就因為這三個知識點，我徹底學廢了”正規表示式“

前端胖頭魚發表於2021-10-26

講個小笑話

昨天下完班，好久才回到家，就因為公司樓下的停車場設計的和迷宮一樣，每次都要找好久，才能發現，我沒有車o(╥﹏╥)o。

歡迎關注”前端胖頭魚“公眾號，也許你為素未謀面，但很可能相見恨晚噢。

前言

曾經我一度對正規表示式有種恐懼和厭惡感，為啥？因為總感覺這玩意很難，很枯燥，看到別人寫出賊牛逼的正則，我想啥時候我能像他們一樣優秀。直到我看到了這三個知識點。。。

只需要花10分鐘時間，你可以收穫

  1. 正規表示式中的位置匹配原理與知識
  2. 正規表示式中的字串匹配原理與知識
  3. 正規表示式中的括號的妙用
  4. 14個常見正規表示式解析幫助理解知識點

相信我，看完這篇文章，對於工作中90%以上的正則問題你都能找到解決思路和方案。

相信我，看完這篇文章，對於工作中90%以上的正則問題你都能找到解決思路和方案。

相信我，看完這篇文章，對於工作中90%以上的正則問題你都能找到解決思路和方案。

默唸三聲

正規表示式是匹配模式，要麼匹配字元，要麼匹配位置

正規表示式是匹配模式，要麼匹配字元，要麼匹配位置

正規表示式是匹配模式，要麼匹配字元，要麼匹配位置

1.搞懂位置能幹啥？

題目1：數字的千分位分割法

將123456789轉化為123,456,789

題目2：手機號3-4-4分割

將手機號18379836654轉化為183-7983-6654

題目3：驗證密碼的合法性

密碼長度是6-12位，由數字、小寫字元和大寫字母組成，但必須至少包括2種字元

這些題時常出現在面試中，日常業務也少不了它的身影。搞懂位置，不僅能搞定面試，業務你也將寫的飛起

啥是位置？

正規表示式是匹配模式，要麼匹配字元，要麼匹配位置。那什麼是位置呢?

如下圖箭頭所指，位置可以理解為相鄰字元之間的位置。

image.png

我們們可以和空字串進行類比, 字元的首尾、間隙都可以用空字串進行連線。

'hello' === '' + 'h' + '' + 'e' + '' + 'l' + '' +  'l' + '' + 'o' + '' // true

image.png

有哪些位置？

正則中常用來表示位置的符號主要有：

^、$、\b、\B、?=p、(?!p)、(?<=p)、(?<!p)

接下來我們們就一個個把他們全整明白。

^

脫字元，匹配行的開頭

例如要在hello的開頭塞一個笑臉(? )怎麼搞,這個肯定難不倒你


let string = 'hello'

console.log(string.replace(/^/, '?')) // ?hello

$

美元符號，匹配行的結尾

同理想在hello的結尾塞一個笑臉(? )呢？


let string = 'hello'

console.log(string.replace(/$/, '?')) // hello?

這兩個表示首尾位置的符號，相信大家一定都很熟悉。

\b

單詞的邊界，具體講有三點規則。

① \w和\W之間的位置

② ^與\w之間的位置

③ \w與$之間的位置

比如藏在你們電腦上學習教程資料夾中的某一集種子長這樣xxx_love_study_1.mp4，想要把他變成❤️xxx_love_study_1❤️.❤️mp4❤️怎麼搞呢？

image.png

其實只需要執行一行程式碼就行


'xxx_love_study_1.mp4'.replace(/\b/g, '❤️') // ❤️xxx_love_study_1❤️.❤️mp4❤️

畫圖理解就是

image.png

\B

非單詞的邊界，也就是\b反著來的意思，它的規則如下：

① \w與\w之間的位置

② \W與\W之間的位置

③^與\W之間的位置

④\W與$之間的位置

同樣還是用學習教程資料夾中的種子，稍稍改造一下，當執行這行程式碼之後，會輸出啥？

'[[xxx_love_study_1.mp4]]'.replace(/\B/g, '❤️')

....

