面试官！让我们聊聊正则

ngaiwe
6,909 阅读10分钟

简述

正则表达式是处理字符串的利器，并提高工作效率，一个好的正则能够帮我们省去几十甚至上百行代码。在工作中，也许你会见到在代码中出现很多正则处理字符串，也可能见到代码中毫无正则，原因在于会正则的人往往处理字符串首先想到用正则去处理，不会的那必然用很多API处理。并且在面试的时候很多同学往往挂在正则这里，所以对于前端正则是一个必备技能。这篇文章不光能教会你如何使用它，还能让你懂得其中的原理，在以后使用和面试中将做到毫无惧怕。

一.基础

要想玩转正则首先要明白三大元素：修饰符 元字符 量词
例：var reg = /^\d$/g 这是一个简单点正则，下面我们来对三大元素一探究竟

1.修饰符

  • g - global 全局匹配（只要有匹配成功的结果一直匹配直到没有为止）
  • i - ignoreCase 忽略大小写
  • m - multiline 多行匹配

2.元字符

元字符其中分为特殊元字符和普通元字符
普通元字符就是列入数组，字母等元素
常用特殊元字符如下：

  • \ 转义字符（把一个普通字符转变为有特殊意义的字符，或者把一个有意义的字符转变为普通字符）
  • . 除了\n（换行符）以外的任意字符
  • \d 匹配一个0~9之间的数字
  • \D 匹配一个非0~9之间的数字（大写与小写字母组合正好是相反含义
  • \w 匹配一个0~9或字母或_之间的一个字符
  • \s 匹配一个任意空白字符
  • \b 匹配一个边界符
  • x|y 匹配x或者y中的一个
  • [a-z] 匹配a-z中的任意一个字符
  • [^a-z] 匹配非a-z中的任意一个字符
  • [xyz] 匹配x或y或z中的一个字符
  • [^xyz] 和上方相反
  • () 整的小分组，匹配一个小分组（可以理解为大正则中的一个小正则）
  • ^ 以某一个元字符开始
  • $ 以某一个元字符结束
  • ?: 只匹配不捕获
  • ?= 正向肯定预查
  • ?! 正向否定预查

3.量词

量词主要的作用是用来描述元字符出现的次数 如下：

  • + 让前面的元字符出现一到多次
  • ? 出现零到一次
  • * 出现零到多次
  • {n} 出现n次
  • {n,} 出现n到多次
  • {n,m} 出现n到m次

看到这里大家一定有些晕，这些稀奇古怪的符号，到底如何运用，下面将带大家去运用这些字符，在运用之前同学们要做到牢记 牢记 牢记这些字符，想要玩转正则必须要的就是牢记他们，当你牢记这些字符的同时说明你已经入门了。

二.元字符

  • 1.开始元字符 ^

    匹配启示位置的元字符，例：var reg = /^2/; 表示开头必须是2，如果开始元字符放在[]里面 例：[^]表示非中括号种情况 相反含义

  • 2.结束元字符 $

    匹配结束位置的元字符，例： var reg = /2$/; 表示结尾必须是2，如果是var reg = /^2$/; 表示只能为2，因为2只代表一个元字符。

  • 3.转义字符 \

    将特殊元字符转换为普通字符，例：var reg = /^2.3$/ 正常理解为匹配启示为2 结束为3中间是.的正则，但是在这里面.属于特殊元字符，意义是除了\n（换行符）以外的任意字符，所以不论是2.3/2+3/2s.3等等，只要是不·\n都匹配成功，所以为了这种需求就用到了转义字符\ 如下： var reg = /^2\.3$/ 将特殊元字符.转义为真正的.元素，再次匹配只有2.3才能匹配成功 如下思考：

    var reg1 = /^\d$/
var reg2 = /^\\d$/
var reg3 = /^\\\d$/
var reg4 = /^\\\\d$/

    首先reg1 表示0-9之间的数字 所以0-9都能匹配成功
    reg2出现两个\ 不论是0-9 d \d都匹配失败，只有\\d才匹配成功，原因在于第一个转义字符把第二个\转义为普通\，此时第一个\也表示普通字符，所以只有匹配到\\d才生效
    reg3出现三个\，此时大家一定会认为\\\d才是正确答案，非也，此时的正确答案是\\[0-9]意思是\和0-9中任意一个数字，原因在于第一个\将第二个转义，所以变为\\ \d分为了两部分，\\为普通字符，而\d表示一个0~9之间的数字，所以正确答案是\\[0-9]
    reg4出现四个\ 很多同学会认为正确答案一定是\\\[0-9], 很可惜，正确的是\\\\d，原因是当第一个把第二个转义为普通字符时，第三个又把第四个转义为普通字符，所以最后匹配为\\\\d
    看到这里相信有一部分小伙伴已经晕了，虽然在工作我们不会玩这种操作，但是要深刻理解转义字符，在正则中如果你直接写 var reg = /^$/会报错，因为正则中不能单独一个\出现，因为他是一个特殊元字符，需要写至少两个\, 例如： var reg = /^\\$/ 正确的匹配结果为'\\'，所以牢记两个\代表真正的\，这里搞明白的同学，相信转义字符已经完全掌握。

