正規表示式教程——語法篇

顏海鏡發表於2017-08-28

正規表示式，名字聽上去就沒有吸引力，我發現很多前端對正規表示式都很難做到如數家珍，每次能夠執行全憑運氣，更有甚者完全靠複製貼上，其實這樣並不好

正規表示式其實並不難，語法就那麼多，而且一旦掌握在某些時候能夠給解決問題提供捷徑，更重要的是面試可能會被問到，要是不會那就尷尬了

本文主要介紹正規表示式的語法部分，下面將正規表示式簡稱為正則

正則是啥？

同學你可以出門右轉了，下面是我自己的理解

正則就是用有限的符號，表達無限的序列，殆已！

正規表示式的語法一般如下(js)，兩條斜線中間是正則主體，這部分可以有很多字元組成；i部分是修飾符，i的意思表示忽略大小寫

/^abc/i

正則定義了很多特殊意義的字元，有名詞，量詞，謂詞等，下面逐一介紹

簡單字元

沒有特殊意義的字元都是簡單字元，簡單字元就代表自身，絕大部分字元都是簡單字元，舉個例子

/abc/ // 匹配 abc
/123/ // 匹配 123
/-_-/ // 匹配 -_-
/海鏡/ // 匹配 海鏡

轉義字元

\是轉義字元，其後面的字元會代表不同的意思，轉義字元主要有三個作用：

第一種，是為了匹配不方便顯示的特殊字元，比如換行，tab符號等

第二種，正則中預先定義了一些代表特殊意義的字元，比如\w等

第三種，在正則中某些字元有特殊含義(比如下面說到的)，轉義字元可以讓其顯示自身的含義

下面是常用轉義字元列表：

\n匹配換行符
\r匹配回車符
\t匹配製表符，也就是tab鍵
\v匹配垂直製表符
\x2020是2位16進位制數字，代表對應的字元
\u002B002B是4位16進位制數字，代表對應的字元
\u002B002B是4位16進位制數字，代表對應的字元
\w匹配任何一個字母或者數字或者下劃線
\W匹配任何一個字母或者數字或者下劃線以外的字元
\s匹配空白字元，如空格，tab等
\S匹配非空白字元
\d匹配數字字元，0~9
\D匹配非數字字元
\b匹配單詞的邊界
\B匹配非單詞邊界
\\匹配\本身

字符集和

有時我們需要匹配一類字元，字符集可以實現這個功能，字符集的語法用[``]分隔，下面的程式碼能夠匹配a或b或c

[abc]

如果要表示字元很多，可以使用-表示一個範圍內的字元，下面兩個功能相同

[0123456789]
[0-9]

在前面新增^，可表示非的意思，下面的程式碼能夠匹配a``b``c之外的任意字元

[^abc]

其實正則還內建了一些字符集，在上面的轉義字元有提到，下面給出內建字符集對應的自定義字符集

  • . 匹配除了換行符（\n）以外的任意一個字元 = [^\n]
  • \w = [0-9a-zA-Z_]
  • \W = [^0-9a-zA-Z_]
  • \s = [ \t\n\v]
  • \S = [^ \t\n\v]
  • \d = [0-9]
  • \D = [^0-9]

量詞

如果我們有三個蘋果，我們可以說自己有個3個蘋果，也可以說有一個蘋果，一個蘋果，一個蘋果，每種語言都有量詞的概念

如果需要匹配多次某個字元，正則也提供了量詞的功能，正則中的量詞有多個，如?、+、*、{n}、{m,n}、{m,}

{n}匹配n次，比如a{2}，匹配aa

{m, n}匹配m-n次，優先匹配n次，比如a{1,3}，可以匹配aaa、aa、a

{m,}匹配m-∞次，優先匹配∞次，比如a{1,}，可以匹配aaaa...

