正则之基本入门

villainhr

以前看了许许多多的正则教程,收货并不多,往往都是蜻蜓点水,一点就过。事实上,正则用处真的超级大,比如匹配innerHTML的内容,以及表单验证,也是非他莫属。这里,我结合js,对正则进行一个简单的介绍吧。 如有纰漏欢迎指出,希望大家多多包涵。

js与正则的关系

在js中定义一个正则有两种方法,一个是实例化,一个是字面量。
分别看一下:

//字面量
var re = /\w+/;   //这两者等价
//实例化
var re = new RegExp('\\w+');

如果想添加一些flags也是没有问题的。
比较常用的flag有。/i,/g,/ig,/m.


/i (忽略大小写,ignore)
/g (全文查找出现的所有匹配字符,global)
/m (多行查找,multiLine)
/ig(全文查找、忽略大小写,ignore+global)

所以, 使用flag之后可以这样写.

var reg = ^\d{5,12}\i$  ;//表示忽略大小写,匹配;
//或者
var reg = new RegExp(^\d{5,12}\i$);

正式入门正则

正则其实就是用来匹配字符串的。他用一个简洁表达了,完成了你需要写很多代码的事,就和md(markdown)语法是一个道理。 用的人多了,自然成标准,这也是规则吧。

正则预定字符

预定字符,就是用程序比较难表达的一些字符,比如回车键,tab键(通过空格来区分达到的效果).
常用的有:

字符 效果
t 制表符,其实就是一个“Tab”键
r 回车符,如果你使用过word应该之后,在一个段落后面那个东西吧。 :)
n 换行符,他和r是有故事的,等下说,我们继续

恩,大部分就是这几个了。 上面提到 r和n,他们到底有什么却别。 没错,看字面量,感觉return 不就是换行吗? 其实,这样说没错,但是得区分系统,在Unix为扩展的系统,在每行的结尾只有"n",而在window下则是:"rn"(顺序不能换). 所以,为了解决系统的差异,就出现了两种: r || n.
所以一般,我们匹配换行需要使用.r||n一起使用.

var reg = /[\r\n]/g;

这样就能保证系统的兼容性.

字符类

所谓的字符类同样也是将你平常要花很多时间做出来的,集成为一个简洁表达。(相当于写库)。
常用的字符类有如下几个。

字符 效果
. 匹配换行符以外的任意字符
d 匹配所有数字
D 匹配非数字
s 匹配一个空格符
S 匹配非空格
w 匹配字母数字下划线=>其实就是匹配单词word(简单易懂)
W 匹配!字母数字下划线=>就是不匹配单词

来我们看几个例子

console.log(/\s+/.test("     "));  //true
console.log(/\d+/.test("1234231"));  //true
console.log(/\D+/.test("  "));  //true

其他的如上。

锚字符

这个应该算是正则里面,取名最好理解的一个。使用正则就是停船一样,你需要设置你停的位置,我也需要设置我的边界。
常用的有一下几个:

锚字符 效果
^ 匹配字符串的开头,在多行检索中,匹配一行的开头
$ 匹配字符串的结尾,在多行检索中,匹配一行的结尾
b 匹配一个单词的边界
B 匹配非单词边界

这几个应该算是我平常用的最多的几个吧。
如果你想匹配整个字符串,就可以组合使用"^ $";

var reg = /^\d+$/;  //匹配整个字符串为数字

量词字符

"望文生义",这类字符使用来限定某某出现的次数的。
常用的有:

代码 / 语法 说明
* 重复零次或更多次
+ 重复一次或更多次
? 重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n, m} 重复n到m次

这个应该不用多说了。 直接看例子吧

console.log(/^\d+$/.test("123")); //true

上面说了这么多内置的字符,那我想使用特定字符类怎么办嘞。其实也很简单。使用""转义字符。
比如我想匹配大括号."{}".我可以这样用:

console.log(/\{.+\}/.test("{123}")); //true

但事实上,量词还分为3种,有贪婪量词,惰性量词,支配性量词。
区分的依据是根据引擎的解析不同而形成。
贪婪量词
这类量词指的就是上文所说的: *,+,?。
他的匹配方法就是,全文匹配,如果不成功,则,将末尾的最后一个字符减去,再匹配,如果还不成功,则,再减一次。只到为0。 接着,往中间移动一位,再进行匹配,同样的匹配模式。

console.log(/.+/.test("abcd"));  //true

惰性量词
使用方法: 基本量词 ?
该量词和贪婪量词就像,一个是消极怠工,一个是积极工作。 惰性量词一开始只会匹配一个字符,如果不成功,则在进行匹配。

console.log(/\d+?/.test("1fjkdf"));  //true

这里阐述一些惰性和贪婪匹配的区别。
我们也通常把惰性称为最少重复匹配。
举个例子:
我们现在需要匹配blablablabla. 中的b~a间的词。
使用贪婪匹配:

var str = "blablablabla";
console.log(str.match(/(b.*a)/g));  //["blablablabla"]

