正则表达式
一 正则表达式概述
1. 正则表达式定义
正则表达式是用来匹配一串文本中符合规则的子串的字符组合。一段用于匹配的正则表达式通常称为一个模式。JavaScript中,正则表达式可以通过字面量来定义,使用时会被包装为一个RegExp对象。
2. 正则表达式范围
一种语言对正则表达式的支持分为两个部分:
- 正则表达式本身的语法支持
- 正则表达式的运行与匹配支持,在JavaScript中,主要是RegExp对象的方法和String对象的部分方法。
用马哲的风格来讲:
第一种对语法的支持是绝对的,不以语言不同而转移,第二种运行支持是相对的,要依赖正则语法和程序语言支持。
3. 简单模式
简单模式就是直接由想要匹配的字符串组成。也仅仅能严格匹配到相等的字符串,这里区分大小写和字符顺序。
1
|
/Str/.exec( 'strStrsTR' ) // Str |
JavaScript中,一般情况下,如果一个参数的要求是正则表达式,而实际接收到了一个字符串,那么字符串会被转化成简单模式的正则表达式。
4. 元字符概述
如果想要匹配模式更加灵活,必须依赖元字符。元字符也是一组字符串,但是不再表达本身字符的意思。元字符分可以有很多种,为方便理解,我把元字符分为下述几种:
- 简单字符
- 字符集
- 量词
- 位置
- 文本简写字符
- 文本控制字符
二 元字符
1. 简单字符
简单字符概述
简单匹配字符作用于单个字符上。
匹配字符 |
描述 |
---|---|
|
匹配除了换行符外的任意单个字符 |
| |
或运算符 |
\ |
转义运算符,用于匹配保留的字符[] () . * + ? ^ $ \ | |
点号
1
|
/./.exec( 'jsx' ) // j |
或运算符
1
2
|
// exec()方法只执行一次,match方法可以通过g标志,实现全局匹配 'SsDdDk' .match(/s|D/g) // s,D,D, |
转义运算符
1
|
/\ //.exec('s//d/k') // /, |
2. 字符集
字符集概述
字符集用于匹配集合内的所有字符。默认情况下,严格区分大小写。
字符集 |
描述 |
---|---|
|
字符集,匹配方括号内的任意字符,如[xyz]就是匹配x,y,z中任意一个字符 |
[^] |
否定字符集,匹配除了方括号里的任意字符 |
常用字符集包括:
- [a-z]: 匹配a-z之间任意字符,也就是匹配所有小写字母
[A-Z]
: 匹配A-Z之间任意字符,也就是匹配所有大写字母[0-9]
: 匹配0-9之间任意字符,也就是匹配所有数字
字符集
1
|
/[uH2]/.exec( 'UH34' ) // H |
否定字符集
1
|
/[^Uh3]/.exec( 'Uh23' ) // 2 |
3. 量词
量词概述
量词用于规定匹配的次数。默认情况下,每一个规则或者说元字符,仅仅匹配一次,且只作用于单个字符上。可以通过量词来描述期望的匹配次数。
量词
|
描述
|
---|---|
* | 匹配星号前的字符或子模式,大于等于0次。隐藏的一个问题,如果一串字符的开头不匹配,那么也不会往下继续匹配,因为规则上允许匹配0次 |
+ | 匹配加号前的字符或子模式,大于等于1次。隐藏的一个含义,如果当前没匹配到子串,就回继续查找,如果匹配到一段符合规则的子串,会继续往后,直到查到第一个不符合规则的子串的时候结束 |
{n} | 匹配n次花括号前的字符或子模式 |
{n,} | 匹配大于等于n次花括号前的字符或子模式 |
{n,m} | 匹配num个花括号前的字符,num大于等于n且小于等于m |
星号
1
2
3
4
5
6
7
8
9
|
// 匹配大于等于0个星号之前的字符或子模式。关联字符时,只关联模式串中的星号前一个字符,之前的字符会按照相应的匹配规则 // 第一个规则,模式串前半部分的字符是简单模式,也就是要求严格匹配 // 第二个规则,匹配方括号字符集里面的任意一个, // 由于默认的匹配类型是贪婪匹配,因此会尽可能多的向后匹配,直到遇到不匹配的字符 // 第三个规则,意思为匹配a-z之间的小写字母,也就是所有的小写字母,但第二个字符是大写S,因此只匹配了第一个字符 /Sd*/.exec( 'sdSdddK' ) // Sddd /[sSD]*/.exec( 'sSDSkDdk' ) // sSDS /[a-z]*/.exec( 'sSDSDdk' ) // s |
加号
1
2
3
4
|
// 下面的正则要求匹配一次及以上的字符d // 由于加号至少要求匹配一次,因此,第一个字母不是d,不满足条件,会继续向后找,匹配到ddd // ddd匹配完后,已经具备了匹配到一个子串的要求,因此,发现k不符合规则后,直接返回 /d+/.exec( 'sdddk' ) // ddd |
花括号
1
2
3
4
5
6
|
// 匹配一次 /D{1}/.exec( 'sDDDDk' ) // D // 匹配大于等于一次 /D{1,}/.exec( 'sDDDDk' ) // DDDD // 大于等于1次,小于等于3次 /D{1,3}/.exec( 'sDDDDk' ) // DDD |
4. 位置
位置概述
位置
|
描述
|
---|---|
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
\b | 匹配一个词的边界 |
\B | 匹配一个非单词边界 |
如何理解边界?
