配到了最后一个空格符才结束。
而当我们在量词*
、+
、?
、{}
后面紧跟着一个?
,就可以实现非贪婪匹配。
例如/.+?\s/
,匹配到第一个空格符就会结束:
多行匹配
例如下面一段文字:
May God bless and keep you always,
may your wishes all come true,
may you always do for others
and let others do for you.
may you build a ladder to the stars
and climb on every rung,
may you stay forever young,
forever young, forever young,
May you stay forever young.
如何匹配以 forever 开头的那句歌词forever young, forever young
呢?
写/^forever.+/
是错误的,因为^
匹配的整个字符串的开始,而是不是每一行的开始。
所以指定m
选项,即可支持多行匹配,这时^
和$
匹配的是每一行的开始和结束,因此正确的正则表达式是/^forever.+/m
:
应用例子
1. 匹配手机号码
匹配1(3/4/5/7/8)开头的11位数字
。
- 以 1 开头:
/^1/
- 第 2 位为 3、4、5、7、8 中的一个:
/[34578]/
或/(3|4|5|7|8)/
- 剩余 3-11 位均为数字,并以数字结尾:
/\d{9}$/
组合起来即为 /^1[34578]\d{9}$/
或 /^1(3|4|5|7|8)\d{9}$/
,因为使用捕获括号存在性能损失,所以推荐使用第一种写法。
2. 匹配电子邮件
标准的电子邮件组成为
。
每部分的格式标准为:
-
yourname
:任意英文字母(a-z/A-Z)、数字(0-9)、下划线(_)、英文句点(.)、连字符(-),长度大于 0 -
domain
:任意英文字母(a-z/A-Z)、数字(0-9)、连字符(-),长度大于 0 -
extension
:任意英文字母(a-z/A-Z),长度 2-8 -
optional-extension
:"."开头,后面跟任意英文字母(a-z/A-Z),长度 2-8,可选
每部分的正则表达式为:
-
yourname
:/[a-z\d._-]+/
-
domain
:/[a-z\d-]+/
-
extension
:/[a-z]{2,8}/
-
optional-extension
:/(\.[a-z]{2,8})?/
组合起来形成最后的正则表达式:/^([a-z\d._-]+)@([a-z\d-]+)\.([a-z]{2,8})(\.[a-z]{2,8})?$/ig
;为了增加可读性可以将每部分用()
包起来,并不要忘记起始和结束符^$
。
掌握上面所说的这些内容,日常使用的正则基本不会有什么问题了。
参考文章
MDN