学习正则表达式
基础入门
概念
正则表达式(Regular Expression,在代码中常简写为regex、regexp或RE)使用单个字符串来描述、匹配一系列符合某个句法规则的字符串搜索模式。搜索模式可用于文本搜索和文本替换。它用一系列字符定义搜索模式。
正则表达式的用途有很多,比如:
-
表单输入验证;
-
搜索和替换;
-
过滤大量文本文件(如日志)中的信息;
-
读取配置文件;
-
网页抓取;
-
处理具有一致语法的文本文件,例如 CSV。
创建
正则表达式的语法如下:
/正则表达式主体/修饰符(可选)
先来看一个最基本的正则表达式:/处/
,它只匹配到了字符串中的第一个“处”:
创建正则表达式的方式有两种:
-
字面量:正则表达式直接放在
/ /
之中:
const rex = /pattern/;
-
构造函数:RegExp 对象表示正则表达式的一个实例:
const rex = new RegExp("pattern");
这两种方法的一大区别是对象的构造函数允许传递带引号的表达式,通过这种方式就可以动态创建正则表达式。
通过这两种方法创建出来的 Regex 对象都具有相同的方法和属性:
let RegExp1 = /a|b/
let RegExp2 = new RegExp('a|b')
console.log(RegExp1) // 输出结果:/a|b/
console.log(RegExp2) // 输出结果:/a|b/
RegExp 实例
实例方法
RegExp 实例置了test()
和exec()
这两个方法来校验正则表达式。下面来分别看一下这两个方法。
(1)test()
test()
用于检测一个字符串是否匹配某个模式,如果字符串中含有匹配的文本,则返回 true,否则返回 false。
const regex1 = /a/ig;
const regex2 = /hello/ig;
const str = "Action speak louder than words";
console.log(regex1.test(str)); // true
console.log(regex2.test(str)); // false
(2)exec()
exec()
用于检索字符串中的正则表达式的匹配。该函数返回一个数组,其中存放匹配的结果。如果未找到匹配,则返回值为 null。
const regex1 = /a/ig;
const regex2 = /hello/ig;
const str = "Action speak louder than words";
console.log(regex1.exec(str)); // ['A', index: 0, input: 'Action speak louder than words', groups: undefined]
console.log(regex2.exec(str)); // null
在当在全局正则表达式中使用 exec
时,每隔一次就会返回null
,如图:
在设置了 global 或 sticky 标志位的情况下(如 /foo/g or /foo/y),JavaScript RegExp 对象是有状态的。他们会将上次成功匹配后的位置记录在 lastIndex 属性中。使用此特性,exec() 可用来对单个字符串中的多次匹配结果进行逐条的遍历(包括捕获到的匹配),而相比之下, String.prototype.match() 只会返回匹配到的结果。
为了解决这个问题,我们可以在运行每个exec命令之前将lastIndex
赋值为 0:
实例属性
RegExp 实例还内置了一些属性,这些属性可以获知一个正则表达式的各方面的信息,但是用处不大。
属性 | 描述 |
---|---|
global |
布尔值,表示是否设置了g标志 |
ignoreCase |
布尔值,表示是否设置了i标志 |
lastIndex |
整数,表示开始搜索下一个匹配项的字符位置,从0算起 |
multiline |
布尔值,表示是否设置了m标志 |
source |
正则表达式的字符串表示,按照字面量形式而非传入构造函数重大的字符串模式匹配 |
模式匹配
关于正则表达式最复杂的地方就是如何编写正则规则了,下面就来看如何编写正则表达式。
修饰符
正则表达式的修饰符是一种可以在正则表达式模式中添加的标记,用于修改搜索模式的行为。这些修饰符通常以单个字符形式出现在正则表达式的末尾,并且可以通过在正则表达式模式前添加该字符来启用修饰符。
常见的修饰符如下:
-
g
:表示全局模式,即运用于所有字符串; -
i
:表示不区分大小写,即匹配时忽略字符串的大小写; -
m
:表示多行模式,强制 $ 和 ^ 分别匹配每个换行符。
最开始的例子中,字符串中有两个“处”,但是只匹配到了一个。这是因为正则表达式默认匹配第一个符合条件的字符。如果想要匹配所有符合条件的字符,就可以使用 g
修饰符:
/处/g
这样就匹配到了所有符合条件的字符:
当需要匹配引英文字符串,并且忽略字符串的字母大小写时,i
修饰符就派上用场了。先来看下面的表达式:
/a/g
在进行匹配时,它匹配到了字符串中所有的 a
字符。但是最开始的 A
是没匹配到的,因为两者大小写不一致:
i
修饰符:
/a/gi
这时所有的 a
都被匹配到了,无论是大写还是小写,总共匹配到了三个 a
:
let regExp = new RegExp('[2b|^2b]', 'gi')
console.log(regExp) // 输出结果:/[2b|^2b]/gi
字符集合
如果我们想匹配 bat、cat 和 fat 这种类型的字符串该怎么办?可以通过使用字符集合来做到这一点,用 [] 表示,它会匹配包含的任意一个字符。这里就可以使用/[bcf]at/ig
:
当然,字符集也可以用来匹配数字:
字符范围
如果我们想要在字符串中匹配所有以 at 结尾的单词,最直接的方式是使用字符集,并在其中提供所有的字母。对于这种在一个范围中的字符, 就可以直接定义字符范围,用-
表示。它用来匹配指定范围内的任意字符。这里就可以使用/[a-z]at/ig
:
常见的使用范围的方式如下:
-
部分范围:
[a-f]
,匹配 a 到 f 的任意字符; -
小写范围:
[a-z]
,匹配 a 到 z 的任意字符; -
大写范围:
[A-Z]
,匹配 A 到 Z 的任意字符; -
数字范围:
[0-9]
,匹配 0 到 9 的任意字符; -
符号范围:
[#$%&@]
; -
混合范围:
[a-zA-Z0-9]
,匹配所有数字、大小写字母中的任意字符。
数量字符
如果想要匹配三个字母的单词,根据上面我们学到的字符范围,可以这样来写:
[a-z][a-z][a-z]
这里我们匹配的三个字母的单词,那如果想要匹配10个、20个字母的单词呢?难道要一个个来写范围吗?有一种更好的方法就是使用花括号{}
来表示,来看例子:
其实匹配重复字符的完整语法是这样的:{m,n}
,它会匹配前面一个字符至少 m 次至多 n 次重复,{m}
表示匹配 m 次,{m,}
表示至少 m 次。
所以,当我们给5后面加上逗号时,就表示至少匹配五次:
所以这里就匹配到了所有连续5个或5个以上的单词。当匹配次数为至少4次,至多5次时,匹配结果如下:
除了可以使用大括号来匹配一定数量的字符,还有三个相关的模式:-
+
:匹配前面一个表达式一次或者多次,相当于{1,}
; -
*
:匹配前面一个表达式0次或者多次,相当于{0,}
; -
?
:单独使用匹配前面一个表达式零次或者一次,相当于{0,1}
,如果跟在量词*、+、?、后面的时候将会使量词变为非贪婪模式(尽量匹配少的字符),默认是使用贪婪模式。
来看一个简单的例子,这里我们匹配的正则表达式为/a+/ig
,结果如下:
/a{1,}/ig
的匹配结果是一样的:
使用/[a-z]+/ig
就可以匹配任意长度的纯字母单词:
元字符
使用元字符可以编写更紧凑的正则表达式模式。常见的元字符如下:
-
\d
:相当于[0-9]
,匹配任意数字; -
\D
:相当于[^0-9]
; -
\w
:相当于[0-9a-zA-Z]
,匹配任意数字、大小写字母和下划线; -
\W
:相当于:[^0-9a-zA-Z]; -
\s
:相当于[\t\v\n\r\f]
,匹配任意空白符,包括空格,水平制表符\t
,垂直制表符\v
,换行符\n
,回车符\r
,换页符\f
; -
\S
:相当于[^\t\v\n\r\f]
,表示非空白符。
来看一个简单的例子:
这里使用\d
来匹配任意数字、字母和下划线。这里就匹配到了7个连续四位的字符。
特殊字符
使用特殊字符可以编写更高级的模式表达式,常见的特殊字符如下:
-
.
:匹配除了换行符之外的任何单个字符; -
\
:将下一个字符标记为特殊字符、或原义字符、或向后引用、或八进制转义符; -
|
:逻辑或操作符; -
[^]
:取非,匹配未包含的任意字符。
来看一个简单的例子,如果我们使用 /ab*/ig
进行匹配,结果就如下:
\
对其进行转义:
这样就只会匹配到 ab*
了。
或匹配也很简单,来看例子,匹配规则为:/ab|cd/ig
,匹配结果如下:
ab
和 cd
字符。那如果想要匹配 sabz
或者scdz
呢?开头和结尾是相同的,只有中间的两个字符是可选的。其实只需要给中间的或部分加上括号就可以了:
取非规则在范围中使用,来看例子:
这里匹配到了所有非字母的字符。
位置匹配
如果我们想匹配字符串中以某些字符结尾的单词,以某些字符开头的单词该如何实现呢?正则表达式中提供了方法通过位置来匹配字符:
-
\b
:匹配一个单词边界,也就是指单词和空格间的位置; -
\B
:匹配非单词边界; -
^
:匹配开头,在多行匹配中匹配行开头; -
$
:匹配结尾,在多行匹配中匹配行结尾; -
(?=p)
:匹配 p 前面的位置; -
(?!=p)
:匹配不是 p 前面的位置。
最常见的就是匹配开始和结束位置。先来看一个开始位置的匹配,这里使用 /^ex/igm
来匹配多行中以ex
开头的行:
/e$/igm
来匹配以 e 结尾的行:
可以使用 \w+$
来匹配每一行的最后一个单词:
需要注意,这里我们都使用 m
修饰符开启了多行模式。
使用 /(?=the)/ig
来匹配字符串中the
前的面的位置:
我们可以使用\b
来匹配单词的边界,匹配的结果如下:
\b\w+\b
,匹配结果如下:
捕获组
正则表达式中的“捕获组”是指使用括号 ()
将子模式括起来,以便于在搜索时同时匹配多个项或将匹配的内容单独提取出来。组可以根据需要进行嵌套,形成复杂的匹配模式。
使用捕获组,可以直接在正则表达式 /(Testing|tests) 123/ig
中匹配到 "Testing 123" 和 "Tests 123",而不需要重复写 "123" 的匹配项。
-
(...)
