【实践】玩转正则表达式+JS正则处理函数

前言

写这篇文章不是空穴来风，最近一个礼拜写了一个简单的nodejs脚本，用来处理上千个文件，以便于在某些特定字符的周围添加标记，先说一下我这个脚本使用场景主要是来识别中文(具体做什么，之后会单独写一篇文章，此处只提该脚本作用)，同时为不同的文件类型，包括js，vm，jsp等等文件的中文周围添加标记，以便于减少人工添加标记的事件。

注：本文着重用示例讲解，理论知识推荐此篇文章 http://www.jb51.net/tools/zhe... 最早我就是看的这篇文章初步接触正则，正则刚开始很枯燥，慢慢学就好了，加油！！！

1. 正则理论部分简介

只是看下面的这些还是处于懵逼状态，其实直接看第二节例子即可，为了完整性此处便于大家查阅！

• [] 集合
• {} 范围
• () 分组
• | 并列关系
• + 一次或者多次(范围简写方式1)
• * 零次或多次(范围简写方式2)
• ? 零次或一次(范围简写方式3) 另外和贪婪模式有关，后面会讲
• ^ 两个功能，放在开始作为开始符，放在[]的开头作为“非”
• $ 结束符
• \ 转义
• (?=pattern) 正向肯定环视(这个名字好多地方都不一样，断言，预查，我最喜欢环视，同下)
• (?!pattern) 正向否定环视
• (?<=pattern) 逆向肯定环视
• (?<!pattern) 逆向否定环视
• . 匹配除换行符之外的所有字符(此项以下为范围集)
• \s 匹配任何空白字符，包括空格、制表符、换页符等等。
• \S 匹配任何非空白字符(s的反面)
• \d 匹配数字字符
• \D 匹配非数字字符(d的反面)
• \w 匹配字母、数字、下划线
• \W 匹配非字母、数字、下划线

以上这些我觉得就是比较常用的基本能够够大家使用的了，对于中文站一般还会用到中文的相关匹配，那么中文的匹配为[\u4e00-\u9fa5]，其中\u是四个十六进制数字表示的Unicode字符，不知道匹配的中文是否全，但是大部分还都是可以的

2. 正则简单调试

实际上调试正则可以不需要什么工具，你要非得要的话，可以用Note Pad++，这个简单的编辑器内置有正则的匹配，Ctrl+F弹出对话框里边是含有正则选择项，打上对勾即可以在编辑其中写内容，看看能否搜索到了。

我建议看此篇文章或者练习的时候，在chrome浏览器直接Windows系统按F12, Mac上按command+option+J，点击console或者控制台，用什么浏览器自行研究如何打开控制台，如图

光标位置即可操作js，然后利用js的就可以展示你写的正则是否正确，很速度的方式，可以用上下键来切换，迅速修改你的表达式

3. JS相关处理函数

下文的Reg代表正则表达式，str代表要匹配的字符串，由于还未开始正则表达式讲解，如果有无法理解请略读，了解如何利用这几个函数，然后开始进行第四节正则学习，然后回头看就OK了。

RegExp方法

test

用法：Reg.test(str)
返回值：Boolean
实例：/a/.test("a") // true

exec

用法：Reg.exec(str)
返回值：Array或null
实例1：/b(a)/.exec("ba") // ["ba", "a", index: 0, input: "ba"]
实例2：/a(c)/.exec("ba") // null
解释：匹配的值会按照顺序-->全匹配，第一分组，第二分组...等等，匹配到的字符串位置(index)，输入的字符串(input)

String方法

match

用法：str.match(Reg)
返回值：Array或null
其实和RegExp的test方法是一致的，只不过这个字符串在前
注意：当区分模式时match返回情况有所区别
实例1："bababa".match(/b(a)/g) // ["ba", "ba", "ba"]
实例2："bababa".match(/b(a)/) // ["ba", "a", index: 0, input: "bababa"]

search
用法：str.search(Reg)
返回值：Number 位置索引(无匹配返回-1)
实例："wefeaba".search(/b(a)/) // 5

split

用法：str.split(str)或str.split(Reg) 【自动全局搜索】
返回值：Array 将分开的子字符串放到数组中
实例1："前端,后端,设计".split(",") // ["前端", "后端", "设计"]
实例2："f4wef1er2gr".split(/\d/) // ["f", "wef", "er", "gr"]

replace

用法：str.replace(str, str)或str.replace(Reg,str)或str.replace(Reg,Fn)
实例1："前端,后端,设计".replace(",", "|") // "前端|后端,设计"
实例2："前端,后端,设计".replace(/,/, "|") // "前端|后端,设计"
实例3："前端,后端,设计".replace(/,/g, "|") // "前端|后端|设计"
实例4：

"前端,后端,设计".replace(/,/g, function($all){
    return '{' + $all + '}';
});
// "前端{,}后端{,}设计"

实例5：

"1、这是例子balabala".replace(/1、([\u4e00-\u9fa5]+)[a-z]*/g, function($all, $1){
    return '{' + $1 + '}';
})
// "{这是例子}"

解释: replace的函数参数顺序为-->全匹配，第一捕获组，第二捕获组...