一个词的边界就是不跟随其他词的字符的位置。如单词之间的空格,一行文字的开头和结尾,以及不算“字”的字符等等。
JavaScript中的“字”,或“词”,与我们日常理解的有些不同。
JavaScript中的字只包含大写字母,小写字母,十进制数字,下划线。
除此之外的字符,都可以算作打断一个单词。
位置元字符,只提供位置的约束和规则,不匹配字符。
开头
1
2
3
4
5
|
// 匹配字符串开头的一个斜杠 // 斜杠是 \/匹配到的,^匹配的是位置规则。 /^\ //.exec('//s/d/k') // / // 由于开头的字符不是/,而是s,因此匹配不到 /^\ //.exec('s/d/k') // null |
结尾
1
2
3
4
|
// 匹配字符串结尾的一个斜杠 /\/$/.exec( 'sd/k//' ) // / // 由于结尾的字符是k,不是斜杠,因此匹配不到 /\/$/.exec( 'sd/k' ) // null |
边界
1
2
3
4
5
6
7
8
9
10
11
12
|
// 第一个规则匹配一个在结尾边界前的字符,在这里就是b /\w\b/.exec( 'ab' ) // b // 这个规则匹配一个开始边界后的字符,在这里就是a /\b\w/.exec( 'a b' ) // a // 这个规则匹配全局匹配一个开始边界后的字符,d前有c,不是开始边界后的字符,因此没有匹配到 'a b-cd' .match(/\b\w/g) // a,b,c, // 这段规则什么也匹配不了,因为位置元字符不匹配字符,因此,这段规则可以简化成下面的规则: // \w\w,匹配两个连起来的字母,数字,下划线,但是又要求这两个字符之间存在边界,这显然是不存在的 /\w\b\w/.exec( 'a b' ) // null |
非边界
1
2
3
4
5
6
|
// 匹配一个不是开头边界的字符,这里a是,c是,只有b不是 'ab-c' .match(/\B\w/g) // b // 这条规则什么也匹配不到,因为之前说过,位置元字符只匹配位置,不匹配字符 // 不存在一个字符,既是边界,又不是边界 'ab-c' .match(/\b\B\w/g) // null |
5. 文本匹配字符
文本匹配字符
|
描述
|
---|---|
\w | 匹配字母,数字和下划线 |
\W | 匹配非字母,数字和下划线 |
\d | 匹配数字 |
\D | 匹配非数字 |
\s | 匹配所有空白符 相当于[\t\n\f\r\p{Z}] |
\S | 匹配所有非空白符 |
\w 和 \W
\w 和 \W
1
2
|
/\w+/.exec( 'J2s_皆X' ) // J2s_ /\W+/.exec( 'df好卡啊z卡' ) // 好卡啊 |
\d 和 \D
1
2
|
/\d/.exec( 'g2' ) // 2 /\D+/.exec( '12san4' ) // san |
\s 和 \S
1
2
|
/\s/.exec( '1 7 ' ) // [空格] 由于只有一个\s,因此只匹配一个空格 /\S+/.exec( ' Jk' ) // Jk |
6. 文本控制字符
文本控制字符
|
描述
|
---|---|
\f | 匹配一个换页符 |
\n | 匹配一个换行符 |
\r | 匹配一个回车符 |
\t | 匹配一个制表符 |
\v | 匹配一个垂直制表符 |
\p | 匹配DOS命令行终止符,相当于\r\n |
三 零宽断言
1. 零宽断言概述
普通元字符用来匹配某个特定的字符,而零宽断言用来匹配特定的_位置_,指明匹配的字符前后必定有满足断言规则的内容。它包含两个概念:
- 断言: 即断定某件事,某种情况,必定发生。这里的断言,用来判断某个字符的前后,是否符合某种特定格式。
- 零宽: 即不占用宽度。也就是说,断言匹配的是字符前后的位置,不占据字符。如果断言前后还有其他规则,不会跳过断言匹配的字符。断言规则在匹配结果中也不返回
注: 在断言规则的写法上,先行断言是与断言前面的模式组合,后发断言与断言后面的模式组合
2. 零宽断言种类
零宽断言 |
描述 |
---|---|
|
正先行断言。正,正向,理解为真,即匹配符合规则的位置,先行,即匹配断言规则前面的字符 |