  • 4.或者元字符 x|y

    这个元字符很好理解就是匹配x或者匹配y，没有什么难度，举个小例子：

    var reg = /2|3/
// 匹配数字为2或者为3

  • 5.小分组 ()

    在上面同学们会发现用了()这样的元字符，他主要的特点就是将括号内的正则规则看成一个整体，相当于一个小的独立的正则，主要处理如下例子中的问题

    var reg = /^18|19$/

// 这个例子很多同学能够了解是18或者19开头 但是结尾呢？真的只匹配19么？ 其实并不是
// 正确的匹配除了18 19 还有181、189、819 这时候小分组就起到了作用如下

var reg = /^(18|19)$/

// 这里将18或19用()包裹起来，起到小分组的作用
// 这样这个正则只匹配18开头结尾或者19而不是181和189

  • 6.分组引用 \n

    分组引用的概念就是可以引用大正则中指定的小正则规则，例如：

    var reg = /^([a-z])([a-z])\2([a-z])$/
// 符合的字符串：book week http ...​

    具体上面的例子理解为\2代表着第二个小正则规则的完全引用，就是和第二个小正则([a-z])一样，可以减少正则的复杂度和处理多次重复规则

  • 7.匹配字符 []

    [xyz]、[^xyz]、[a-z]、[^a-z]下面举个小例子，便于同学们理解

    var reg = /^[a-zA_Z0-9_]$/
// 这个正则和等价于\w 就是匹配一个0~9或字母或_之间的一个字符
// 而正则[xyz]中的xyz分别代表a-z、A_Z、0-9,xyz只是一个代表标识，可以有xyzhw各种组合
// 就像这个例子中有下划线_一样四个的匹配
// 有一个重点补充，在[]中的特殊元字符一般都代表本身含义，如下
var reg = /^[.?+&]$/
// 代表着匹配. .? ?+ ...等等

  • 8.边界符 \b

    匹配一个单词边界，也就是指单词和空格间的位置（边界主要是单词的左右两边） 例如：

    var reg = /er\b/
// 可以匹配never中的er，但是不能匹配verb中的er
var reg = /\b\w+\b/g
// 能匹配字母数字和下划线与单词边界 'my blog is www.ngaiwe.com'
// 能匹配 'my'、'blog'、'is'、'www'、'ngaiwe'、'com'

  • 9.只匹配不捕获 ?:

    下面举一个例子，但是涉及到捕获内容，如果同学们不太明白，可以先跳过此处，看完下面捕获，再返回来看

    var reg = /^(\d{6})(\d{4})(\d{2})(\d{2})\d{2}(\d)(\d|X)$/g
var str = '110105199001220613'
console.log(reg.exec(str))
// 打印结果为 "110105199001220613", "110105", "1990", "01", "22", "1", "3"

var reg = /^(\d{6})(?:\d{4})(\d{2})(\d{2})\d{2}(\d)(\d|X)$/g
// 打印结果为 "110105199001220613", "110105", "01", "22", "1", "3"
// 会将第二个小分组只匹配，不捕获

  • 10.正向肯定预查 ?=

    这个概念比较难理解，用于就是为了匹配一个元素后面是的元素是否符合相应规则，但是并不消耗这个规则，例子1：

    var reg = /windows(?=95|98|NT|2000)/
var str1 = 'windows2000'
var str2 = 'windowsxp'

console.log(reg.test(str1))
console.log(reg.test(str2))
// str1 为true str2 为false

console.log(reg.exec(str1))
console.log(reg.exec(str2))
// 能捕获到str1 并且捕获结果时windows 并没有将2000也同时捕获
// 说明正向预查只负责匹配相应规则

    例子2：

    var reg1 = /win(?=d)dows/
var reg2 = /win(d)dows/
var str = 'windows'
console.log(reg1.test(str))
console.log(reg2.test(str))
// reg1 返回true reg2返回 false
// 原因是正向预查只负责匹配，不消耗字符，也就是并不会匹配为里面规则的字符
// reg1 相当于匹配windows并且符合win后面第一个出现的是d
// reg2 相当于匹配winddows

  • 11.正想否定预查 ?!

