第一章正则表达式字符匹配攻略

缺乏、安全感 2021-11-22 03:46 410阅读 0赞

正则表达式是匹配模式，要么匹配字符，要么匹配位置。请记住这句话。

然而关于正则如何匹配字符的学习，大部分人都觉得这块比较杂乱。

毕竟元字符太多了，看起来没有系统性，不好记。本章就解决这个问题。

内容包括：

1.  两种模糊匹配
2.  字符组
3.  量词
4.  分支结构
5.  案例分析

## 1. 两种模糊匹配 ##

如果正则只有精确匹配是没多大意义的，比如`/hello/`，也只能匹配字符串中的”hello”这个子串。

var regex = /hello/;
    console.log( regex.test("hello") ); 
    // => true

正则表达式之所以强大，是因为其能实现模糊匹配。

而模糊匹配，有两个方向上的“模糊”：横向模糊和纵向模糊。

**1.1 横向模糊匹配**  
横向模糊指的是，一个正则可匹配的字符串的长度不是固定的，可以是多种情况的。

其实现的方式是使用量词。譬如`{m,n}`，表示连续出现最少m次，最多n次。

比如`/ab{2,5}c/`表示匹配这样一个字符串：第一个字符是“a”，接下来是2到5个字符“b”，最后是字符“c”。测试如下：

var regex = /ab{2,5}c/g;  //g是指全局匹配
    var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
    console.log( string.match(regex) ); 
    // => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

注意：案例中用的正则是`/ab{2,5}c/g`，后面多了`g`，它是正则的一个修饰符。表示全局匹配，即在目标字符串中按顺序找到满足匹配模式的所有子串，强调的是“所有”，而不只是“第一个”。g是单词global的首字母。

**1.2 纵向模糊匹配**  
纵向模糊指的是，一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种可能。

其实现的方式是使用字符组。譬如`[abc]`，表示该字符是可以字符“a”、“b”、“c”中的任何一个。

比如`/a[123]b/`可以匹配如下三种字符串：”a1b”、”a2b”、”a3b”。测试如下：

var regex = /a[123]b/g;
    var string = "a0b a1b a2b a3b a4b";
    console.log( string.match(regex) ); 
    // => ["a1b", "a2b", "a3b"]

## 2. 字符组 ##

需要强调的是，虽叫字符组（字符类），但只是其中一个字符。例如`[abc]`，表示匹配一个字符，它可以是“a”、“b”、“c”之一。

**2.1 范围表示法**

如果字符组里的字符特别多的话，怎么办？可以使用范围表示法。

比如`[123456abcdefGHIJKLM]`，可以写成`[1-6a-fG-M]`。用连字符-来省略和简写（**解释**：\[1-6a-fG-M\]表示从1到6，从a到f,从G到M）。

因为连字符有特殊用途，那么要匹配“a”、“-”、“z”这三者中任意一个字符，而不是要匹配从a到z的所有字符，该怎么做呢？

不能写成\[a-z\]，因为其表示小写字符中的任何一个字符。

可以写成如下的方式：`[-az]`或`[az-]`或`[a\-z]`。(**解释：这3种写法的意思就是匹配字符“a”,"-",“z”，仅仅是这3个字符哦，而不是从a到z的所有字符，为什么不能用\[a-z\]，因为\[a-z\]的意思代表可以匹配从a到z的所有字符**)即要么放在开头，要么放在结尾，要么转义。总之不会让引擎认为是范围表示法就行了。

**2.2 排除字符组**

纵向模糊匹配，还有一种情形就是，某位字符可以是任何东西，但就不能是”a”、”b”、”c”。

此时就是排除字符组（反义字符组）的概念。例如`[^abc]`，表示是一个除”a”、”b”、”c”之外的任意一个字符。字符组的第一位放`^`（脱字符），表示求反的概念。

当然，也有相应的范围表示法。

**2.3 常见的简写形式**

有了字符组的概念后，一些常见的符号我们也就理解了。因为它们都是系统自带的简写形式。

**\\d**就是`[0-9]`。表示是一位数字。记忆方式：其英文是digit（数字）。

**\\D**就是`[^0-9]`。表示除数字外的任意字符。

**\\w**就是`[0-9a-zA-Z_]`。表示数字、大小写字母和下划线。记忆方式：w是word的简写，也称单词字符。

**\\W**是`[^0-9a-zA-Z_]`。非单词字符。

**\\s**是`[ \t\v\n\r\f]`。表示空白符，包括空格、水平制表符、垂直制表符、换行符、回车符、换页符。记忆方式：s是space character的首字母。

**\\S**是`[^ \t\v\n\r\f]`。 非空白符。

.就是`[^\n\r\u2028\u2029]`。通配符，表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。记忆方式：想想省略号…中的每个点，都可以理解成占位符，表示任何类似的东西。

如果要匹配任意字符怎么办？可以使用`[\d\D]`、`[\w\W]`、`[\s\S]`和`[^]`中任何的一个。（解释：因为一个字符要么是数字，要么不是数字，所以可以用`[\d\D]`，同理可以解释`[\w\W]`、`[\s\S]`）