沒錯，滿滿的都是愛啊！！！，都快看不清名字了。


❤️[❤️[x❤️x❤️x❤️_❤️l❤️o❤️v❤️e❤️_❤️s❤️t❤️u❤️d❤️y❤️_❤️1.m❤️p❤️4]❤️]❤️

畫圖解釋如下

image.png

(?=p)

符合p子模式前面的那個位置。換句話說是，有一個位置，緊跟其後需要滿足p子模式。也有一個學名叫正向先行斷言。

還是這個例子xxx_love_study_1.mp4，要在xxx(xxx可以指代任何你喜歡的那個TA)前面塞一個❤️,怎麼寫呢？

是這樣嗎？ 不是的，這樣會導致你的xxx都不見了，那還要❤️做什麼呢？


'xxx_love_study_1.mp4'.replace('xxx', '❤️') // ❤️_love_study_1.mp4

利用(?=p)就可以很方便這這件事（可以想想和上面有什麼不同？）


'xxx_love_study_1.mp4'.replace(/(?=xxx)/g, '❤️') // ❤️xxx_love_study_1.mp4

畫圖理解

image.png

(?!p)

(?=p)反過來的意思，可以理解為(?=p)匹配到的位置之外的位置都是屬於(?!p)的，它也有一個學名叫負向先行斷言。

'xxx_love_study_1.mp4'.replace(/(?!xxx)/g, '❤️') 

// (?=xxx)的輸出
❤️xxx_love_study_1.mp4
// (?!xxx)的輸出
x❤️x❤️x❤️_❤️l❤️o❤️v❤️e❤️_❤️s❤️t❤️u❤️d❤️y❤️_❤️1❤️.❤️m❤️p❤️4❤️

仔細對比一下，是不是除了(?=xxx)匹配到最前面那個位置，其他位置都是(?!xxx)匹配到的啦。

(?<=p)

符合p子模式後面(注意(?=p)表示的是前面)的那個位置。換句話說是，有一個位置，其前面的部分需要滿足p子模式。

依然是這個例子：我們要在xxx(xxx可以指代任何你喜歡的那個TA)的後面塞一個❤️,怎麼寫呢？

'xxx_love_study_1.mp4'.replace(/(?<=xxx)/g, '❤️') //xxx❤️_love_study_1.mp4

畫圖解釋

image.png

(?<!p)

(?<=p)反過來的意思，可以理解為(?<=p)匹配到的位置之外的位置都是屬於(?<!p)的，

'xxx_love_study_1.mp4'.replace(/(?<!xxx)/g, '❤️') 

// (?<=xxx)的輸出
xxx❤️_love_study_1.mp4
// (?<!xxx)的輸出
❤️x❤️x❤️x_❤️l❤️o❤️v❤️e❤️_❤️s❤️t❤️u❤️d❤️y❤️_❤️1❤️.❤️m❤️p❤️4❤️

仔細對比一下，是不是除了(?<=xxx)匹配到後面那個位置，其他位置都是(?<!xxx)匹配到的啦。

栗子詳解

學習完位置相關的知識，我們來做一下開頭的幾個題目試試

題目1：數字的千分位分割法

將123456789轉化為123,456,789

觀察題目的規律就是從後往前，每三個數字前加一個逗號，（需要注意的是開頭不需要加逗號，）。是不是很符合
(?=p)的規律呢？p可以表示每三個數字，要新增的逗號所處的位置正好是(?=p)匹配出來的位置。

第一步，嘗試先把後面第一個逗號弄出來



let price = '123456789'
let priceReg = /(?=\d{3}$)/

console.log(price.replace(priceReg, ',')) // 123456,789

第二步，把所有的逗號都弄出來

要把所有的逗號都弄出來，主要要解決的問題是怎麼表示三個數字一組,也就是3的倍數。我們知道正則中括號可以把一個p模式變成一個小整體，所以利用括號的性質，可以這樣寫



let price = '123456789'
let priceReg = /(?=(\d{3})+$)/g

console.log(price.replace(priceReg, ',')) // ,123,456,789

第三步，去掉首位的逗號，

上面已經基本上實現需求了，但是還不夠，首位會出現,那怎麼把首位的逗號去除呢？想想前面是不是有一個知識正好滿足這個場景？ 沒錯(?!p)，就是他了，兩者結合就是從後往前每三個數字的位置前新增逗號，但是這個位置不能是^首位。


