正则表达式：从Copy到手写

1. RegExp对象

JavaScript有两种方式实例化RegExp对象

• 字面量
• 构造函数

字面量

const reg = /all/;
console.log(reg);   // /all/
'This is all I have.'.replace(reg, 'ALL');    // This is ALL I have.

构造函数

const reg = new RegExp('all');
console.log(reg);   // /all/
'This is all I have.'.replace(reg, 'ALL'); // This is ALL I have.

2. 元字符

• 原义文本字符
• 元字符

原义文本字符

代表它本来含义的字符。比如正则表达式为 /abc/、/123/；它们分别匹配的是 abc、123 ，

元字符

在正则表达式中，有特殊含义的非数字字符。如：\b \d \w . + () 等。部分元字符的含义并不唯一，在不同的书写方式，含义可能不同。

元字符表：http://tool.oschina.net/uploads/apidocs/jquery/regexp.html

3. 工具推荐

不是所有正则表达式都像前面写的那么简单，因为正则表达式语法有些复杂，我们在写的时候多多少少也会有些错误，或者阅读别人写的正则表达式的时候也难理解。

如果把下面的正则表达式转换成下图，会有助于我们理解正则表达式的含义。

^http(|s):\/\/[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+\/$

给大家推荐一个工具 https://regexper.com

4. 量词

字符	含义
+	出现一次或多次(至少出现一次)
?	出现零次或一次(最多出现一次)
*	出现零次或多次(任意次)
{n}	出现n次
{n, m}	出现n到m次
{n,}	至少出现n次

// \d表示匹配数字
// 匹配一个数字
'1234567890'.replace(/\d/, 'a'); // a234567890
// 匹配一个或多个数字(至少匹配一个)
'1234567890'.replace(/\d+/, 'a'); // a
'1234567890'.replace(/\d?/, 'a'); // a234567890
'1234567890'.replace(/\d*/, 'a'); // a
'1234567890'.replace(/\d{3}/, 'a'); // a4567890
'1234567890'.replace(/\d{2,4}/, 'a'); // a567890
'1234567890'.replace(/\d{3,}/, 'a'); // a
'12'.replace(/\d{3,}/, 'a'); // 12

使用工具 https://regexper.com/ 图解

\d{2,6}

5. 贪婪模式和非贪婪模式

从上面 4. 量词 的例子中，'1234567890'.replace(/\d+/, 'a'); 输出的是 a 而不是 a234567890；'1234567890'.replace(/\d{2,4}/, 'a'); 输出的是 a567890 而不是 a34567890。

贪婪模式：正则表达式尽可能多的匹配，一直到匹配失败

非贪婪模式：正则表达式尽可能少的匹配，一旦匹配成功就不再匹配

因为默认情况下，正则表达式都是使用贪婪模式做匹配的。如果想要让正则表达式使用非贪婪模式匹配，在量词后面加个 ? 即可。

'1234567890'.replace(/\d{2,4}/, 'a');  // a567890
'1234567890'.replace(/\d{2,4}?/, 'a'); // a34567890

'1234567890'.replace(/\d+/, 'a');      // a
'1234567890'.replace(/\d+?/, 'a');     // a234567890

6. 类

• 正则表达式中，可以使用 [] 来构建一个类，正则表达式中的类是指符合某些特性的对象

字符类

正则表达式 [abcd] 是把 a、b、c、d 归为一类，该表达式可以匹配这类字符

'12345a6b7c8D9e'.replace(/[abcd]/g, '|');   // 12345|6|7|8D9e

范围类

正则表达式提供了 [a-z] 来表示从 a 到 z 的任意字符（包含 a 和 z）

'1a2b3c4q5z'.replace(/[a-z]/g, '|');   // 1|2|3|4|5|
'1a2b3c4T5Z'.replace(/[a-z]/g, '|');   // 1|2|3|4T5Z
'1a2b3c4T5Z'.replace(/[a-zA-Z]/g, '|');   // 1|2|3|4|5|
'1a2b3c4q5z'.replace(/[0-9]/g, '|');   // |a|b|c|q|z

[a-zA-Z0-9]

预定义类

字符	等价于	含义
\d	[0-9]	数字字符
\D	[^0-9]	非数字字符
\w	[a-zA-Z0-9_]	字母、数字、下划线（单词字符）
\W	[^a-zA-Z0-9_]	非字母、数字、下划线（非单词字符）
\s	[\t\n\x0B\f\r]	空白字符
\S	[^\t\n\x0B\f\r]	非空白字符
.	[^\n\r]	除了换行、回车之外的任意字符

7. 边界

字符	含义
^	以xxx开头
$	以xxx结尾
\b	单词边界
\B	非单词边界

'img/png/img-1.png'.replace(/img/g, 'image'); // image/png/image-1.png
'img/png/img-1.png'.replace(/^img/g, 'image'); // image/png/img-1.png

'img/png/img-1.png'.replace(/png/g, 'jpg'); // img/jpg/img-1.jpg
'img/png/img-1.png'.replace(/png$/g, 'jpg'); // img/png/img-1.jpg

'This is all I have.'.replace(/is/g, 'IS'); // ThIS IS all I have.
'This is all I have.'.replace(/\bis\b/g, 'IS'); // This IS all I have.
'This is all I have.'.replace(/\Bis\b/g, 'IS'); // ThIS is all I have.