:捕获组,用于匹配任意三个字符。 -
(?:...)
:非捕获组,也是用于匹配任意三个字符,但不进行捕获。
可以使用以下 JavaScript 将文本替换为Testing 234
和tests 234
:
const regex = /(Testing|tests) 123/ig;
let str = `
Testing 123
Tests 123
`;
str = str.replace(regex, '$1 234');
console.log(str);
// Testing 234
// Tests 234
被括号包围的子模式称为“捕获组”,捕获组可以从匹配的字符串中提取出指定的部分并单独使用。这里我们使用 $1
来引用第一个捕获组 (Testing|tests)
。也可以匹配多个组,比如同时匹配 (Testing|tests)
和 (123)
。
const regex = /(Testing|tests) (123)/ig;
let str = `
Testing 123
Tests 123
`;
str = str.replace(regex, '$1 #$2');
console.log(str);
// Testing #123
// Tests #123"
这只适用于捕获组。如果把上面的正则表达式变成这样:
/(?:Testing|tests) (123)/ig;
那么只有一个被捕获的组:(123)
,与之前相同的代码将输出不同的结果:
const regex = /(?:Testing|tests) (123)/ig;
let str = `
Testing 123
Tests 123
`;
str = str.replace(regex, '$1');
console.log(str);
// 123
// 123
修改后的正则表达式只有一个捕获组 (123)
。因为 (?: )
的语法用于创建非捕获组,所以它不会将其内容作为一个捕获组来使用。
命名捕获组
虽然捕获组非常有用,但是当有很多捕获组时很容易让人困惑。$3
和 $5
这些名字并不是一目了然的。为了解决这个问题,正则表达式引入了“命名捕获组”的概念。例如,(?<name>...)
就是一个命名捕获组,名为 "name
",用于匹配任意三个字符。
可以像这样在正则表达式中使用它来创建一个名为 "num
" 的组,用于匹配三个数字:
/Testing (?<num>\d{3})/
然后,可以在替换操作中像这样使用它:
const regex = /Testing (?<num>\d{3})/
let str = "Testing 123";
str = str.replace(regex, "Hello $<num>")
console.log(str); // "Hello 123"
命名反向引用
有时候需要在查询字符串中引用一个命名捕获组,这就是“反向引用”的用武之地。
假设有一个字符串,其中包含多个单词,我们想要找到所有出现两次或以上的单词。可以使用具名捕获组和命名反向引用来实现。
const regex = /\b(?<word>\w+)\b(?=.*?\b\k<word>\b)/g;
const str = 'I like to eat pizza, but I do not like to eat sushi.';
const result = str.match(regex);
console.log(result); // like
这里使用了具名捕获组 (?<word>\w+)
来匹配单词,并将其命名为 "word
"。然后使用命名反向引用 (?=.*?\b\k<word>\b)
来查找文本中是否存在具有相同内容的单词。
前瞻组和后顾组
前瞻组(Lookahead)和后顾组(Lookbehind)是正则表达式中非常有用的工具,它们用于在匹配过程中进行条件约束,而不会实际匹配这些约束的内容。它们使得我们可以更精确地指定匹配模式。
前瞻组:
-
正向前瞻(
(?=...)
):用于查找在某个位置后面存在的内容。例如,A(?=B)
可以匹配 "A",但只有在后面跟着 "B" 时才进行匹配。 -
负向前瞻(
(?!...)
):用于查找在某个位置后面不存在的内容。例如,A(?!B)
可以匹配 "A",但只有在后面不跟着 "B" 时才进行匹配。
后顾组:
-
正向后顾(
(?<=...)
