从零开始学正则（五）

 壹 ❀ 引

我在  从零开始学正则（四） 一文中讲述了正则匹配的回溯法，以正则匹配过程引出了正则书写也会存在性能问题，并阐述了贪婪匹配，惰性匹配以及分支匹配时与回溯的中中关系。当然，对于初学者而言除了能写出正则以外，能读懂任意一段正则也是非常重要的。那么本篇文章主要针对正则表达式拆分展开分析，相信大家在阅读之后再面对各种变态长度的正则时，都能有理可据，化繁为简的拆分理解。

说在前面，正则学习系列文章均为我阅读 老姚《JavaScript正则迷你书》的读书笔记，文中所有正则图解均使用regulex制作。那么本文开始！

 贰 ❀ 正则的解构与操作符

编程语言一般都有操作符（百科），但只要说到操作符就不得不讨论操作符的优先级，因为一堆操作符在一起，系统自己也得知道谁该先执行，谁要后执行。

那么正则中的操作符是什么呢？正则中的操作符体现在正则结构中，而结构又由特殊字符与普通字符构成。

JavaScript中的正则结构大致有这些：字符字面量、字符组、量词、锚、分组、分支、反向引用。也就是前几章节讲过的知识点，我们简单复习一遍：

字符字面量：当我们具体匹配某个字符时所写的正则字段，比如a匹配字段“a”，123匹配字段“123”，\. 匹配小数点等。

字符组：当某个位置的字符可能是多种情况之一时，比如匹配任意一个数字，可以使用字符组[0-9]，可简写为\d。除此之外还有反义字符组，比如匹配除了数字之外的任意字符，可以用[^0-9]，可简写为\D。

量词：当某个字符需要出现多次时可使用量词加以修饰，比如数字可能出现1次或更多次，可以写成\d{1,}，简写便是\d+。

锚：如果说字符字面量以及字符组是匹配的基础，那么锚的功能也是如此，只是前者用于匹配字符，而锚用于匹配位置。比如我们要匹配数字前面的位置可以写(?=\d)。

分组：分组表示一个整体，使用圆括号()表示，比如(ab)+表示字母ab至少会出现一次。

分支：分支使用管道符 | 实现，比如分支 12|34，正则会先尝试使用12进行匹配，如果行不通就会切换成分支34进行匹配，注意分支是惰性匹配。

其中涉及到的操作符以及优先级如下：

操作符描述	操作符	优先级
转义符	\	1
圆括号和方括号	(p)、(?:p)、(?=p)、(?!p)、[p]	2
量词	{m}、{m,n}、{m,}、?、+、*	3
位置和序列	^、$、\元字符、一般字符	4
管道符	|	5

知道了这些，我们来从优先级的角度解析正则表达式 /ab?(c|de*)+|fg/ 

由于不存在转义符，我们通过优先级第二高的括号来拆分正则，首先分组 (c|de*) 是一个整体，而在分组中字母 e 后紧跟了一个量词 *，因此 e* 是一个整体，表示e会出现任意次。最后括号中使用了优先级最低的管道符，所以正则在运行时，一定是先看字母 c ，再看 de*，这里形成了分支。

分析完分组中的内容，再看其它部分，可以得到a、b?、(c|de*)+、f、g这些组合结构，而 ab?(c|de*)+ 和 fg 又使用管道符分割，所以这是两个比较大的分组。当然就算不这么拆分，通过前面的学习解析起来也不是什么难事。我们结合图解来确认下：

 叁 ❀ 结构与操作符可能犯错的点

1.分支不使用分组包裹

在匹配整个字符串时，我们通常会添加脱字符^与美元符$，如果我们要匹配字符 abc 或 def 时，容易写成 /^abc|def$/，而此时正则的意思是匹配分支^abc或者def$，它的图解是这样：

而正确的写法应该是利用分组将分支结构进行包裹，所以应该是这样 ，图解为：

2.量词接量词

这个是我前面常犯得错误....量词与量词不能紧接着写。比如我们希望匹配数字1，2，3其一，,且这段数字长度为3的倍数，正则很容易写成 /^[123]{3}+$/ ，然后你会收到浏览器红色问候：

var regex = /^[123]{3}+$/;
regex.test(123123);

而正确的写法是 [abc]{3} 是一个整体，所以需要使用分组的括号包裹，完整就是这样：

var regex = /^([123]{3})+$/;
regex.test(123123);// true

3.元字符转义问题

正则中的元字符包括 ^、$、.、*、+、?、|、\、/、(、)、[、]、{、}、=、!、:、- 等。在我们需要匹配这些字符时，到底需不需要转义呢？当然全转义肯定也不会有问题：

var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,/;
regex.test(string); //true

开发中是否转义还是根据实际情况决定，比如我们真的要匹配字符 “[123]” 时 ，可以在 [ 前添加转义符，表示这不是一个反义字符组。

var string = "[123]";
var regex = /^\[123\]$/;
regex.test(string); //true

当然上述正则其实可以简写成 /^\[123]$/ ，因为 [ 前已被转义，后面的 ] 无法成对，所以可以省略转义。

假设我们要匹配 “[^123]” 时可以写成这样，注意 ^ 的转义不可少：

var string = "[^123]";
var regex = /^\[\^123\]$/;
regex.test(string); //true

同理，假设要匹配 “{1,3}”，正则我们可以写成 /\{3,5}/ 。

注意有个特例，当匹配圆括号时，前后转义符都得加，因为只写一个会报错。看个例子：

var string = "(123)";
var regex = /^\(123\)$/;
regex.test(string); //true

 肆 ❀ 总

这一章节内容的内容还算简单，了解正则的操作符划分对于复杂的正则拆分非常有帮助。当然在正则熟练后，我们甚至能一眼看出正则所传递的匹配含义。我们通过思维导图简单做个整理：

那么本文就写到这里，我要学习第六章节了。