我们最少重复匹配(惰性匹配)

console.log(str.match(/(b.*?a)/g));  //["bla", "bla", "bla", "bla"]

支配性量词
使用方法: 基本量词 +;
该量词就是只匹配一次,如果不符合则不匹配。
但是由于js不支持,所以,这里也不做过多的介绍。

正则: /\d*+/;

其实上面只要留个印象就可以,只有当你真正使用的时候,你才会有感触。
OK!!!基本内容说完了,现在轮到真正的进阶,big boom~

中括号的用法

我们从小学学过来,老师告诉我们,我们使用括号有3种,一个是( ),一个是[],一个是{}.
而在正则里面,大括号已经被量词字符给强占了,只剩下[]和(). 这里我们来说一下,中括号.
[],在正则里面代表的是一个单元字符,或者我宁愿叫他"或"括号. 因为他起到的主要作用就是,你可以匹配这个或者匹配那个或者...
吃个栗子:

var reg = /[abc]/;
console.log(reg.test("a"));  //true

可以看出,reg可以匹配 a|b|c. 平常使用的时候,可以直接向一个字符使用就可以了。
异或表达
这里会出现一个问题,比如,我不想匹配a,b,c中的任意一个该怎么办呢? 其实,只需要在"[]"里面加上"^"即可。

console.log(/[^abc]/.test("c"));  //false

范围字符
范围字符,就是可以省略一些周所周知的。 比如匹配26英文字母可以直接使用:a-z. 因为我们已经都知道了这个的意义。
其实,上面所说的字符类完全就可以使用中括号来代替。

\d => [0-9]
\w => [0-9a-zA-Z_]
\S => [^\t\n\x0B\f\r]  (\f标识分页符)
...

另外这个范围字符还有一个好处,就是匹配中文。(电脑都是外国人发明的呀。)

console.log(/[\u4e00-\u9fa5]{1}/.test("艹")); //true

这就是中括号的常用用法。

小括号使用

小括号的主要作用其实就是分组。平常是用来提取匹配到的字符串。
分组使用
使用()对内容进行区分。

console.log(/(jimmy)+/.test("jimmy"));  //true

而且,配合使用match方法,可以获得匹配到的内容.(这里不加括号也是可以的).

var name = "My name is Jimmy";
console.log(name.match(/(Jimmy)/g));  //["Jimmy"]

需要注意在括号里面写正则和没有括号的时候,是没有区别的。我们可以在()内嵌套你想加的。(如果你想嵌套()的话,Sorry,这样并没有什么卵用).

var name = "My name is Jimmy Jimy";
console.log(name.match(/(Jimm?y)/g));  //["Jimmy", "Jimy"]

候选(或)
这个就相当于将括号加上一个或的功能. 即,在()里面使用"|"进行分隔。

var name = "My name is Jimmy sam";
var reg = /(jimmy|sam)+?/ig;
console.log(name.match(reg)); //["jimmy","sam"]

反向引用
这个名字我真心不理解,什么"反向"... 我宁愿叫做,给分组加上标识符。这个的主要功能,就是给匹配到的小括号加上数字,来表明他是第几个匹配到的。如果不加,则默认从左到右的顺序为1,2,3...

var reg = /(100)\1/;
var reg2 = /(100)(99)(101)\1\2\3/; //1=>100,2=>99,3=>101

在js中,通常是和replace搭配,才有威力。

var reg = /(100) (99)/;
var str = "100 99";
console.log(str.replace(reg,"$2 $1")); //99 100

总而言之, 小括号就是让你使用分组的匹配. 说回来,分组有什么用呢?
实际上就是让你的正则看起来更短而已.
看个demo你就懂分组的意义了:

var str = "name jimmy";
console.log(str.match(/\b(\w+)\b\s+\1\b/));  // 这里的\1 实际上就是前面的(\w+)
//得到的结果为 null. 因为name 不能匹配到jimmy所以为null
var str = "jimmy jimmy";
console.log(str.match(/\b(\w+)\b\s+\1\b/));
//得到的结果为 jimmy。 因为/w匹配到的为jimmy,所以为jimmy

上面那种方法叫做后向引用. 另外, 我们还可以显示的使用命名. 即:\b(?<fetchWord>\w+)\b\s+\b\kfetchWord\b 这样,就可以达到, 内部正则的复用. 不过, 对不起, 在js中,只支持数组分组, 即, 按顺序分配序号。和上面demo一样.
不过在perl 系列的正则中是使用(?P< xx>) 和 g