?匹配0次或1次，優先匹配1次，相當於{0,1}

+匹配1-n次，優先匹配n次，相當於{1,}

*匹配0-n次，優先匹配n次，相當於{0,}

正則預設和人心一樣是貪婪的，也就是常說的貪婪模式，凡是表示範圍的量詞，都優先匹配上限而不是下限

a{1, 3} // 匹配字串'aaa'的話，會匹配aaa而不是a

有時候這不是我們想要的結果，可以在量詞後面加上?，就可以開啟非貪婪模式

a{1, 3}? // 匹配字串'aaa'的話，會匹配a而不是aaa

字元邊界

有時我們會有邊界的匹配要求，比如以xxx開頭，以xxx結尾

^在[]外表示匹配開頭的意思

^abc // 可以匹配abc，但是不能匹配aabc

$表示匹配結尾的意思

abc$ // 可以匹配abc，但是不能匹配abcc

上面提到的\b表示單詞的邊界

abc\b // 可以匹配 abc ，但是不能匹配 abcc

選擇表示式

有時我們想匹配x或者y，如果x和y是單個字元，可以使用字符集，[abc]可以匹配a或b或c，如果x和y是多個字元，字符集就無能為力了，此時就要用到分組

正則中用|來表示分組，a|b表示匹配a或者b的意思

123|456|789 // 匹配 123 或 456 或 789

分組與引用

分組是正則中非常強大的一個功能，可以讓上面提到的量詞作用於一組字元，而非單個字元，分組的語法是圓括號包裹(xxx)

(abc){2} // 匹配abcabc

分組不能放在[]中，分組中還可以使用選擇表示式

(123|456){2} // 匹配 123123、456456、123456、456123

和分組相關的概念還有一個捕獲分組和非捕獲分組，分組預設都是捕獲的，在分組的(後面新增?:可以讓分組變為非捕獲分組，非捕獲分組可以提高效能和簡化邏輯

'123'.match(/(?:123)/) // 返回 ['123']
'123'.match(/(123)/)  // 返回 ['123', '123']

和分組相關的另一個概念是引用，比如在匹配html標籤時，通常希望<xxx></xxx>後面的xxx能夠和前面保持一致

引用的語法是\數字，數字代表引用前面第幾個捕獲分組，注意非捕獲分組不能被引用

<([a-z]+)><\/\1> // 可以匹配 `<span></span>` 或 `<div></div>`等

預搜尋

如果你想匹配xxx前不能是yyy，或者xxx後不能是yyy，那就要用到預搜尋

js只支援正向預搜尋，也就是xxx後面必須是yyy，或者xxx後面不能是yyy

1(?=2) // 可以匹配12，不能匹配22
1(?!2) // 可有匹配22，不能匹配12

修飾符

預設正則是區分大小寫，這可能並不是我們想要的，正則提供了修飾符的功能，修復的語法如下

/xxx/gi // 最後面的g和i就是兩個修飾符

g正則遇到第一個匹配的字元就會結束，加上全域性修復符，可以讓其匹配到結束

i正則預設是區分大小寫的，i可以忽略大小寫

m正則預設情況下，^和$只能匹配字串的開始和結尾，m修飾符可以讓^和$匹配行首和行尾，不理解就看例子

/jing$/ // 能夠匹配 'yanhaijing，不能匹配 'yanhaijing\n'
/jing$/m // 能夠匹配 'yanhaijing， 能夠匹配 'yanhaijing\n'

/^jing/ // 能夠匹配 'jing'，不能匹配 '\njing'
/^jing/m // 能夠匹配 'jing'，能夠匹配 '\njing'

總結

刻意練習，方能遊刃有餘，知己知彼，方能百戰百勝，正則是前端的一個武器，技多不壓身

有時我們會遇到特別複雜的正則，有時候可能不太直觀，下面推薦一個圖形化展示的工具，我們把涉及到的語法羅列一下

/^[a-z]*[^\d]{1,10}?(aaa|bbb)(?:ccc)$/

可以看到工具能夠更快的幫我們理清頭緒

本文僅講述了語法，下一篇文章將詳細介紹如何在js中使用正則，推薦一下glob，號稱給人看的正則，比正則的語法簡單多了，也是平時開發的神器

原文網址：http://yanhaijing.com/javascript/2017/08/06/regexp-syntax/

歡迎訂閱我的微信公眾帳號，只推送原創文字。掃碼或搜尋：顏海鏡

相關文章