【正規表示式系列】一些概念（字元組、捕獲組、非捕獲組）

撒網要見魚發表於2017-12-18
字元

前言

本文介紹一些正則中的常用名詞以及對應概念，譬如字元組，捕獲組、非捕獲組、反向引用、轉義和s 等

大綱

  • 字元組
  • 捕獲組
  • 反向引用
  • 非捕獲組
  • .、s和S
  • 轉義

字元組

[]字元組表示在同一個位置可能出現的各種字元，也就是說它的匹配結果只能是一個字元，不能是多個

例如[hello]匹配的不是hello而是h或e或l或o

特點

  • 結果只會匹配一個字元

  • 內部特殊字元無需轉義 [ ] 除外

    • 另外，^出現在最開始位置時需要轉義
    • -前後構成區間範圍時需要轉義（推薦永遠使用轉義-）
  • -表示連字元
  • ^表示排除符

示例

特殊字元無需轉義

[^*-+|(a)]

這個示例的含義是，匹配以下字元中的任意一個

  • ^ * - + | ( a )
  • 可以看到，這些特殊字元在字元組中僅僅就是字元本身

連字元的作用

[z-a]

匹配這個正規表示式會報錯（Range out of order in character class）

原因是連字元後面的字元碼要大於等於前面的字元碼

var str = `abc-`;
var reg = /[a-z-]/g;

// 最後的連字元沒有構成區間，所以僅僅表示  - 這個字元
str.match(reg); // ["a", "b", "c", "-"]
var str = "aAbc-";
var reg = /[A-a-z]/g;

// 通用，A-a 構成一個區間  之後的 -z 無法構成區間，於是它只能作為-字元本身
str.match(reg); // ["a", "A", "-"]

排除型

var str = `01ABabc-`;
var reg = /[^a-z]/g;

// 匹配了除a-z範圍外的任意字元
str.match(reg); // ["0", "1", "A", "B", "-"]

排除型字元組用法和普通的一樣，但是唯一區別是

  • 排除型代表符合條件的都不匹配（功能相反）

特殊情況

var str = `abd,cdef`;
var reg = /[]/g;
var reg2 =  /c/g; 
var reg3 =  /[]c/g; 

str.match(reg); // [""] 匹配本身
str.match(reg2); // ["c"]  即匹配,號後面的c
str.match(reg3); // null 因為後面沒有c
  • 在字元組以外表示單詞邊界
  • 在字元組內，表示退格符()

捕獲組

捕獲組就是把正規表示式中子表示式匹配的內容，儲存到記憶體中以數字編號或顯式命名的組裡，方便後面引用

例如: /(a)(b)(c)/中的捕獲組編號為

  • 組0: abc
  • 組1: a
  • 組2: b
  • 組3: c

其中，組0是正規表示式整體匹配結果，組1`2`3才是子表示式匹配結果

特點

  • 子表示式捕獲組編號從1開始，順序從左到右（例如編號1是左側第一個()包裹的子表示式的結果）
  • 可以在正規表示式中對前面捕獲的內容進行引用（反向引用）
  • 也可以在程式中，對捕獲組捕獲的內容進行引用（比如replace中）

示例

子表示式捕獲組編號從1開始，順序從左到右

var str = "2017-07-29";
var reg = /(d{4})-(d{2})-(d{2})/;

// 非全域性模式有捕獲組結果
str.match(reg); // ["2017-07-29", "2017", "07", "29", index: 0, input: "2017-07-29"]

上述匹配中，除了整個正規表示式的結果外，還有各個捕獲組的結果，其中，子表示式的捕獲組從編號1開始，如下

編號 捕獲組 匹配內容
0 (d{4})-(d{2})-(d{2}) 2017-07-29
1 d{4} 2017
2 d{2} 07
3 d{2} 29

JS程式內的引用

  • 在replace中，JS通過$number引用捕獲組內容
  • 在外部匹配引用，JS通過RegExp.$number引用捕獲組內容
var str = `<div id="code1" class="highlight"></div>`;
var reg = /<(w+)[^>]*>/g;

// <div></div>
str = str.replace(reg, "<$1>");

可以看到，在去除div中的屬性時，先是整個匹配<divxxx>，然後再把整個內容替換成<$1>，其中$1就是第一個捕獲組結果div的引用

注，請不要引用$0，因為它不屬於子表示式的捕獲組，在replace中引用$0沒有任何效果

var str = `abcd0123ABCD`;
var reg = /([a-z]+)(d+)([A-Z]+)/g;

reg.test(str); // true

console.log(RegExp.$0); // undefined
console.log(RegExp.$1); // abcd
console.log(RegExp.$2); // 0123
console.log(RegExp.$3); // ABCD

