javascript正则表达式入门先了解这些

前言

此内容由学习《JavaScript正则表达式迷你书(1.1版)》整理而来(于2020年3月30日看完)。此外还参考了MDN上关于Regex和String的相关内容,还有ECMAScript 6中关于正则的扩展内容,但不多。在文章末尾,会放上所有的链接。

迷你书共七章,我都做了相应的标号。不过我将【7】7种方法放在了前面,讨论了具体情境下怎么正确使用函数的问题(其实是我自己一直被这个问题困扰,书上的例子为什么用这个方法,为什么这个方法这里返回这样,那里却不是这样,把我搞崩溃了),也建议大家先搞懂这个吧。

本文重点

  • 正则的 2 种创建

  • 正则的 6 个修饰符(i、g、m、u、y、s)

  • 【7】.用到正则的 7 种方法(RegExp(exec、test),String(search、match、matchAll、replace、split))

  • 正则表达式中的6种结构(字符字面量、字符组、量词、锚、分组、分支)

    • 【1】.字符匹配:字面量、字符组、量词。重点还有贪婪匹配与惰性匹配

    • 【2】.位置匹配:^ 、$ 、 b 、B 、(?=abc) 、 (?!abc) 的使用

    • 【3】.括号的作用:分组和分支结构。知识点有:分组引用($1的使用)、反向引用(1的使用)、括号嵌套、括号结合量词

  • 【4】.回溯原理 (本文大多介绍的是实践中用的基础知识,后期对此可能会单独写篇,先占个坑)

  • 【5】.正则的拆分:重点是操作符的优先级

  • 【6】.正则表达式的构建(本章写了些提高正则准确性和效率的内容,也先占个坑)

  • 简单实用的正则测试器

2种创建

语法:/pattern/flags

var regexp = /w+/g;

var regexp = new RegExp('\w+','g');

6个修饰符

重点介绍全局与非全局:

全局就是说在字符串中查找所有与正则式匹配的内容,因此会有>=1个结果。
而为了得到这个所谓的所有匹配内容的过程,后面介绍的函数还有一次执行和多次执行之别。
如果正则表达式中存在分组,该模式下各个函数返回的结果也不一样。

非全局就简单了,它表示匹配到了一个就不会再继续往后匹配了,因此都是一次就得结果。

7种方法

以下图在我学习的过程中,修改了很多遍,才得出了这个最简洁明了的版本。

【补充1】全局模式对 exex 和 test 的影响

正则实例有个 lastIndex 属性,表示尝试匹配时,从字符串的 lastIndex 位开始去匹配。

全局匹配下,字符串的四个方法,每次匹配时,都是从 0 开始的,即 lastIndex 属性始终不变。
而正则实例的两个方法 exec、test,当正则是全局匹配时,每一次匹配完成后,都会修改 lastIndex。(详见下面示例)

如果是非全局匹配,自然都是从字符串第 0 个字符处开始尝试匹配:

exec()在全局状态下,需要一次次执行直到末尾才能得到所有匹配项,这里只是手动模拟下。当然最好是用循环实现,while ((match = regexp.exec(str)) !== null) {//输出}

var regexp = /a/g;  console.log( regexp.exec("a"), regexp.lastIndex );// [ 'a', index: 0, input: 'a', groups: undefined ] 1  console.log( regexp.exec("aba"), regexp.lastIndex );// [ 'a', index: 2, input: 'aba', groups: undefined ] 3  console.log( regexp.exec("ababc"), regexp.lastIndex );// null 0  

注意:该部分将的所有正则表达式不知道的都先不要急,慢慢来。

【补充2】全局下match、exec、matchAll示例

match()和exec()示例:

//全局模式下,匹配所有能匹配到的  var regexp1 = /t(e)(st(d?))/g;  var str1 = 'test1test2';  console.log(str1.match(regexp1)); //match返回所有匹配项组成的数组[ 'test1', 'test2' ]  console.log(regexp1.exec(str1))// exec第一次执行返回第一个匹配项和它的分组['test1', 'e','st1','1',index:0,input:'test1test2',groups:undefined]  console.log(regexp1.exec(str1))//exec第二次执行返回第二个匹配项和它的分组['test2', 'e','st2','2',index:5,input:'test1test2',groups:undefined]  console.log(regexp1.exec(str1))//exec第二次执行已经到末尾了,因此第三次结果为null    //非全局模式下,只匹配到第一项就停止  var regexp2 = /t(e)(st(d?))/;  var str2 = 'test1test2';  console.log(str2.match(regexp2)); //match['test1', 'e','st1','1',index:0,input:'test1test2',groups:undefined]  console.log(regexp2.exec(str2))  //exec['test1', 'e','st1','1',index:0,input:'test1test2',groups:undefined]  

matchAll()示例:

matchAll()是es6的用法,记住它返回的就是一个迭代器。可以用for...of循环取出,也可以用...迭代器运算符或者Array.from(迭代器)将它转为数组。

var array1 = [...str1.matchAll(regexp1)];  console.log(array1)  //['test1','e','st1','1',index: 0,input: 'test1test2',groups: undefined]  //['test2','e','st2','2',index: 5,input: 'test1test2',groups: undefined]    var array2 = [...str2.matchAll(regexp2)];  console.log(array2)  //['test1','e','st1','1',index: 0,input: 'test1test2',groups: undefined]  

到目前为止,我们应该积攒了很多问号了。我学的过程中有以下两个问题:

1./t(e)(st(d?))/g/t(e)(st(d?))/的区别我知道了,但t(e)(st(d?))这是什么意思呢?

2.上文所谓的“与正则表达式匹配的内容”“匹配项中分组捕获的内容”怎么理解?