let price = '123456789'
let priceReg = /(?!^)(?=(\d{3})+$)/g

console.log(price.replace(priceReg, ',')) // 123,456,789

題目2：手機號3-4-4分割

將手機號18379836654轉化為183-7983-6654

有了上面數字的千分位分割法，做這個題相信會簡單很多，也就是從後往前找到這樣的位置：

每四個數字前的位置，並把這個位置替換為-


let mobile = '18379836654'
let mobileReg = /(?=(\d{4})+$)/g

console.log(mobile.replace(mobileReg, '-')) // 183-7983-6654

題目3：手機號3-4-4分割擴充套件

將手機號11位以內的數字轉化為3-4-4格式

回想一下這樣的場景，有一個表單需要收集使用者的手機號，使用者是一個個數字輸入的，我們需要在使用者輸入11位手機號的過程中把其轉化為3-3-4格式。即

123 => 123
1234 => 123-4
12345 => 123-45
123456 => 123-456
1234567 => 123-4567
12345678 => 123-4567-8
123456789 => 123-4567-89
12345678911 => 123-4567-8911

這樣用(?=p)就不太合適了，例如1234就會變成-1234。
想想前面的知識點有適合處理這種場景的嗎？是的(?<=p)

第一步, 將第一個-弄出來

const formatMobile = (mobile) => {
  return String(mobile).replace(/(?<=\d{3})\d+/, '-')      
}

console.log(formatMobile(123)) // 123
console.log(formatMobile(1234)) // 123-4

將第二個-弄出來

將第一個-弄出來之後，字元的長度多了一位，原本1234567(這個位置插入-)8，要變成往後移一位

const formatMobile = (mobile) => {
  return String(mobile).slice(0,11)
      .replace(/(?<=\d{3})\d+/, ($0) => '-' + $0)
      .replace(/(?<=[\d-]{8})\d{1,4}/, ($0) => '-' + $0)
}

console.log(formatMobile(123)) // 123
console.log(formatMobile(1234)) // 123-4
console.log(formatMobile(12345)) // 123-45
console.log(formatMobile(123456)) // 123-456
console.log(formatMobile(1234567)) // 123-4567
console.log(formatMobile(12345678)) // 123-4567-8
console.log(formatMobile(123456789)) // 123-4567-89
console.log(formatMobile(12345678911)) // 123-4567-8911

題目4：驗證密碼的合法性

密碼長度是6-12位，由數字、小寫字元和大寫字母組成，但必須至少包括2種字元

題目由三個條件組成

① 密碼長度是6-12位

② 由數字、小寫字元和大寫字母組成

③ 必須至少包括2種字元

第一步寫出條件①和②和正則

let reg = /^[a-zA-Z\d]{6,12}$/

第二步，必須包含某種字元（數字、小寫字母、大寫字母）

let reg = /(?=.*\d)/
// 這個正則的意思是，匹配的是一個位置，這個位置需要滿足`任意數量的符號，緊跟著是個數字`，注意它最終得到的是個位置，而不是數字或者是數字前面有任意的東西

console.log(reg.test('hello')) // false
console.log(reg.test('hello1')) // true
console.log(reg.test('hel2lo')) // true

// 其他型別同理

第三步，寫出完整的正則

必須包含兩種字元，有下面四種排列組合方式

① 數字和小寫字母組合

② 數字和大寫字母組合

③ 小寫字母與大寫字母組合

④ 數字、小寫字母、大寫字母一起組合（但其實前面三種已經覆蓋了第四種了）

// 表示條件①和②
// let reg = /((?=.*\d)((?=.*[a-z])|(?=.*[A-Z])))/
// 表示條件條件③
// let reg = /(?=.*[a-z])(?=.*[A-Z])/
// 表示條件①②③
// let reg = /((?=.*\d)((?=.*[a-z])|(?=.*[A-Z])))|(?=.*[a-z])(?=.*[A-Z])/
// 表示題目所有條件
let reg = /((?=.*\d)((?=.*[a-z])|(?=.*[A-Z])))|(?=.*[a-z])(?=.*[A-Z])^[a-zA-Z\d]{6,12}$/