## 3. 量词 ##

量词也称重复。掌握`{m,n}`的准确含义后，只需要记住一些简写形式。

3.1 简写形式  
`**{m,}**` 表示至少出现m次。

`**{m}**` 等价于`{m,m}`，表示出现m次。

`**?**` 等价于`{0,1}`，表示出现或者不出现。记忆方式：问号的意思表示，有吗？

`**+**`等价于`{1,}`，表示出现至少一次。记忆方式：加号是追加的意思，得先有一个，然后才考虑追加。

`*****` 等价于`{0,}`，表示出现任意次，有可能不出现。记忆方式：看看天上的星星，可能一颗没有，可能零散有几颗，可能数也数不过来。

**3.2 贪婪匹配和惰性匹配**  
看如下的例子：

var regex = /\d{2,5}/g;
    var string = "123 1234 12345 123456";
    console.log( string.match(regex) ); 
    // => ["123", "1234", "12345", "12345"]

其中正则`/\d{2,5}/`，表示数字连续出现2到5次。会匹配2位、3位、4位、5位的连续数字。

但是其是贪婪的，它会尽可能多的匹配。你能给我6个，我就要5个（**因为`/\d{2,5}/`最多5位**）。你能给我3个，我就3要个。反正只要在能力范围内，越多越好。

我们知道有时贪婪不是一件好事（请看文章最后一个例子）。而惰性匹配，就是尽可能少的匹配：

![在这里插入图片描述][20190726160636222.png]  
其中`/\d{2,5}?/`表示，虽然2到5次都行，当2个就够的时候，就不在往下尝试了。将整个string从左边依次往右边匹配，每匹配到连续两个数字的时候，就匹配成功，然后继续往右走，继续匹配

通过在量词后面加个问号就能实现惰性匹配，因此所有惰性匹配情形如下：

**{m,n}?**
    **{m,}?**
    **??**
    **+?**
    ***?**

对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？

## 4. 多选分支 ##

一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一。

具体形式如下：`(p1|p2|p3)`，其中`p1`、`p2`和`p3`是子模式，用`|`（管道符）分隔，表示其中任何之一。

例如要匹配”good”和”nice”可以使用`/good|nice/`。测试如下：

var regex = /good|nice/g;
    var string = "good idea, nice try.";
    console.log( string.match(regex) ); //对string从左到右依次匹配，发现"good",符合regex,然后继续往后走，自动过滤掉 idea , 然后遇到"nice",发现“nice”符合regex，然后继续往后走，发现没有合适的匹配了
    // => ["good", "nice"]

但有个事实我们应该注意，比如我用`/good|goodbye/`，去匹配”goodbye”字符串时，结果是”good”： 如下例所示 原因很简单，对string整个字符串从左到右开始遍历，发现了“good”可以符合regex，然后继续往右走，是bye，不能和regex匹配，所以最后的结果只能是good

var regex = /good|goodbye/g;
    var string = "goodbye";
    console.log( string.match(regex) ); 
    // => ["good"]

而把正则改成`/goodbye|good/`，结果是： 原因也很简单，对string字符串从左到右进行遍历，发现“goodbye”符合regex，所以结果就是goodbye .看来`/goodbye|good/`和`/good|goodbye/`还是有区别的呀！

var regex = /goodbye|good/g;
    var string = "goodbye";
    console.log( string.match(regex) ); 
    // => ["goodbye"]

也就是说，分支结构也是惰性的，即当前面的匹配上了，后面的就不再尝试了。

## 5. 案例分析 ##

匹配字符，无非就是字符组、量词和分支结构的组合使用罢了。

下面找几个例子演练一下（其中，每个正则并不是只有唯一写法）：

**5.1 匹配16进制颜色值**

要求匹配：  
\#ffbbad

\#Fc01DF

\#FFF

\#ffE

分析：

表示一个16进制字符，可以用字符组`[0-9a-fA-F]`。

其中字符可以出现3或6次，需要是用量词和分支结构。

使用分支结构时，需要注意顺序。

正则如下：

var regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;
    var string = "#ffbbad #Fc01DF #FFF #ffE";
    console.log( string.match(regex) ); 
    // => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]

**5.2 匹配时间**

以24小时制为例。  
要求匹配：  
![在这里插入图片描述][20190726164952414.png]  
分析：

共4位数字，第一位数字可以为`[0-2]`。

当第1位为2时，第2位可以为`[0-3]`，其他情况时，第2位为`[0-9]`。

第3位数字为`[0-5]`，第4位为`[0-9]`

正则如下：

//下面的正则首尾加上^和$ 代表只能匹配 "23：59" 这样格式的，却不能匹配 "dasd23:59wqeqw" 这样的字符串
    var regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;   //[01][0-9]|[2][0-3]  就是代表了上面说的2种情况
    console.log( regex.test("23:59") ); 
    console.log( regex.test("02:07") ); 
    // => true
    // => true