    和正向肯定预查相反，匹配不符合规则的正则

三.正则的两种创建方式

正则的创建方式分为两种，一种是字面量创建，另一种是构造函数创建

  • 1.字面量创建

var reg = /\d+/img

  • 2.构造函数创建

var reg = new RegExp('\\d+', 'img') 第一个参数是元字符并且\d这种特殊字符在这里面是普通字符，所以需要用\转义为特殊字符，第二个参数是修饰符

这两种的用途有区别，一般需要动态创建正则元字符采用构造函数创建，因为里面元字符是字符串拼接，常规固定写死正则采用字面量创建，例子如下：

var stringMode = 'string'
var reg = new RegExp(`^\\[object ${stringMode}\\]$`)
console.log(reg.toString())

四.正则原型方法

首相上一张图让同学们看一下正则一共有哪些方法，如下：

正则原型对象方法

可以看到正则原型对象上一共就三个方法,exec test和toString

  • 1.exec该方法主要应用于捕获组而设计，实参是要匹配的字符串。如图所示：

    正则原型对象方法

    捕获原理

    • 1.在捕获的时候先验证当前字符串和正则是否匹配，不匹配返回null（没有捕获到任何内容）
    • 2.如果匹配从字符串最左边开始，向右查找到匹配内容，并把匹配的内容返回

    捕获结果

    • 1.结果是一个数组
    • 2.第一项0 是当前本次大正则中匹配的结果
    • 3.index是匹配到的结果在字符串中的索引位置
    • 4.input当前正则操作的原始字符串
    • 5.如果大正则中有分组()，获取的数组中从第二项开始都是每个小分组的捕获结果
    • 下面举一个身份证正则的例子 便于参考，具体里面匹配规则下面会单独介绍，这里只学习字段意义

    正则exec方法

  • 2.懒惰性

    正则捕获存在懒惰性，在上面exec中，执行一次exec只捕获到第一个符合规则的内容，第二次执行exec也是捕获到第一个内容，后面的内容不论执行多少次都无法捕获到

    解决方法

    在正则的末尾加修饰符g（全局匹配）

    原理

    如图所示，正则本身有一个属性 lastIndex 下一次正则在字符串中匹配查找的开始索引
    默认值是0，从字符串第一个位置开始查找，由此可见，当执行完exec后lastIndex并没有变，并且就算手动修改lastIndex也不会起作用，浏览器不识别

    正则exec方法
    正则exec方法

    加上了修饰符g就解决了这个问题，因为每一次exec之后，浏览器默认会修改lastIndex，下一次从上一次结束的位置开始查找，所以可以得到后面内容

    正则exec方法
    正则exec方法

    我们来手动创建一个函数来实现匹配到全部内容并且都捕获到，如下：

    var reg = /^(\d{6})(\d{4})(\d{2})(\d{2})\d{2}(\d)(\d|X)$/g
var str = '110105199001220613'

RegExp.prototype.myExec = function myExec() {
	var str = arguments[0] || ''
	var result = []
	// 首先this指向的是RegExp，所以判断this是否加了全局修饰符g
	// 如果没有，防止执行死循环，我们只执行一次exec并将其返回即可
	
	if(!this.global) {
		return this.exec(str)
	}
	
	var arrs = this.exec(str)
	while(arrs) {
		result.push(arrs[0])
		// 此时lastIndex的值已经变为上一次的结尾
		arrs = this.exec(str)
	}
	return result
}

    这个方法当正则reg加了修饰符g 则返回大正则匹配到结果，如果没加g则返回exec捕获结果

  • 3.test 该方法主要应用于正则匹配，当然也可以用在捕获上面

    从字符串左侧开始匹配，匹配到符合正则规则的字符，返回true，否则返回false，同样的test在修饰符g下也会修改lastIndex的值

    运用test实现捕获

    var reg = /\{([a-z]+)\}/g
var str = 'my name is {weiran}. I am from {china}'
var result = []
while (reg.test(str)) {
	result.push(RegExp.$1)
}
console.log(result)
// ['weiran', 'china']

    当test匹配到结尾或者匹配不到时，返回false，成功则向数组添加当前小分组匹配第一个元素内容 在RegExp的constructor中存在$1-$9，他们的具体指的是当前本次匹配小分组第一到第九捕获的内容

