用一杯咖啡的时间学会正则表达式

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:

  1. 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。
  2. i:忽略大小写(case-insensitive);在匹配时忽略英文字母的大小写。
  3. 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。

  1. [xyz]:匹配 xyz
  2. [^xyz]:补集,匹配除了 x y z的其他字符。
  3. [a-z]:匹配从 az 的任意字符。
  4. [^a-n]:补集,匹配除了 an 的其他字符。
  5. [A-Z]:匹配从 AZ 的任意字符。
  6. [0-9]:匹配从 09 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。

  1. {n}:匹配 n 次。
  2. {n,m}:匹配 n到m 次。
  3. {n,}:匹配 >=n 次,即大于n次。
  4. ?:匹配 0 || 1 次,即 0或者1 次。
  5. *:匹配 >=0 次,等价于 {0,}
  6. +: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:

  1. \d:匹配任意数字,等价于 [0-9]
  2. \D:匹配任意非数字字符;\d 的补集。
  3. \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_]
  4. \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。
  5. \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。
  6. \S:匹配一个非空白符;\s 的补集。
  7. \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
  8. \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
  9. \t:匹配一个水平制表符(tab)。
  10. \n:匹配一个换行符(newline)。
  11. \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:

  1. \: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 +
  2. .:匹配任意单个字符,但是换行符除外:\n, \r, \u2028\u2029;在字符集中[.],无特殊含义,即表示 . 的字面意思。
  3. |:替换字符(alternate character),匹配 | 前或后的表达式。比如需要同时匹配 bearpear,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 bpear
  4. ^: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
  5. $:匹配输入的结尾。比如,/t$/ 不匹配 eater 中的 t,但匹配 eat 中的 t

^$ 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)

  1. (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。

  1. (?: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。
  2. \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c1c2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)

  1. 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

waynebanner 都不会在匹配结果中出现。

  1. (?<=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

waynebanner 都不会在匹配结果中出现。

  1. 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?

/^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^$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

  1. 以 1 开头:/^1/
  2. 第 2 位为 3、4、5、7、8 中的一个:/[34578]//(3|4|5|7|8)/
  3. 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}$//^1(3|4|5|7|8)\d{9}$/,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:

  1. 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
  2. domain:任意英文字母(a-z/A-Z)、数字(0-9)、连字符(-),长度大于 0
  3. extension:任意英文字母(a-z/A-Z),长度 2-8
  4. 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:

  1. yourname/[a-z\d._-]+/
  2. domain/[a-z\d-]+/
  3. extension/[a-z]{2,8}/
  4. 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

你可能感兴趣的:(javascript,正则表达式)