console.log(reg.test('123456')) // false
console.log(reg.test('aaaaaa')) // false
console.log(reg.test('AAAAAAA')) // false
console.log(reg.test('1a1a1a')) // true
console.log(reg.test('1A1A1A')) // true
console.log(reg.test('aAaAaA')) // true
console.log(reg.test('1aA1aA1aA')) // true

2. 字串匹配原來這麼簡單

兩種模糊匹配

正則如果只有精確匹配，那麼便完全沒有了意義

橫向

一個正則可匹配的字串的長度不是固定的，可以是多種情況，通過量詞+、*、?、{m,n}，可實現橫向匹配
let reg = /ab{2,5}c/
let str = 'abc abbc abbbc abbbbc abbbbbc abbbbbbc'

str.match(reg) // [ 'abbc', 'abbbc', 'abbbbc', 'abbbbbc' ]

縱向

一個正則匹配的字串，具體到某一位字元時，可以不是某個確定的字串，可以有多種可能，實現方式是字元組( 其實多選分支|也可以實現 )
let reg = /a[123]c/
let str = 'a0b a1b a2b a3b a4b'

str.match(reg) // [ 'a1b', 'a2b', 'a3b' ]

字元組

不要被名字給糊弄了，雖然他叫做字元組，但其實只是代表一個字元的可能性

範圍表示法

[123456abcdefABCDEF] => [1-6a-fA-F]

排除字元組

某位字元可以是任何東西，但是就是不能是xxx, 使用^符號

問題：如何要表示除了某個單詞之外的任意東西呢？

[^abc]

常見簡寫形式

\d // 數字
\D // 非數字
\w // [0-9a-zA-Z_]
\W // [^0-9a-zA-Z_]
\s // [\t\v\n\r\f]
\S // [^\t\v\n\r\f]
.

量詞

量詞 & 簡寫

1. {m,} // 至少出現m次
2. {m} // 出現m次
3. ? // 出現0次或者1次，等價於{0,1}    
4. + // 至少出現1次,等價於{1,} 
5. * // 出現人一次,等價於{0,}  

貪婪匹配 VS 惰性匹配

正則本身是貪婪的，會盡可能的多匹配符合模式的字元
let regex = /\d{2,5}/g
let string = '123 1234 12345 123456'
// 貪婪匹配
// string.match(regex) // [ 123, 1234, 12345, 12345 ]

// 惰性匹配
let regex2 = /\d{2,5}?/g
// string.match(regex) // [ 12, 12, 34, 12, 34, 12, 34, 56  ]

量詞後面加一個？，即變成了惰性匹配

貪婪量詞        惰性量詞
{m,n}            {m,n}?
{m,}             {m,}?
?                       ??
+                       +?
*                   *?  

多選分支

一個模式可以實現橫向和縱向的模糊匹配，而多選分支可以支援多個子模式任選其一，形式是(p1|p2|p3)

let regex = /good|nice/
let string = 'good idea, nice try.'

// string.match(regex) // [ 'good', 'nice' ]

// 注意，用/good|goodbye/去匹配'goodbye' 匹配到的是good
// 因為分支結構是惰性的，前面的匹配上了，後面的就不再嘗試了

案例分析

1.匹配id

// 1
let regex = /id=".*?"/ // 想想為什麼要加? 不加的話 連後面的class都會匹配到
let string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// 2
let regex = /id="[^"]*"/ 
let string = '<div id="container" class="main"></div>'; 
console.log(string.match(regex)[0]); 

2.匹配16進位制的顏色值

// 要求匹配如下顏色
/*
#ffbbad
#Fc01DF
#FFF
#ffE
*/

let regex = /#([a-fA-F\d]{6}|[a-fA-F\d]{3})/g
let string = "#ffbbad #Fc01DF #FFF #ffE";

console.log(string.match(regex))
//  ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]