4. 由浅入深讲解正则

边练习边写，你会发现无穷的乐趣，看到中途累了休息一下

最简单的正则

• /a/

用途：匹配a，只要串中包含a即可
说明：js中用两个/来圈定正则，中间的a即为要匹配的字符

实例：/a/.test("ab") // true

我们现在看一个使用场景，你提供了一个输入框，这个输入框是让用户输入手机号，先来个最简单的规则，用户的手机号应为11位数字，这是一个最简单的正则，如下所示。

• /^\d{11}$/

用途：匹配从开始到结尾共11位数字的字符串
说明：^用来标识开头，$用来标识结尾，\d为数字集合，{11}代表将\d循环11次
注意：用来判断某字符串正确与否一定要加开始结束标识符，看实例2即可看出端倪，十二位数字也被匹配上了，也就是只要串中包含正则可匹配的就能成功，此处可以看出开始结束符的重要性

实例1：/^\d{11}$/.test("13212344321") // true
实例2：/\d{11}/.test("132123443211") // true

• /^\d{5,11}$/

用途：匹配从开始到结尾共5-11数字均可的字符串
说明：{5,11} 集合来标识5到11位，可以{5,}来表示5到n多位

实例1：/^d{5,11}$/.test("1234") // false
实例2：/^d{5,11}$/.test("1234567") // true

下面继续拓展，组合上面方式

• /^132\d{8}$/

用途：匹配开头为132的手机号码
说明：132其实就是直接匹配这三个字符，后面的其实就是动态匹配8位数字，合起来就是11位了

实例1：/^132\d{8}$/.test("18912344321") // false
实例2：/^132\d{8}$/.test("13212344321") // true

手机号不是只有132开头的啊，如果我想用189开头的呢，请看

• /^(132|189|133)\d{8}$/

用途：匹配开头为132或189或133的手机号
说明：此处应该注意我们用到了分组()和并列关系|，并列就很简单了就是说可以132可以189可以133，此处一定注意分组是一定要用的如果不用就会出现实例1的情况，因为并列关系不是前面数字了，变成了三部分了

实例1：/^132|189|133\d{8}$/.test("132") // true
实例2：/^(132|189|133)\d{8}$/.test("132") // false
实例3：/^(132|189|133)\d{8}$/.test("18912344321") // true
实例4：/^(132|189|133)\d{8}$/.test("13212344321") // true

现在来看另一个场景，如果我们不是判断手机号，而是在一堆中文介绍中提取出手机号，那么需要怎么办呢?

匹配内容："大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344321}测试"

• /\{((132|189|133)\d{8})\}/

用途：用来匹配文中的手机号，注意手机两边有标识{和}我们有这个定位符会很方便将其匹配出来
说明：首先，可以看到\{，我们前面提到了{和}为正则特殊字符，虽然此处不加也可以，但是好习惯就是特殊字符要加上\避免出问题，例如{1}，如果你要匹配的不是前面的东西循环一次那么就会出问题了；另外，看到我用两个()这相当于有两个捕获组，请看实例(这回我用exec，会看的更直接)

实例1：/\{((132|189|133)\d{8})\}/.exec("大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344321}测试")
// ["{13212344321}", "13212344321", "132", index: 21, input: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344321}测试"]

可以看到第一捕获组放在了索引为1的位置，我们就可以直接取用了，不过我们会想如果串中如果有多个电话号想搞怎么办，就像上面这段字符串，下面我给出js写法，并解释

var str = "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344334}测试";
var reg = /\{((132|189|133)\d{8})\}/g;

console.log(reg.exec(str));
console.log(reg.exec(str));

// ["{13212344321}", "13212344321", "132", index: 21, input: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344334}测试"]

// ["{13212344334}", "13212344334", "132", index: 41, input: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344334}测试"]

说明：g正则后面加个g表示全局模式；关于模式，i表示不区分大小写，m表示多行模式，我很少用，此处不讲了；对于exec有这么个特性，当正则表达式为全局匹配模式每次执行exec后会刷新下一次执行开始位置，下一次的开始位置为第一次匹配的最后一个字符的下一个位置，所以执行两次就会将串中所有的匹配出来，这样就实现了提取的目的

继续看上面的这段文本，如果我想匹配jackwang怎么办呢？

• /[acgjknw]+/

用途：匹配包含acgjknw这些字符的1或多次循环
说明：[]是字符集，里边的就是要表示的字符，后面加一个+那么就是表示将前面的[]里边的循环1次或多次，同理?和*不再用例子展示了

实例：/[acgjknw]+/g.exec("大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344334}测试")
// ["jackwang", index: 6, input: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344334}测试"]