|
负先行断言。负,反向,理解为假,即匹配不符合规则的位置,先行,即匹配断言规则前面的字符 |
|
正,正向,理解为真,即匹配符合规则的位置,后发,即匹配断言规则后面的字符 |
|
负,反向,理解为假,即匹配不符合规则的位置,后发,即匹配断言规则后面的字符 |
3. 正先行断言
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
// 正先行断言 // 正,正向,理解为真,即匹配符合规则的位置,先行,即匹配断言规则前面的字符 // 下面的匹配由若干数字开头,结尾是dk的字符串,再去掉断言规则本身,返回的是233 /\d+(?=dk)/.exec( 'sdkS233dk' ) // 233 // 下面两个例子为了验证零宽 // 零宽的意思是,断言不占据位置,断言规则不会过滤掉字符, // 也就是说,如果匹配到了一段符合规则的子串,断言返回的子串不包含断言规则匹配的部分 // 但如果后续还有正则规则,会从断言规则前的位置开始 // 第二个返回1d,第三个返回1,可以看出,d是由\w匹配到的,因为断言本身不占据位置,所以\w从1后面的d开始匹配 /1(?=d)\w/.exec( '1d_' ) // 1d /1(?=d)/.exec( '1d_' ) // 1 |
4. 负先行断言
1
2
3
4
5
6
7
8
|
// 负先行断言 // 负,反向,理解为假,即匹配不符合规则的位置,先行,即匹配断言规则前面的字符 // 这里的匹配规则为:前方有若干字符(字母,数字,下划线),后面跟着两个井号。 // 从左向右匹配,第一个不符合规则的位置为d_k2D,因为这串字符后面跟着的是K而不是## // 最后,断言不匹配规则本身,因此返回的值为d_k2D /\w+(?! ##)K/.exec('##d_k2DK##$DK') // d_k2DK |
5. 正后发断言
1
2
3
4
5
6
7
8
9
|
// 正后发断言 // 正,正向,理解为真,即匹配符合规则的位置,后发,即匹配断言规则后面的字符 // 第一个规则,匹配两个井号(##)开头,后面跟若干数字的字符串,匹配结果不含井号 /(?<= ##)\d+/.exec('1##233###4#') // 233 // 第二个规则,匹配两个$#开头,且后续跟若干数字的字符串, // 由于后发断言规则前仍有正则规则,因此前面的字符被其他的规则匹配到,返回$#233 /\$ #(?<=\$#)\d+/.exec('1$#233###4#') // $#233 |
6. 负后发断言
1
2
3
4
5
|
// 负后发断言 // 负,反向,理解为假,即匹配不符合规则的位置,后发,即匹配断言规则后面的字符 // 匹配一个不以两个井号开头的若干数字组成的字符串,返回45 /(?<! ##)\d+/.exec('##2#45#') // 45 |
四 标记
1. 标记概述
标记用来修改正则表达式的一些默认行为,包括是否忽略大小写(i
),是否全局搜索(g
),是否多行搜索(m
)。
标记不属于元字符,因此不写在正则规则里面,而是写在规则后面。
1
2
|
// 全局匹配所有的字母,数字,或下划线 /\w/g.exec( 'sdk' ) // sdk |
标记 |
描述 |
---|---|
|
忽略大小写 |
|
全局查询搜索匹配 |
|
多行标记m可以让开头和结尾的标记符^, $在多行使用,同样的,全局匹配多次的话,需要加上全局标记g |
2. 忽略大小写
1
2
|
// 匹配至少两个或以上的小写字母,忽略了大小写,因此大写字母也能匹配的到 /[a-z]{2,}/i.exec( 'sDK' ) // sDK |
3. 全局搜索
1
2
|
// 这条规则匹配若干数字,字母,或下划线,后面紧跟一个空白符,而sdk后面没有空白符,因此匹配不到 "s sd sdk" .match(/\w+\s/g) // s ,sd , |
4. 多行匹配
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