  • 4.toString

    就是将正则表达式转化为字符串

五.字符串正则方法

  • 1.match

    同样是捕获的方法，如图所示：

    正则match方法

    当加了修饰符g，返回的是大正则匹配结果组成的数组，不加修饰符g则返回大正则和每个小分组返回结果组成的数组，跟上面我们手写的myExec一样，其实原理就是我们上面写的方法，如果想在加了修饰符g的时候返回结果和没加一样，所以在直接用match方法就能将匹配内容全部捕获到。 但是他也有局限性，就想上面说的在加了修饰符g的时候，会忽略小分组捕获内容，只捕获大正则捕获内容，解决办法就向上面myExec一样，将arrs[0]改为arrs，在每次匹配到结果时，将每个小分组也保存下来。

  • 2.replace

    主要运用在替换，其中两个参数，第一个为要替换的字符串或者正则，第二个是替换内容或一个返回函数，具体操作如下：

    var str = 'my name is {weiran}, my blog is {ngaiwe}'
var reg = /\{([a-z]+)\}/
str = str.replace(reg, '123')
console.log(str)
// 打印出 my name is 123, my blog is {ngaiwe}
// 同学们会发现和exec的懒惰性很相似，不加修饰符g 只匹配第一个lastIndex没有改变

var reg = /\{([a-z]+)\}/g
// 打印出 my name is 123, my blog is 123

    并且replace不会修改原始字符串

    正则replace方法

    var str = 'my name is {weiran}, my blog is {ngaiwe}'
var reg = /\{([a-z]+)\}/g
str = str.replace(reg, function () {
	console.log(arguments)
})
// 打印出当前匹配的小分组，如果函数中没有return出替换值，则返回undefined

  • 3.split

    按照正则方式可以拆分成数组，具体例子如下：

    var str = 'weiRanNgaiWe'
var reg = /[A-Z]/
console.log(str.split(reg))
// ["wei", "an", "gai", "e"]按照大写拆分成数组

  • 4.search

    类似于indexOf,返回匹配元素的起始位置，如果没有返回-1，不支持修饰符g

    var str = 'ngaiwe@126.com'
var reg = /\d+/
console.log(str.search(reg))
// 返回 7

六.实战案例剖析

  • 1.身份证号码

    举个身份证的例子： 110105199109214237
    由此分析前6位是数字地区区号组成，然后四位是年，两位月，两位日和四位随机，倒数第二位单数男性，双数女性，最后一位可能是大写X,所以根据这个规则的正则是

    var str = '110105199109214237'
var reg = /^(\d{6})(\d{4})(\d{2})(\d{2})\d{2}(\d)(\d|X)$/
console.log(reg.exec(str))
// ["110105199109214237", "110105", "1991", "09", "21", "3", "7", index: 0, input: "110105199109214237", groups: undefined]

  • 2.邮箱

    举个邮箱的例子：weiran@vipkid.com.cn
    由此分析：
    1.@前面可能是数字、字母、下划线、-、. 2.-和.不能相连在一起
    /^\w+((-|\w+)|(.\w+))*/ 开头一定是数字，字母或下划线组成，后面的内容可能是-与数字字母下划线 或者.和数字字母下划线组成的0到多个字符
    3.@后面部分
    首先一定是数字字母组成的多位字符
    然后可能存在是.组成的邮箱后缀或者链接前方字符的.和-
    最后肯定是.组成的邮箱后缀

    var reg = /^\w+((-|\w+)|(\.\w+))*@[a-zA-Z0-9]+((\.|-)[a-zA-Z0-9]+)*\.[a-zA-Z0-9]+$/
var str = 'weiran@vipkid.com.cn'
console.log(reg.test(str))
// true

  • 3.URL截取

    举个截取url参数的例子：
    www.ngaiwe.com/page/index.…
    我们想要的是参数转化键值对和哈希值{name: 'weiran',age: 27, sex: 0, HASH: 'develpoment'}
    由此分析：
    需要分为两部分捕获，首先第一次捕获?后面的参数，第二次捕获#后面的hash值
    首先匹配第一个，他的规则是匹配等号两边所以是/()=()/，并且匹配的是非?&=#的特殊字符，将他们保存在obj对象中
    其次匹配hash，方法和第一个类似只是匹配#后面的部分

    String.prototype.myQueryURLParameter = function myQueryURLParameter () {
	var obj = {}
	this.replace(/([^?&=#]+)=([^?&=#]+)/g, function () {
		obj[arguments[1]] = arguments[2]
	})
	this.replace(/#([^?&=#]+)/g, function () {
		obj['HASH'] = arguments[1]
	})
	return obj
}

七.总结

具体案例就就少到这里，网上有各种正则的案例，同学们以后看到案例具体分析他们是如何写的，不要一味地使用，这样才能在工作中不断地思考，学习。

八.博客

魏燃技术博客

有任何问题可留言或者发送本人邮箱ngaiwe@126.com

九.分享

正则元字符表
正则在线测试工具

avatar
文章
阅读
粉丝