非捕获分组

我们直接使用 "(...)"进行的匹配是捕获分组。 我们来说一下什么叫捕获. 上文中我们使用match进行正则匹配,而返回的数组中的元素就是通过正则捕获的内容。 这就叫捕获。
那这里的非捕获,是什么意思呢? 其实很简单,就是通过match不会匹配到内容。但还是可以起到分组的效果。
格式为: (?:xxx)
它最常用的地方就是匹配html.

var str=` <div class="pin">
            <div class="box">
                <img src="http://cued.xunlei.com/demos/publ/img/P_001.jpg" />
            </div>
        </div>`;
var reg = /<div(?:.|\r|\n)*div>/gi;
console.log(str.match(reg));

大家可以去试一试,说到正则匹配,我还有一个想说的,就是上文所说的惰性匹配(最少重复)和贪婪匹配。
可以看到 “/< div(?:.|r|n)*div>/gi” 我这里使用的是贪婪匹配。他的结果是,尽量匹配到最外层的< /div>标签。
即上面的结果为:

<div class="pin">
            <div class="box">
                <img src="http://cued.xunlei.com/demos/publ/img/P_001.jpg" />
            </div>
        </div>

可以看出,贪婪匹配,对于两个重复的/div 他会匹配到最外一层。
那我们使用惰性匹配试一试。
/< div(?:.|r|n)*?div>/gi
得到的结果为:

<div class="pin">
            <div class="box">
                <img src="http://cued.xunlei.com/demos/publ/img/P_001.jpg" />
            </div>

可以看出少了一个< /div>,原因就是,惰性匹配尽量只会匹配到第一个重复的< /div>上面的。
所以,总结一下,在使用正则匹配的时候需要搞清楚到底什么时候用惰性,什么时候用贪婪,这点很重要。 贪婪会匹配最外层,惰性会匹配最里层。

前瞻(零宽断言)

前瞻分为正向前瞻和反向前瞻。(由于js只支持前瞻,所以后瞻只会提一下)。 他的作用就是,在匹配的字符后面,断言说后面一定符合我的正则。 (好饶~~)
算了,先说一下基本格式吧。

正则 名称 作用
(?=exp) 正向前瞻 匹配exp前面的位置
(?!exp) 反向前瞻 匹配后面不是exp的位置
(?<=exp) 正向后瞻 匹配exp后面的位置
(?< !exp) 反向后瞻 匹配后面不是exp的位置

看不懂了吧,我们来看一下详细的内容。
for instances:

var str = "happied boring";
var reg1 = /happ(?=ied)/g;
var reg2 = /bor(?!ied)/;
console.log(str.match(reg1)); //["happ"]
console.log(str.match(reg2)); //["bor"]

从这个例子可以很容易看出前瞻后瞻到底是什么了。
回到上面的匹配html的例子。
这里我们有个需求,即只留下img标签,那么就可以使用前瞻.

var str=` <div class="pin">
            <div class="box">
                <img src="http://cued.xunlei.com/demos/publ/img/P_001.jpg" />
            </div>
        </div>`;
var reg = /<(?!img)(?:.|\r|\n)*?>/gi;
console.log(str.replace(reg,""));
//得到的结果为:
<img src="http://cued.xunlei.com/demos/publ/img/P_001.jpg" />

另外,零宽断言还有另外一个作用,即匹配以xxx为结尾的单词。
这时候,你的leader对你有个要求,即,jimmy呀,你把ed结尾的单词找出来哦。(好呀~)
这时候就可以使用前瞻了。

var str = "he is an interested person";
var reg = /\b\w+(?=ed\b)/ig;
console.log(str.match(reg)); //["interest"]

结束语

关于正则的内容大概就是这些了。 其实正则的学习,不是只用看就能学会的,实践才是硬道理。 通过,理论的学习,在加上踩过的坑,自然会对正则有着莫名的好感。 不过,大神就是大神,取名字就是这么别扭。 什么 零宽断言,前瞻,后瞻,反向引用 blablabla... 在理解的同时可以根据自己的理解给这些名词冠上自己的idea.我这里只是 正则的冰山一角,正则在任意一门语言内,用处都是超级大的。这里安利一个 总结的比较好的正则库。正则库. 还有一个在线的regExp测试工具.Debuggex

阅读 3.7k

前端的bigboom
个人博客: [链接] 公众号:前端小吉米
7.7k 声望
2.2k 粉丝
0 条评论
7.7k 声望
2.2k 粉丝
文章目录
宣传栏