3.匹配24小時制時間

/*
    要求匹配
  23:59
  02:07
*/
// 解析：
// 第一位：可以是0、1、2
// 第二位：當第一位位0或者1的時候，可以是0到9、第一位是2的時候，只可以是0到3
// 第三位：固定是冒號：
// 第四位：可以是0到5
// 第五位：0到9

let regex = /^([01]\d|2[0-3]):[0-5]\d$/

console.log(regex.test('23:59')) // true
console.log(regex.test('02:07'))// true

// 衍生題，可以是非0
let regex = /^(0?\d|1\d|2[0-3]):(0?|[1-5])\d/

console.log( regex.test("23:59") ) // true
console.log( regex.test("02:07") ) // true
console.log( regex.test("7:09") ) // true

4.匹配日期

/*
    要求匹配
  yyyy-mm-dd格式的日期
  注意月份、和日的匹配
*/

let regex = /\d{4}-(0\d|1[0-2])-(0[1-9]|[12]\d|3[01])/

console.log( regex.test("2017-06-10") ) // true
console.log( regex.test("2017-11-10") ) // true

3. 括號的神奇作用

括號的作用是提供了分組(括號內的正則是一個整體，即提供子表示式)，便於我們引用它

分組

如何讓量詞作用於一個整體？

let reg = /(ab)+/g
let string = 'ababa abbb ababab'

console.log(string.match(reg)) // ["abab", "ab", "ababab"]

分支結構

分支結構有點像程式設計裡面或的概念||

/*
匹配 
I love JavaScript
I love Regular Expression
*/

let reg = /I love (JavaScript|Regular Expression)/

console.log(reg.test('I love JavaScript')) // true
console.log(reg.test('I love Regular Expression')) // true

分組引用

通過括號建立子表示式，可以進行資料提取和強大的替換操作，也可以通過js來引用分組內容

提取資料

/*
提取年月日
2021-08-14
*/

let reg = /(\d{4})-(\d{2})-(\d{2})/

console.log('2021-08-14'.match(reg))
//  ["2021-08-14", "2021", "08", "14", index: 0, input: "2021-08-14", groups: undefined]

// 第二種解法,通過全域性的$1...$9讀取 引用的括號資料
let reg = /(\d{4})-(\d{2})-(\d{2})/
let string = '2021-08-14'

reg.test(string)

console.log(RegExp.$1) // 2021
console.log(RegExp.$2) // 08
console.log(RegExp.$3) // 14

資料替換

/*
將以下格式替換為mm/dd/yyy
2021-08-14
*/
// 第一種解法
let reg = /(\d{4})-(\d{2})-(\d{2})/
let string = '2021-08-14'
// 第一種寫法
let result1 = string.replace(reg, '$2/$3/$1')
console.log(result1) // 08/14/2021
// 第二種寫法
let result2 = string.replace(reg, () => {
    return RegExp.$2 + '/' + RegExp.$3 + '/' + RegExp.$1
})
console.log(result2) // 08/14/2021
// 第三種寫法
let result3 = string.replace(reg, ($0, $1, $2, $3) => {
    return $2 + '/' + $3 + '/' + $1
})
console.log(result3) // 08/14/2021

反向引用（很重要）

除了通過js引用分組的內容，也可以通過正則來引用分組內容

/*
    寫一個正則支援以下三種格式
  2016-06-12
  2016/06/12
  2016.06-12
*/
let regex = /(\d{4})([-/.])\d{2}\1\d{2}/

var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";

console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // false

注意

  1. 引用不存在的分組會怎樣？

    1. 即匹配的就是\1 \2本身

  2. 分組後面有量詞會怎樣？

    1. 分組後面如果有量詞，分組最終(注意是分組，不是說整體)捕獲的資料是最後一次的匹配
'12345'.match(/(\d)+/) // ["12345", "5", index: 0, input: "12345", groups: undefined]

