从零开始学正则（一）

川长思鸟来 2022-12-29 12:48 234阅读 0赞

故心故心故心故心小故冲啊

--------------------

### 文章目录 ###

*  从零开始学正则（一），学习正则字符组，量词表示法与正则分支
 *  1. 正则表达式字符匹配攻略
 *   *  1.1. 两种模糊匹配
     *   *  1.1.1. 横向模糊匹配
         *  1.1.2. 纵向模糊匹配
     *  1.2. 字符组
     *   *  1.2.1. 范围表示法
         *  1.2.2. 排除字符组
         *  1.2.3. 常见的简写形式
     *  1.3. 量词
     *   *  1.3.2. 贪婪匹配与惰性匹配
     *  1.4. 多选分支
     *  1.5. 案例分析
     *   *  1.5.1. 匹配时间
         *  1.5.2. 匹配日期

# 从零开始学正则（一），学习正则字符组，量词表示法与正则分支 #

学习电子书籍:  
[ 老姚《JavaScript正则迷你书》][_JavaScript]

# 1. 正则表达式字符匹配攻略 #

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：  
两种模糊匹配  
字符组  
量词  
分支结构  
案例分析

## 1.1. 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。

### 1.1.1. 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。  
比如正则 /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;
    var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
    console.log( string.match(regex) );
    // => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

案例中用的正则是 /ab\{2,5\}c/g，其中 g 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。

### 1.1.2. 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"]

## 1.2. 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。

### 1.2.1. 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。  
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，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 \[a-z\]。 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。

### 1.2.2. 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

### 1.2.3. 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。

<table> 
 <thead> 
  <tr> 
   <th>字符组</th> 
   <th>具体含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>\d</td> 
   <td>[0-9]表示是一位数字，digit数字。</td> 
  </tr> 
  <tr> 
   <td>\D</td> 
   <td>[^0-9]表示除数字以外的任意字符。</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>[0-9a-zA-Z_]表示数字，大小写字母和下划线，word简写，又称单词字符。</td> 
  </tr> 
  <tr> 
   <td>\W</td> 
   <td>[^0-9a-zA-Z_]，非单词字符。</td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>[ \t\v\n\r\f]表示空白符。包含空格，水平制表符，垂直制表符，换行符，回车符，换页符。</td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td>[^ \t\v\n\r\f]，非空白符。</td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>[^\n\r\u2028\u2029]，通配符，表示除了换行符，回车符，行分隔符和段分隔符之外任意字符。</td> 
  </tr> 
 </tbody> 
</table>

**空白符**  
空格：顾名思义，就是我们理解的空格

水平制表符\\t：类似于tab键缩进的效果，一般系统中水平制表符占8列，所以根据你按的次数占据8\*N列。

垂直制表符\\v：让文本从下一行开始输出，且开始的列数为\\v前字符的后一列。

换行符\\n：从下一行开头开始输出，这个js可以跑。

回车符\\r：这里的回车不是我们理解的enter回车另起一行开始输出，而是回到当前行开头输出，还可能将已输入文本替换,替换这一点根据环境不同表现不同。

换页符\\f：在输出\\f后面文本之前，会先将当前屏幕清空，类似于先清除再输出。

**匹配任意字符**  
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。

## 1.3. 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。

<table> 
 <thead> 
  <tr> 
   <th>量词</th> 
   <th>具体含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>{m,}</td> 
   <td>表示至少出现 m 次。</td> 
  </tr> 
  <tr> 
   <td>{m}</td> 
   <td>等价于 {m,m}，表示出现 m 次。</td> 
  </tr> 
  <tr> 
   <td>{m,n}</td> 
   <td>至少出现m次，最多出现n次。</td> 
  </tr> 
  <tr> 
   <td>?</td> 
   <td>等价于 {0,1}，表示出现或者不出现。</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>等价于 {1,}，表示出现至少一次。</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>等价于 {0,}，表示出现任意次，有可能不出现。</td> 
  </tr> 
 </tbody> 
</table>

### 1.3.2. 贪婪匹配与惰性匹配 ###

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。你能给我 3 个，我就要 3 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：

var regex = /\d{2,5}?/g;
    var string = "123 1234 12345 123456";
    console.log( string.match(regex) );
    // => ["12", "12", "34", "12", "34", "12", "34", "56"]

其中 /\\d\{2,5\}?/ 表示，虽然 2 到 5 次都行，当 2 个就够的时候，就不再往下尝试了。

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

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？

## 1.4. 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。  
例如要匹配字符串 “good” 和 “nice” 可以使用 /good|nice/

var regex = /good|nice/g;
    var string = "good idea, nice try.";
    console.log( string.match(regex) );
    // => ["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”：

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：

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。

## 1.5. 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。

### 1.5.1. 匹配时间 ###

以 24 小时制为例。 要求匹配：  
23:59  
02:07  
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 \[0-9\]。

var regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;
    console.log( regex.test("23:59") );
    console.log( regex.test("02:07") );
    // => true
    // => true

### 1.5.2. 匹配日期 ###

比如 yyyy-mm-dd 格式为例。 要求匹配：2017-06-10  
分析：  
年，四位数字即可，可用 \[0-9\]\{4\}。  
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\[01\])。

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

[_JavaScript]: https://github.com/qdlaoyao/js-regex-mini-book