):用于查找在某个位置前面存在的内容。例如,(?<=A)B
可以匹配 "B",但只有在其前面跟着 "A" 时才进行匹配。 -
负向后顾(
(?<!...)
):用于查找在某个位置前面不存在的内容。例如,(?<!A)B
可以匹配 "B",但只有在其前面不跟着 "A" 时才进行匹配。
这些前瞻组和后顾组可以用于各种场景,例如:
-
在匹配邮箱地址时,使用正向前瞻来确保地址的结尾是以特定的域名结尾。
-
在匹配密码时,使用正向前瞻来确保密码满足特定的复杂度要求。
-
在提取文本中的日期时,使用正向后顾来确保日期的前面有特定的前缀。
例如,使用负向前瞻可以匹配 BC,但不会匹配 BA。
/B(?!A)/
我们甚至可以将负向前瞻组合使用,并使用 ^ 和 $ 这些元字符来尝试匹配完整的字符串。例如,以下的正则表达式将匹配任何不以 "Test" 开头的字符串:
/^(?!Test).*$/gm
这个正则表达式可以匹配 Hello
和 Other
,但无法匹配 Testing 123
和 Tests 123
。
同样,可以将其切换为正向前瞻,以强制字符串必须以“Test”开头:
/^(?=Test).*$/gm
字符串方法
在 JavaScript 内置了 6 个常用的方法是支持正则表达式的,下面来分别看看这些方法。
search()
search()
方法用于检索字符串中指定的子字符串,或检索与正则表达式相匹配的子字符串,并返回子串的起始位置。如果没有找到任何匹配的子串,则返回 -1。
const regex1 = /a/ig;
const regex2 = /p/ig;
const regex3 = /m/ig;
const str = "Action speak louder than words";
console.log(str.search(regex1)); // 输出结果:0
console.log(str.search(regex2)); // 输出结果:8
console.log(str.search(regex3)); // 输出结果:-1
可以看到,search()
方法只会返回匹配到的第一个字符的索引值,当没有匹配到相应的值时,就会返回-1。
match()
match()
方法可在字符串内检索指定的值,或找到一个或多个正则表达式的匹配。如果没有找到任何匹配的文本, match()
将返回 null
。否则,它将返回一个数组,其中存放了与它找到的匹配文本有关的信息。
const regex1 = /a/ig;
const regex2 = /a/i;
const regex3 = /m/ig;
const str = "Action speak louder than words";
console.log(str.match(regex1)); // 输出结果:['A', 'a', 'a']
console.log(str.match(regex2)); // 输出结果:['A', index: 0, input: 'Action speak louder than words', groups: undefined]
console.log(str.match(regex3)); // 输出结果:null
可以看到,当没有 g
修饰符时,就只能在字符串中执行一次匹配,如果想要匹配所有符合条件的值,就需要添加 g
修饰符。
matchAll()
matchAll()
方法返回一个包含所有匹配正则表达式的结果及分组捕获组的迭代器。因为返回的是遍历器,所以通常使用for...of
循环取出。
for (const match of 'abcabc'.matchAll(/a/g)) {
console.log(match)
}
//["a", index: 0, input: "abcabc", groups: undefined]
//["a", index: 3, input: "abcabc", groups: undefined]
需要注意,该方法的第一个参数是一个正则表达式对象,如果传的参数不是一个正则表达式对象,则会隐式地使用 new RegExp(obj)
将其转换为一个 RegExp
。另外,RegExp必须是设置了全局模式g
的形式,否则会抛出异常 TypeError
。
replace()
replace()
用于在字符串中用一些字符串替换另一些字符串,或替换一个与正则表达式匹配的子串。
const regex = /A/g;
const str = "Action speak louder than words";
console.log(str.replace(regex, 'a')); // 输出结果:action speak louder than words
可以看到,第一个参数中的正则表达式匹配到了字符串的第一个大写的 A,并将其替换为了第二个参数中的小写的 a。
replaceAll()
replaceAll()
方法用于在字符串中用一些字符替换另一些字符,或替换一个与正则表达式匹配的子串,该函数会替换所有匹配到的子字符串。
const regex = /a/g;
const str = "Action speak louder than words";
console.log(str.replaceAll(regex, 'A')); // 输出结果:Action speAk louder thAn words
需要注意,当使用一个 regex
时,您必须设置全局("g")标志, 否则,它将引发 TypeError
:"必须使用全局 RegExp 调用 replaceAll"。
split()
split()
方法用于把一个字符串分割成字符串数组。其第一个参数是一个字符串或正则表达式,从该参数指定的地方分割字符串。
const regex = / /gi;
const str = "Action speak louder than words";
console.log(str.split(regex)); // 输出结果:['Action', 'speak', 'louder', 'than', 'words']
这里的 regex
用来匹配空字符串,所以最终在字符串的每个空格处将字符串拆成了数组。