/(\d)+ \1/.test('12345 1') // false
/(\d)+ \1/.test('12345 5') // true

非捕獲性括號

上面使用的括號都會匹配他們匹配到的資料，以便後續引用，所以也可以稱為捕獲型分組和捕獲型分支。

如果想要括號最原始的功能，但不會引用它，也就是既不會出現在API引用裡，也不會出現在正則引用裡，可以使用

非捕獲性括號（?:p）

// 非捕獲型引用
let reg = /(?:ab)+/g
console.log('ababa abbb ababab'.match(reg)) // ["abab", "ab", "ababab"]
// 注意這裡，因為是非捕獲型分組，所以使用match方法時，不會出現在陣列的1位置了
let reg = /(?:ab)+/
console.log('ababa abbb ababab'.match(reg)) // ["abab", index: 0, input: "ababa abbb ababab", groups: undefined]
let reg = /(ab)+/
console.log('ababa abbb ababab'.match(reg)) // ["abab", "ab", index: 0, input: "ababa abbb ababab", groups: undefined]

案例

1.trim方法模擬

// 1. 提取中間關鍵字元, 使用的分組引用
const trim1 = (str) => {
  return str.replace(/^\s*(.*?)\s*$/, '$1')
}
// 2. 去掉開頭和結尾的空字元
const trim2 = (str) => {
    return str.replace(/^\s*|\s*$/g, '')
}

2.將每個單詞的首字母大寫

關鍵是要找到每個單詞的首字母

// my name is epeli

const titleize = (str) => {
  return str.toLowerCase().replace(/(?:^|\s)\w/g, (c) => c.toUpperCase())
}  

console.log(titleize('my name is epeli')) // My Name Is Epeli

// 擴充，橫向轉駝峰，例如base-act-tab => BaseActTab
'base-act-tab'.replace(/(?:^|-)(\w)/g, ($0, $1) => $1.toUpperCase()) // BaseActTab

3.駝峰化

// -moz-transform => MozTransform
const camelize = (str) => {
    return str.replace(/[-_\s]+(\w)/g, (_, $1) => $1.toUpperCase())     
}

console.log(camelize('-moz-transform')) // MozTransform

4.中劃線化

// MozTransform => -moz-transform
const dasherize = (str) => {
    return str.replace(/[A-Z]/g, ($0) => ('-' + $0).toLowerCase())
}

console.log(dasherize('MozTransform')) // -moz-transform

5.HTML轉義和反轉義

// html轉義規則見https://blog.wpjam.com/m/character-entity/

const escapeHTML = (str) => {
    const escapeChars = {
    '<': 'lt',
    '>': 'gt',
    '"': 'quot',
    ''': '#39',
    '&': 'amp'
  }
  
  let regexp = new RegExp(`[${Object.keys(escapeChars).join('')}]`, 'g') // 為了得到字元組[<>"'&]
    
    return str.replace(regexp, (c) => `&${escapeChars[ c ]};`)
}

console.log( escapeHTML('<div>Blah blah blah</div>')) // &lt;div&gt;Blah blah blah&lt;/div&gt;


// 反轉義
const unescapseHTML = (str) => {
    const htmlEntities = {
    nbsp: ' ',
    lt: '<',
    gt: '>',
    quot: '"',
    amp: '&',
    apos: '''
  }
  
  return str.replace(/&([^;]+);/g, ($0, $1) => {
        return htmlEntities[ $1 ] || ''
    })
}

console.log(unescapseHTML('&lt;div&gt;Blah blah blah&lt;/div&gt;')) // <div>Blah blah blah</div>

6.匹配成對的標籤

/*
    匹配
      <title>regular expression</title>
        <p>laoyao bye bye</p>
  不匹配
    <title>wrong!</p>
*/
let reg = /<([^>]+)>.*?</\1>/g

console.log(reg.test('<title>regular expression</title>')) // true
console.log(reg.test('<p>laoyao bye bye</div>')) // false

相約再見

強烈推薦老姚的正規表示式迷你小書，筆者也是讀了這本書之後慢慢開始對正則有些理解，不再抗拒它，這篇文章主要也是基於這本書的內容做了總結。

參考

  1. JS正規表示式完整教程（略長）
  2. 三十分鐘包會——正規表示式
  3. 聊聊讓人頭疼的正規表示式

相關文章