// 全局查询,且多行查询,规则要求前面若干字符,后续跟一个井号,且井号不返回 ` sdk # sDK # SDK! `.match(/\w+(?= #)/gm) // sdk,sDK // 匹配到最后一个字符,并且这个字符要是井号,且多行匹配,但只匹配一次 ` sdk! sDK # sDK # SDK@ `.match(/ #$/m) // # |
五 贪婪匹配和懒惰匹配
1. 概述
正则表达式默认情况下是贪婪匹配。意味着正则会尽可能地匹配多的符合规则地字符。这包含这以下几个意思:
- 对于单个匹配字符,字符集等,不加量词的情况下,如\w,它的作用是匹配一个数字,字母,或下划线。因此,即便存在再多地字母,也只会匹配一个字母。
- 贪婪的地方在于,会尽可能的在某一个已经匹配规则的子串后面,如果下一个字符符合规则,会继续匹配相邻的下一个字符,否则就返回现有字符。而不是会匹配到整个字符串所有符合规则的字符串(此时需要用全局标记g)。
- 懒惰的地方在于,只匹配刚好满足规则的子串,不进行过多匹配。
2. 惰性匹配
在元字符,或者子模式后使用{{?}}将紧邻的前面的规则修饰为惰性匹配
1
2
3
4
5
|
// 贪婪匹配 /\w+/.exec( 'sdk_ s' ) // sdk_ // 惰性匹配 /\w+?/.exec( 'sdk_ s' ) // s |
六 子模式
子模式是用括号()括起来的一组规则。子模式会被记忆下来,使用带全局标记的exec()和不带全局标记的match()匹配时会单独匹配一份。
1
2
3
4
5
6
7
8
9
10
11
|
// 这个规则匹配一个数字后跟随多个字符,并且最后要有至少一个井号# const reg = /(\d\w+) #+/g; const str = '2d3c-#5g##8ff' ; // exec()方法会将正则执行一次,如果正则给出了全局标志位g,那么返回的数据是可迭代的 // 可以多次运行获取后面的所有匹配结果 reg.exec(str); // ["5g##", "5g", index: 6, input: "2d3c-#5g##8ff", groups: undefined] // 可以看出,exec(),执行一次的返回结果的前两个数组索引处,都是匹配的结果 // 第一个是整个模式串匹配的结果,第二个位置是子模式单独匹配的结果 |
除了exec()方法以外,子模式主要起到的就是一个分组的作用。也就是说,默认的情况下,一个修饰符或者一个量词,只修饰前面的一个字符。比如说,\w\d+这个规则要求只匹配一个字符,这个字符后面跟着至少一个数字。如果想要改成匹配字符和数字的多个组合呢?就可以使用子模式:
1
|
'2d3f4--f6s' .match(/(\w\d)+/g) // ["d3f4", "f6"] |
七 JavaScript中如何运行正则
JavaScript中主要使用String对象和RegExp对象提供的方法来运行正则表达式。
1. RegExp对象的方法
方法名(RegExp.prototype.) |
描述 |
---|---|
exec(string) => array |
|
|
|
2. String对象的方法
方法名(String.prototype.) |
描述 |
---|---|
|
|
search(reg | str) => index | -1 |
search()方法接收一个正则对象或一个字符串(字符串会转换成简单模式的正则表达式),用来查找调用字符串中符合规则的子串的位置,匹配到了就返回第一次出现的索引,否则返回-1 |
replace(reg | str, newStr | fn) => replacedStr |
replace()方法接收两个参数,第一个参数是用来匹配调用字符串的正则表达式(字符串会被转化成简单模式的正则规则),第二个参数表示要替换的字符串或者返回字符串的函数。replace()方法不改变源字符串。 |
split(reg | str, limit) => array |
split()方法接收两个参数,第一个是一个正则或字符串,表示将要匹配并用于切分的字符,使用第一个参数匹配调用字符串,在符合规则的位置将字符串切分未为数组,并返回。第二个参数限制分割的片段数量。 |