注，同樣$0的引用沒有內容

反向引用

在正規表示式內部對捕獲組進行引用稱之為反向引用

var str = "boom==boom";
var reg = /(boom)==1/;

str.match(reg); // ["boom==boom", "boom", index: 0, input: "boom==boom"]

可以看到，正則中1的值就是捕獲組1匹配到的結果boom

因此，這個表示式等價於(boom)==boom

示例

var str = `1234567899`;
var str2 = `12345678999`;
    
var reg = /^(?:([0-9])(?!1{2})){1,}$/;

reg.test(str); // true
reg.test(str2); // false

上例中的效果是，匹配一個數字，但是數字中不允許連續出現3次以上的重複數字

  • 用到反向引用可以很好的實現

非捕獲組

上述可以看到()包括的內容預設匹配時都在捕獲組中

但是有時候，因為特殊原因用到了()，但又沒有引用它的必要，這時候就可以用非捕獲組宣告，防止它作為捕獲組，降低記憶體浪費

  • ?:可以宣告一個子表示式為非捕獲組
var str = `abcd0123ABCD`;
var reg = /(?:[a-z]+)(d+)([A-Z]+)/g;

reg.test(str); // true

console.log(RegExp.$0); // undefined
console.log(RegExp.$1); // 0123
console.log(RegExp.$2); // ABCD

可以看到，(?:[a-z]+)將這個子表示式宣告成了非捕獲組，因此捕獲組的編號直接跳過了它，從下一個(d+)開始

.、s和S

首先說下.

  • 定義是除
    以外的任何字元
  • 但是，在一些Chrome、Firefox等核心中，代表
    和
    以外的字元
  • 如果要匹配.本身，請用.

再說說s與S

  • s是匹配所有的空白字元，包括空白、換行、tab縮排等所有空白
  • S是指除了空白以外的任何字元（和.區別下，.裡面還多了一部分空白）

那如何匹配所有字元呢？

  • (.|
    )    或者是[sS](推薦用法)
  • 請不要試圖使用[.
    ]    或[.
    ]    ，這種寫法只表示小數點或
    字元中的一個

示例

請寫一個表示式，去除多行註釋

var str = `
    var a = 1; 

    /** 

    * 這裡是註釋 

    */

    var b = 2;

    console.log(a)`;

var reg = xxx;

str = str.replace(reg, ``);

解答

var reg = //*{1,}[sS]**//g;

這裡就用的了用[sS]來匹配所有的字元（因為僅僅是.是無法匹配
的）

單詞邊界

匹配單詞邊界，不匹配任何字元

簡單的說，匹配的位置，一側是構成單詞的字元，另一側是非單詞字元，字串的開始或結束

而其中單詞的判斷就是w的匹配範圍（正常a-zA-Z0-9_，JS舉例）

注，有一特例，在字元組中[]表示的是退格符

特點

  • 零寬，即匹配的是位置而不是字元
  • 以w來界定單詞
  • 字元組中是退格符的意思

示例

var str = `abc_d=efg+hij哈opq%`;
    
var reg = /../g;

// ["d=", "g+", "j哈", "q%"]
str.match(reg);

可以看到，分別在如下幾處有單詞分界

  • d和=直接有一個分界
  • g和+之間
  • j和哈
  • q和%

轉義

var str = `ab\cd`; // 字串 abcd
var str2 = `ab\\cd`; // 字串 ab\cd
    
var reg = /ab\\cd/;
var reg2 = new RegExp(`ab\\cd`);

reg.test(str); // false
reg.test(str2); // true

reg2.test(str); // true
reg2.test(str2); // false

出現的地方，得多加註意，需要梳理清楚轉義邏輯，通過上例可以看到，在正則中出現的和在字串中出現的意義不一樣

  • reg中，出現在正則中，所以\\的意思就是匹配\字串，所以測試str2通過，str失敗
  • reg2中，出現在字串中，所以\\的意思\，然後構建為正規表示式，最終在正則中是\，也就是匹配字串本身，所以測試str通過，str2失敗

附錄

部落格

初次釋出2017.07.31於個人部落格

http://www.dailichun.com/2017/08/01/regularExpressionConcepts.html

參考資料

相關文章