一篇文章让你从此不再畏惧正则表达式

1.什么是正则表达式

正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。

通俗的讲就是按照某种规则去匹配符合条件的字符串

2.利用图形化工具理解正则表达式

辅助理解正则表达的在线工具:

手机号正则:

1
/^1[34578][0-9]{9}$/

注释:以1开头,第二位为3 4 5 7 9 其中一个,以9位(本身1次加重复8次)0-9数字结尾

单词边界

1
/\bis\b/

注释: is前后都是单词的边界,比较晦涩难懂?感受下两者的区别,\b 会方道语法部分讲解

URL分组替换

1
/http:(\/\/.+\.jpg)/

看不懂的不要慌语法部分后面会有介绍,这里只是展示利用可视化的图形帮助我们理解正则表达式,可以回来再看木有关系

正则表达式中括号用来分组,这个时候我们可以通过用$1来获取 group#1的内容

说下这个正则的意义,如果网站用了https,网站引用静态资源也必须是https,否则报错。如果写成 // 会自动识别 http 或者 https

日期匹配与分组替换

1
/^\d{4}[/-]\d{2}[/-]\d{2}$/

这个正则比较复杂,画符念咒的地方太多了,一一分析:

Start of line 是由^生效的表示以此开头

对应结尾End of line 由$生效表示以此结尾

接着看digit 由 \d 生效表示数字

3times 由{4} 生效表示重复4次,开始的时候有疑问,为什么不是 4times 。后来明白作者的用意,正则表达式是一个规则,用这个规则去从字符串开始匹配到结束(注意计算机读字符串可是不会分行的,都是一个串,我们看到的多行,人家会认为是个 \t )这里设计好像小火车的轨道一直开到末尾。digit 传过一次,3times表示再来三次循环,共4次,后面的once同理。 自己被自己啰嗦到了。

接下来,是 one of 在手机正则里面已经出现了。表示什么都行。只要符合这两个都让通过。

好了这个正则解释完了,接下来用它做什么呢?

我们可以验证日期的合法性

结合URL分组替换所用到的分组特性,我们可以轻松写出日期格式化的方法

改造下这个正则

1
/^(\d{4})[/-](\d{2})[/-](\d{2})$/

轻松的可以拿到 group#1 #2 #3 的内容,对应 $1$2$3

到现在已经能结合图形化工具看懂正则表达式表达式了,如果想自己写,还要在正则语法上下点功夫

3. 正则表达式语法

1 修饰符 (三个 g i m)

修饰符与其他语法特殊,字面量方法声名的时候放到//后,构造函数声明的时候,作为第二个参数传入。整个正则表达式可以理解为正则表达式规则字符串+修饰符

  • g:global 执行一个全局匹配

  • i:ignore case执行一个不区分大小写的匹配

  • m: multiple lines多行匹配

修饰符可以一起用 const reg =/\bis\b/gim

来说说他们有什么作用

有g和没有g的区别

没有g只替换了第一个,有g 所有的都换了

有i和没有i的区别

有i忽略大小写,没有i严格区分大小写

2 元字符

正则表达式由两种基本字符组成:

  • 原义字符

  • 非打印字符

  • 元字符 (* + ? $ ^ . | \ ( ) { } [ ])

原义字符

这个没什么好解释的,我们一直在举例的 /is/ 匹配字符串’is’

\将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,n”匹配字符“n”。“\n”匹配一个换行符。序列“\”匹配“\”而“(”则匹配“(”。

非打印字符

字符

描述

1
\cx

匹配由x指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c’ 字符。

1
\f

匹配一个换页符。等价于 \x0c 和 \cL。

1
\n

匹配一个换行符。等价于 \x0a 和 \cJ。

1
\r

匹配一个回车符。等价于 \x0d 和 \cM。

1
\s

匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。

1
\S

匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。

1
\t

匹配一个制表符。等价于 \x09 和 \cI。

1
\v

匹配一个垂直制表符。等价于 \x0b 和 \cK。

非打印字符,以\n为例

其他的在前端引用比较少,应该在后端处理文本文件的时候会用到

字符类 []