如果也要求匹配7:9，也就是说“时和分”前面的0可以省略。

此时正则变成：

//下面的正则首尾加上^和$ 代表只能匹配 "23：59" 这样格式的，却不能匹配 "dasd23:59wqeqw" 这样的字符串
    var regex = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;  //前面的0？是指可以有0，也可以没有0
    console.log( regex.test("23:59") ); 
    console.log( regex.test("02:07") ); 
    console.log( regex.test("7:9") ); 
    // => true
    // => true
    // => true

**5.3 匹配日期**

比如yyyy-mm-dd格式为例。

要求匹配：  
![在这里插入图片描述][20190726172155281.png]  
分析：

年，四位数字即可，可用`[0-9]{4}`。 \{4\}的意思是出现4次

月，共12个月，分两种情况01、02、……、09和10、11、12，可用`(0[1-9]|1[0-2])`。

日，最大31天，可用`(0[1-9]|[12][0-9]|3[01])`。

正则如下：

var regex = /^[0-9]{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/;
    console.log( regex.test("2017-06-10") ); 
    // => true

**5.4 window操作系统文件路径**

要求匹配：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]  
分析：

整体模式是: 盘符:\\文件夹\\文件夹\\文件夹\\

其中匹配F:\\，需要使用\[a-zA-Z\]:\\，其中盘符不区分大小写，注意\\字符需要转义。

文件名或者文件夹名，不能包含一些特殊字符，此时我们需要排除字符组`[^\\:*<>|"?\r\n/]` （**解释：** 这里的`\\`其实是转义，代表“\\”）来表示合法字符。另外不能为空名，至少有一个字符，也就是要使用量词+。因此匹配“文件夹\\”，可用`[^\\:*<>|"?\r\n/]+\\`。(**解释：** 这里的“+”是量词，“+”后面的`\\`是转义的写法，代表“\\” )

另外“文件夹\\”，可以出现任意次。也就是`([^\\:*<>|"?\r\n/]+\\)*`。其中括号提供子表达式。

路径的最后一部分可以是“文件夹”，没有\\，因此需要添加`([^\\:*<>|"?\r\n/]+)?`。（解释：最后的？是）

最后拼接成了一个看起来比较复杂的正则：

//下面的正则首尾加上^和$ 代表只能匹配 F:\\study\\javascript\\regex\\ 这样格式的，却不能匹配 "sdsdsdsdsdsdsdsF:\\study\\javascript\\regex\\" 这样的字符串
    var regex = /^[a-zA-Z]:\$[^\\:*<>|"?\r\n/]+\$*([^\\:*<>|"?\r\n/]+)?$/;
    console.log( regex.test("F:\\study\\javascript\\regex\\regular expression.pdf") ); 
    console.log( regex.test("F:\\study\\javascript\\regex\\") ); 
    console.log( regex.test("F:\\study\\javascript") ); 
    console.log( regex.test("F:\\") ); 
    // => true
    // => true
    // => true
    // => true

其中，JS中字符串表示\\时，也要转义。

**5.5 匹配id**

要求从

提取出id=”container”。

可能最开始想到的正则是：

var regex = /id=".*"/       下面有代码讲解
    var string = '<div id="container" class="main"></div>';
    console.log(string.match(regex)[0]); 
    // => id="container" class="main"

**讲解：**  
因为.是通配符，本身就匹配双引号的，而量词\*又是贪婪的，当遇到container后面双引号时，不会停下来，会继续匹配，直到遇到最后一个双引号为止。

解决之道，可以使用惰性匹配：

var regex = /id=".*?"/   下面有代码讲解
    var string = '<div id="container" class="main"></div>';
    console.log(string.match(regex)[0]); 
    // => id="container"

**讲解：**  
/id=".\*?"/ 里面有？,说明是惰性匹配，尽可能由前面的正则表达式匹配更少的片段，非贪婪方式，所以匹配到container后的引号”就停止了

当然，这样也会有个问题。效率比较低，因为其匹配原理会涉及到“回溯”这个概念（这里也只是顺便提一下，第四章会详细说明）。可以优化如下：

var regex = /id="[^"]*"/     不是很明白这段正则的意思
    var string = '<div id="container" class="main"></div>';
    console.log(string.match(regex)[0]); 
    // => id="container"

本文转载自：[http://blog.didispace.com/regular-expression-1/][http_blog.didispace.com_regular-expression-1]

[20190726160636222.png]: /images/20211122/2ed4342687cf428fba5fc27d1154c291.png
[20190726164952414.png]: /images/20211122/6b5124c8ac044c04bec4174d1dad84d9.png
[20190726172155281.png]: /images/20211122/b41d9e4a61d34511be21588192373a85.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]: /images/20211122/5e7d29f0e63545f4ac49b2a30054e8e5.png
[http_blog.didispace.com_regular-expression-1]: http://blog.didispace.com/regular-expression-1/