可以看到我们写了很多字母，其实我们想匹配英文名，英文名不一定只有这几个字符，所以此处我们可以这样

• /[a-z]+/

用途：匹配包含a-z的1或多次循环
说明：注意-这是范围的意思，按照ASCII中的顺序，写这个范围就行，这回我搞脚本的时候就遇到一个坑，如实例2，本来想匹配:-=，但是忘记对-进行转义，导致<也被匹配上

实例1：/[a-z]+/g.exec("大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344334}测试")
// ["jackwang", index: 6, input: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为{13212344334}测试"]
实例2：/[:-=]/.test("<")// true

还有一些什么没讲呢，下面单独举例来说明

贪婪模式/非贪婪模式
字符串："baeabaeab"

• /b[a-z]+b/和/b[a-z]+?b/

说明：前者为贪婪模式，后者为非贪婪模式；请注意+后面的?添加了就为非贪婪模式，同理*和'?'后面可以添加；贪婪模式就是多次循环会尽可能的去匹配，非贪婪模式就是最少匹配，看实例结果即可明白，此正则功能很有用希望大家记住

实例1：/b[a-z]+b/.exec("baeabaeab")
// ["baeabaeab", index: 0, input: "baeabaeab"]
实例2：/b[a-z]+?b/.exec("baeabaeab")
// ["baeab", index: 0, input: "baeabaeab"]

反义

• /[^5]/

说明:只要在集合的最开始用^即可，就是表示除了5之外所有字符

实例：/[^5]/.test("5") // false

环视

环视其实某些情况还是挺好用的，还记得前面的匹配手机号吗？

字符串: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为13212344334测试"

其实我们还可以用环视

• /(?<=\{)((132|189|133)\d{8})(?=\})/

实例：/(?<=\{)((132|189|133)\d{8})(?=\})/.exec("大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为13212344334测试")
// ["13212344321", "13212344321", "132", index: 22, input: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为13212344334测试"]

说明：刚开始环视可能比较难以理解，我通俗点讲，我觉得比我最开始提到的文章好理解

1. 这就像站队一样，我在一排中想要找出你来，就可以直接匹配，但是我要找出张三和李四中间的你，但是我只想要你，不要带着他俩，那么环视就是这个功能
2. 环视被包含的东西是不参与到正则最后匹配出来的东西当中的，它只起到一个定位的作用
3. (?<=\{)为逆向肯定环视，举例来说，在匹配132之前要从1往回看，也就是逆向看看他的上一位是不是{，如果是的话才算合法，如果不是就匹配不成功，也就是你要往前看不是张三，那我就不找你了。同理，(?=\})为正向肯定环视，也就是匹配手机号之后，后面一定要有}，这样才算成功，也就是你向后(顺序)看是李四才行，这整个表达式也就是你向前(逆向)看必须是张三，向后(正向)看必须是李四，我才会找你。
4. 上面两个是肯定状态，另外还有两个否定状态，意思就是反的，(?<!pattern)逆向否定环视，(?!pattern)正向否定环视， pattern为要匹配的表达式，举个例子

• /(?<!\{)((132|189|133)\d{8})(?!\})/

说明：匹配手机号前面没有{后面没有}的手机号

实例2：/(?<!\{)((132|189|133)\d{8})(?!\})/.exec("大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为13212344334测试")
// ["13212344334", "13212344334", "132", index: 41, input: "大家好，我叫jackwang，我的手机号是{13212344321}，他的手机号为13212344334测试"]

综上，看出来这两个实例的不同了吗，当然你可以任意匹配这四种方式来达到你要的效果；但是注意，可能每种语言支持程度不同，不要过度依赖。

5. 其他

匹配任意字符建议使用 /[\s\S]+/因为.会去掉换行符
注意用到的特殊字符一定要转义(好习惯) /[\{\}\[\]\^\$]/
注意-的使用 /[:-=]/ 这样会匹配<等，注意转义

运算符优先级

运算符	描述
\	转义
()[]	圆括号和方括号
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, 任何元字符、任何字符	定位点和序列
|	或操作

关于那些js的处理函数，自己去摸索吧，篇幅这么长，估计要看不下去了，我搞脚本的时候大量使用了replace和test函数，很好用，对于文件整体处理操作很好用，建议好好学学，请见MDN：https://developer.mozilla.org...

可能还有其他一些没讲到的正则知识，但是上面的这些基本包含了正则的90%了。

总结

啰里啰嗦讲了这么久，只是为了让新手能够由浅入深的慢慢学习，学习正则不是一蹴而就的过程，需要慢慢使用，慢慢探索，同一个匹配可能能写出好多正则，大家可以慢慢练习，写出更优雅的正则。

另外要说一点，不是非要写一个巨长的正则来匹配巨难的字符串，要合理利用各语言的函数来简化正则的写法，否则一个巨长的正则可能就是噩梦，这个事自己权衡，相信会将正则用到极致。

谢谢！

本文如有疏漏之处或者又问题交流，请直接回复本文！