在前面的手机号正则例子中,我们已经使用过[] /^1[34578][0-9]{9}$/ : [34578]表示34578任意一个数字即可。在日期匹配与分组替换例子中 /^\d{4}[/-]\d{2}[/-]\d{2}$/ 表示符合 /- 都可以

字符类取反 [^]

表示不属于此类

空格也不属于,好多狗

范围类[-]

正则表达式支持一定范围规则比如 [a-z][A-Z][0-9] 可以连写[a-z0-9] 如果你只是想匹配-在 范围类最后加-即可。请看实例。

预定义类

常用为了方便书写

字符

等价类

含义

1
2
3
.

[^\n\r]

除了回车符和换行符之外的所有字符

1
2
3
\d

[0-9]

数字字符

1
2
3
\D

[^0-9]

非数字字符

1
2
3
\s

[\t\n\x0B\f\r]

空白符

1
2
3
\S

[^\t\n\x0B\f\r]

非空白符

1
2
3
\w

[a-zA-Z_0-9]

单词字符(字母、数字、下划线)

1
2
3
\W

[^a-zA-Z_0-9]

非单词字符

有了这些预定义类,写一些正则就很方便了,比如我们希望匹配一个 ab+数字+任意字符 的字符串,就可以这样写了 /ab\d./

边界

字符

含义

1
^

以xx开头

1
$

以xx结尾

1
\b

单词边界,指[a-zA-Z_0-9]之外的字符

1
\B

非单词边界

量词

字符

含义

1
?

出现零次或一次

1
*

出现零次或多次(任意次)

1
+

出现一次或多次(至少一次)

1
{n}

对应零次或者n次

1
{n,m}

至少出现n次但不超过m次

1
{n,}

至少出现n次(+的升级版)

1
{0,n}

至多出现n次(其实就是{n,m} 方便记忆而已)

如果没有量词,要匹配4位数字这样写就可以/\d\d\d\d/, 如果匹配50位100位呢?那不是要疯掉了?

有了量词,就可以这样写/\d{100}/, 量词的使用我们在手机号中使用过,表现在可视化中就是循环多少次。

凑一个上面都包含的实例/\d?@\d*@\d+@\d{10}@\d{10,20}@\d{10,}@\d{0,10}/

贪婪与懒惰(非贪婪)

正则表达式默认会匹配贪婪模式,什么是贪婪模式呢?如其名尽可能多的匹配。我们看个例子。

1
/\d{3,6}/

贪婪模式下,匹配的了最多的情况。

与贪婪对应就是懒惰模式,懒惰对应的就是匹配的尽可能少的情况。如何开启懒惰模式? 在量词后面加?。继续上面的例子

1
/\d{3,6}?/

如果想知道,正则表达式是如何匹配量词的,请看 进阶正则表达式 文中有介绍,正则是如何回溯的。

分组与反向引用

分组,又称为子表达式。把正则表达式拆分成小表达式。概念枯燥,说个例子为嘛用分组:

不分组 /abc{2}/

量词仅作用到最后的c

分组 /(abc){2}/

注意这里 group #1

分组虽然和运算符() 很像,但是分组在正则表达式中,注意理解组的含义。经常有人滥用分组

/^(http|https)/ 真的需要这样么?其实 /^https?/就可以了,你正则写的特别长的时候,会出现一堆没用的结果,看着都头疼吧。

分组往往和反向引用一起使用,别被概念吓到:当一个正则表达式被分组后,每个分组自动被赋予一个组号,一左到右分别是 $1$2…

再把之前的例子拿出来

1
/^(\d{4})[/-](\d{2})[/-](\d{2})$/

轻松的可以拿到 group#1 #2 #3 的内容,对应 $1$2$3

如果在反向引用中不想捕获年该如何操作? 加上 ?:即可

1
/^(?:\d{4})[/-](\d{2})[/-](\d{2})$/

12.前瞻

这部分为进阶部分—选看

正则表达式中有前瞻(Lookahead)和后顾(Lookbehind)的概念,这两个术语非常形象的描述了正则引擎的匹配行为。需要注意一点,正则表达式中的前和后和我们一般理解的前后有点不同。一段文本,我们一般习惯把文本开头的方向称作“前面”,文本末尾方向称为“后面”。但是对于正则表达式引擎来说,因为它是从文本头部向尾部开始解析的(可以通过正则选项控制解析方向),因此对于文本尾部方向,称为“前”,因为这个时候,正则引擎还没走到那块,而对文本头部方向,则称为“后”,因为正则引擎已经走过了那一块地方。

注意:后顾性能损耗比较大,js只支持前瞻(知乎上看到的,具体原因不详)

上面的比较概念话,尝试用大白话讲讲,就说皇上选妃吧,先行条件得是美女吧,长得“如花”那样皇上可不要,漂亮这关过了,皇上想要这个美女也不行,皇室有规矩,必须是贵族血统。

那么“漂亮”就是正常的匹配,匹配到了,还得看看家室是不是贵族。”贵族”相当于前瞻条件

前瞻分两种一种是正向前瞻(?=xxx), 另一种是负向前瞻(?!xxx)

需要区分的地方

1.正则表达式中^的用法

用法一: 限定开头

​ 文档上给出了解释是匹配输入的开始,如果多行标示被设置成了true,同时会匹配后面紧跟的字符。 比如 /^A/会匹配”An e”中的A,但是不会匹配”ab A”中的A

用法二:(否)取反

​ 当这个字符出现在一个字符集合模式的第一个字符时,他将会有不同的含义。

比如:/[^a-z\s]/会匹配"my 3 sisters"中的"3"这里的”^”的意思是字符类的否定,上面的正则表达式的意思是匹配不是(a到z和空白字符)的字符。

总结:

什么时候”^”是否定字符,什么时候是匹配开始行

表示限定开头的示例:

1
`/``[(^\s``+``)(\s``+``$)]``/``g``(^cat)$``(^cat$)``^(cat)$``^(cat$)`

表示否定的示例:

1
`[^a]表示“匹配除了a的任意字符”。``[^a``-``zA``-``Z0``-``9``]表示“找到一个非字母也非数字的字符”。``[\^abc]表示“找到一个插入符或者a或者b或者c”。`

经过对比,只要是”^”这个字符是在中括号”[]”中被使用的话就是表示字符类的否定,如果不是的话就是表示限定开头。我这里说的是直接在”[]”中使用,不包括嵌套使用。
其实也就是说”[]”代表的是一个字符集,”^”只有在字符集中才是反向字符集的意思。

特殊案例

1.正则匹配中括号

在正则表达式中,前中括号 [ 属于特殊字符,要匹配它,需要转义,即加上 \;而后中括号 ] 不属于特殊字符,不必加转义字符

举例说明:

需要匹配以下字符串中括号里面的内容

1
["www.baidu.com","www.wenta.com","www.insoan.com"]

有两种规则可以使用,任选一:

  • 第一种: "|]|\[ 过滤不需要的
  • 第二种: \[(.+)] 取出需要的

整理出常用的正则供学习参考

  • 手机号码匹配
1
/^1[34578][0-9]{9}$/
  • 网址校验
1
/^https?/
  • 日期抽取
1
/^(\d{4})[/-](\d{2})[/-](\d{2})$/
  • IP校验
1
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
  • IP单段提取
1
(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})
  • 提取一段内容中的所有IP地址
1
((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}
  • 判断字符串是否是IP地址
1
^((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}$
  • 邮箱校验
1
\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+\.)+([A-Za-z]{2,14})

附上常用正则英文版

乱码三千 – 点滴积累 ,欢迎来到乱码三千技术博客站

0%