9. 分组

作用

• 与 | 使用
• 与量词使用
• 反向引用

与 | 使用

/http(|s):\/\//

/http(|s):\/\//.test('https://');   // true
/http(|s):\/\//.test('http://');    // true
/a(b|c)d/.test('ad');               // false
/a(b|c)d/.test('abd');              // true
/a(b|c)d/.test('acd');              // true

与量词使用

如何匹配 javascript 出现两次 javascriptjavascript ？

/javascript{2}/.test('javascriptjavascript');    // false
/javascript{2}/.test('javascript');          // true
/(javascript){2}/.test('javascriptjavascript');  // true

反向引用

含有分组的正则表达式匹配成功时，将子表达式匹配到的内容，保存到内存中一个以数字编号的组里，可以简单的认为是对一个局部变量进行了赋值，这时就可以通过反向引用方式，引用这个局部变量的值。

很多情况下，我们可能需要将某种格式的字符串转换成另一种格式的字符串。例如：将 05/28/2018 转换成 2018-05-28；将Markdown语法的超链接 [Test](https://www.test.com/) 转换成HTML的超链接 <a href="https://www.test.com/">Test</a>

'05/28/2018'.replace(/(\d{2})\/(\d{2})\/(\d{4})/, '$3-$1-$2');
// => 2018-05-28
'[Test](https://www.test.com/)'.replace(/\[(.+)\]\((http(|s):\/\/.+)\)/, '<a href="$2">$1</a>');
// => <a href="https://www.test.com/">Test</a>

忽略分组

有时候我们在写正则表达式的时候会多次使用分组，但有一些分组是不需要反向引用的，比如正则表达式 /http(|s):\/\// 中的分组，我们不需要进行反向引用，这时候我们应该使用 (?:) 来忽略分组

不忽略分组：

/http(|s):\/\//

忽略分组：

/http(?:|s):\/\//

10. 前瞻后顾

• 正则表达式是从头部(左)向尾部(右)开始匹配的，文本的尾部方向称为“前”，文本的头部方向称为“后”
• 前瞻：正则表达式在匹配到规则的时候，向前检查是否符合断言
• 后顾：正则表达式在匹配到规则的时候，向后检查是否符合断言

名称	正则	含义
正向前瞻	exp(?=assert)	向前检查符合断言的
负向前瞻	exp(?!assert)	向前检查不符合断言的
正向后瞻	(?<=assert)exp	向后检查符合断言的
负向后瞻	(?<!assert)exp	向后检查不符合断言的

'ab1cde2fg'.replace(/[a-z](?=\d)/g, 'X'); // aX1cdX2fg
'ab1cde2fg'.replace(/[a-z](?!\d)/g, 'X'); // Xb1XXe2XX

'ab1cde2fg'.replace(/(?<=\d)[a-z]/g, 'X'); // ab1Xde2Xg
'ab1cde2fg'.replace(/(?<!\d)[a-z]/g, 'X'); // XX1cXX2fX

11. 修饰符

• global: 是否全文搜索，默认 false
• ignoreCase: 是否大小写敏感，默认 false
• multiline: 是否多行搜索，默认 false
• lastIndex: 是当前表达式匹配内容的最后一个字符的下一个位置
• source: 正则表达式的文本字符

'aaaaa'.replace(/a/, 'A');      // Aaaaa
'aaaaa'.replace(/a/g, 'A');     // AAAAA

'aAQq'.replace(/[a-z]/g, 'X'); // XAQX
'aAQq'.replace(/[a-z]/gi, 'X'); // XXXX

/[a-z]/.test('AA');    // false
/[a-z]/i.test('AA');    // true

`img/png/img-1.png
img/png/img-1.png
img/png/img-1.png`.replace(/^img/g, 'image');
// => image/png/img-1.png
//    img/png/img-1.png
//    img/png/img-1.png
`img/png/img-1.png
img/png/img-1.png
img/png/img-1.png`.replace(/^img/gm, 'image');
// => image/png/img-1.png
//    image/png/img-1.png
//    image/png/img-1.png
const reg = /\d/gim;
console.log(reg.source);    // \d

12. RegExp对象中 test() 和 exec()

test()

用于测试参数字符串中是否存在匹配正则表达式模式的字符串；如果存在则返回true，否则返回false

const reg = /\w/;
reg.test('|'); // false
reg.test('a'); // true
reg.test('a'); // true

当使用 g 全文搜索时，test 函数会出现如下问题：

上述问题其实是正则表达式对象的 lastIndex 属性在作怪

如果正则表达式使用了全文搜索 g ，又想避免上述问题，应在执行 test 函数前先将 lastIndex 置 0

const reg = /\w/g;
reg.test('ab'); // true
reg.lastIndex = 0;
reg.test('ab'); // true
reg.lastIndex = 0;
reg.test('ab'); // true

exec()

使用正则表达式模式对字符串执行搜索，并将匹配到的结果以数组形式返回，如果没有匹配，返回null

结果数组属性

• index：匹配字符的第一个字符的位置
• input：被匹配的字符串

返回的数组

• 第一个元素是与正则表达式匹配的内容
• 第二个元素是与第一个子表达式相匹配的内容
• 第三个元素是与第二个子表达式相匹配的内容（以此类推）

现有如下字符串数组，我们使用 exec 从每个元素中提取图片的路径

const arr = [
    '[测试1](https://www.test1.com/img/img-1.png)',
    '[测试1](http://www.test1.com/img/img-1.jpg)',
    '[测试2](https://static.test2.com/image/haha/img-1.png)'
]

正则表达式：

const reg = /\[.+\]\(http(|s):\/\/[a-zA-Z0-g_-]+(\.[a-zA-Z0-9_-]+)+\/((.+\/)+.+\.(png|jpg))\)/;

const res = reg.exec(arr[2]);

上述正则表达式使用了较多的分组，我们在阅读图形的时候可能造成干扰，忽略不必要的分组。

const reg2 = /\[.+\]\(http(?:|s):\/\/[a-zA-Z0-g_-]+(?:\.[a-zA-Z0-9_-]+)+\/((?:.+\/)+.+\.(?:png|jpg))\)/;

reg2.exec(arr[2]);