那就带着问题看后面的内容吧。

7种结构 -字符匹配

字面量

字符组

需要强调的是,虽叫字符组(字符类),但只是其中一个字符。

如果字符组里的字符特别多,可用连字符 - 来省略和简写(见表格示例)。

示例:全局匹配,使用match()方法返回字符串中与表达式匹配的所有内容。[123]表示这个位置的字符可以是123中的任意一个

量词

有了一个字符,那我我们就会考虑到需要它出现几次,那么量词来了。

示例:全局匹配,使用match()方法返回字符串中与表达式匹配的所有内容。b{2,5}表示字符b出现2到5次。

贪婪匹配与惰性匹配

贪婪匹配/d{2,5}/ 表示数字连续出现 2 到 5 次,会尽可能多的匹配。你如果有 6 个连续的数字,那我就要我的上限 5 个;你如果只有 3 个连续数字,那我就要3个。想要我只取 2 个,除非你只有两个。

惰性匹配/d{2,5}?/ 表示虽然 2 到 5 次都行,当 2 个就够的时候,我也不贪,我就取两个。

对惰性匹配的记忆方式是:量词后面加个问号,问一问你知足了吗,你很贪婪吗?注意是 量词后面 量词后面 量词后面,重要的事说三遍。还是来个例子吧,?与??:
'testtest1test2'.match(/t(e)(st(d?))/g) 的结果就是 [ 'test', 'test1', 'test2' ]
'testtest1test2'.match(/t(e)(st(d??))/g) 的结果就是 [ 'test', 'test', 'test' ]

7种结构 -位置匹配

位置理解

位置特性

1.对于位置的理解,我们可以理解成空字符 ""。

因此,把 /^hello$/ 写成 /^^hello$$$/,是没有任何问题的。甚至 /(?=he)^^he(?=w)llo$bb$/;

2.整体匹配时,自然就需要使用 ^$

7种结构 – 括号的作用

分组和分支结构

到目前为止,我们对于 match(/t(e)(st(d?))/g)应该完全理解了(包括 match()的使用,全局修饰符g,表示字符组的d和表示量词的?,且也知道了这是贪婪匹配)。那么,里面的括号又表示什么意思呢?这就涉及到分组捕获了。

以日期为例,假设要匹配的格式是 yyyy-mm-dd 的:

对比这两个可视化图片,我们发现,与前者相比,后者多了分组编号,如 Group #1,这样正则就能在匹配表达式的同时,还能得到我们想要从匹配项中捕获的分组内容。即用 () 括起来的内容。到此为止,t(e)(st(d?))涉及到的分组捕获知识点也就结束了。

再介绍下分支结构,由于操作符 | 的优先级最低,因此需要将其放于括号中:

分支结构形如(regex1|regex2),字面意思,即这里可以匹配 regex1或者 regex2之一,捕获分组的时候也是二者之一 ,例子:

引用分组

使用相应 API 来引用分组。

提取数据

替换replace

当第二个参数是字符串时,如下的字符有特殊的含义。其中,第二个是 $&

反向引用分组

除了使用相应 API 来引用分组,也可以在正则本身里引用分组。但只能引用之前出现的分组,即反向引用。

以前面的日期为例,假设我们想要求分割符前后一致怎么办?即杜绝 2016-06/12这样中间分割符不一致的情况,此时需要使用反向引用:

注意里面的 1,表示的引用之前的那个分组 (-|/|.)。不管它匹配到什么(比如 -),1 都匹配那个同样的具体某个字符。
我们知道了 1 的含义后,那么 2 和 3 的概念也就理解了,即分别指代第二个和第三个分组。需要注意:

  1. 10表示第十个分组,如果真要匹配 10 的话,使用 (?:1)0 或者 1(?:0)

  2. 反向引用引用不存在的分组时候,匹配
    反向引用的字符本身。例如 2,就匹配 "2"

分组括号嵌套

针对 "1231231233".match(/^((d)(d(d)))1234$/) 的可视化形式如下,一目了然:

分组括号结合量词

分组后面有量词的话,分组最终捕获到的数据是最后一次的匹配。分组引用与反向引用都是这样例子:

非捕获括号

如果只想要括号最原始的功能,但不会引用它,即,既不在 API 里引用,也不在正则里反向引用。

可以使用非捕获括号 (?:p)(?:p1|p2|p3),如下代码,执行matchAll(),虽然有括号,但不会得到捕获的分组内容。

正则的拆分

不仅要求自己能解决问题,还要看懂别人的解决方案。代码是这样,正则表达式也是这样。如何能正确地把一大串正则拆分成一块一块的,成为了破解“天书”的关键。

这里,我们来分析一个正则 /ab?(c|de*)+|fg/

思考下: /^abc|bcd$//^(abc|bcd)$/
/^[abc]{3}+$//^([abc]{3})+$/

操作符优先级

操作符转义

所有操作符都需要转义

^、$、.、*、+、?、|、、/、(、)、[、]、{、}、=、!、:、- ,

到这里,对正则表达式也算是入了个小门了,即对正则的一些基本操作也有了了解,也能看懂别人的正则表达式,就算是copy也能灵活的改动了。

简单实用的正则测试器

效果图:

源代码:git

相关链接

老姚 《JavaScript 正则表达式迷你书》下载
阮一峰《ECMAScript 6 入门 – 正则的扩展》
MDN RegExp.prototype.exec()
MDN RegExp.prototype.test()
MDN String.prototype.search()
MDN String.prototype.match()
MDN String.prototype.matchAll()
MDN String.prototype.replace()
MDN String.prototype.split()