正则表达式学习笔记

14,797 阅读6分钟

正则表达式对于我来说一直像黑暗魔法一样的存在。手机正则去网上搜,邮箱正则去网上搜,复杂点的看看文档拼凑一下,再复杂只能厚着脸皮让其他同事给写一个。从来没有系统的学习过,今天准备拿下它。

1. 学习目标:

  1. 了解正则表达式语法
  2. 在IDE中使用正则表达式
  3. 在javascript 中使用正则表达式处理字符串

2. 什么是正则表达式

正则表达式,又称正规表示式正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。

通俗的讲就是按照某种规则去匹配符合条件的字符串

3.利用图形化工具理解正则表达式

辅助理解正则表达的在线工具 regexper.com/ 我们利用这个工具辅助理解,正则表达式。语法没懂表着急,后面会有,这里只是学会用工具帮助我们学习。

手机号正则

/^1[34578][0-9]{9}$/

手机号正则表达式

注释:以1开头,第二位为3 4 5 7 9 其中一个,以9位(本身1次加重复8次)0-9数字结尾

单词边界

/\bis\b/

注释: is前后都是单词的边界,比较晦涩难懂?感受下两者的区别,\b 会方道语法部分讲解

URL分组替换

/http:(\/\/.+\.jpg)/

看不懂的不要慌语法部分后面会有介绍,这里只是展示利用可视化的图形帮助我们理解正则表达式,可以回来再看木有关系

正则表达式中括号用来分组,这个时候我们可以通过用$1来获取 group#1的内容

说下这个正则的意义,如果网站用了https,网站引用静态资源也必须是https,否则报错。如果写成 // 会自动识别 http 或者 https

日期匹配与分组替换

/^\d{4}[/-]\d{2}[/-]\d{2}$/

这个正则比较复杂,画符念咒的地方太多了,一一分析:

  1. Start of line 是由^生效的表示以此开头
  2. 对应结尾End of line 由$生效表示以此结尾
  3. 接着看digit 由 \d 生效表示数字
  4. 3times 由{4} 生效表示重复4次,开始的时候有疑问,为什么不是 4times 。后来明白作者的用意,正则表达式是一个规则,用这个规则去从字符串开始匹配到结束(注意计算机读字符串可是不会分行的,都是一个串,我们看到的多行,人家会认为是个 \t )这里设计好像小火车的轨道一直开到末尾。digit 传过一次,3times表示再来三次循环,共4次,后面的once同理。 自己被自己啰嗦到了。
  5. 接下来,是 one of 在手机正则里面已经出现了。表示什么都行。只要符合这两个都让通过。

好了这个正则解释完了,接下来用它做什么呢?

我们可以验证日期的合法性

结合URL分组替换所用到的分组特性,我们可以轻松写出日期格式化的方法

改造下这个正则

/^(\d{4})[/-](\d{2})[/-](\d{2})$/

轻松的可以拿到 group#1 #2 #3 的内容,对应 $1 $2 $3

到现在已经能结合图形化工具看懂正则表达式表达式了,如果想自己写,还要在正则语法上下点功夫

4. Js中Regexp对象

Javascript 通过内置对象RegExp支持正则表达式,有两种方法实例化RegExp对象

字面量方法

const reg =/\bis\b/g

构造函数

const reg = new RegExp('\\bis\\b', 'g')

注意:第一个参数为正则表达式字符串(注意转译),第二个参数为修饰符,修饰符g代表全局搜索,后面会有详细介绍。

5. 正则表达式语法

1 修饰符 (三个 g i m)

修饰符与其他语法特殊,字面量方法声名的时候放到//后,构造函数声明的时候,作为第二个参数传入。整个正则表达式可以理解为正则表达式规则字符串+修饰符

  • g:global 执行一个全局匹配
  • i:ignore case执行一个不区分大小写的匹配
  • m: multiple lines多行匹配

修饰符可以一起用 const reg =/\bis\b/gim

来说说他们有什么作用

有g和没有g的区别

没有g只替换了第一个,有g 所有的都换了

有i和没有i的区别

有i忽略大小写,没有i严格区分大小写

2 元字符

正则表达式由两种基本字符组成:

  • 原义字符
  • 非打印字符
  • 元字符 (* + ? $ ^ . | \ ( ) { } [ ])
3. 原义字符

这个没什么好解释的,我们一直在举例的 /is/ 匹配字符串'is'

\将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,n”匹配字符“n”。“\n”匹配一个换行符。序列“\\”匹配“\”而“\(”则匹配“(”。

4. 非打印字符
字符 描述
\cx 匹配由x指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。

非打印字符,以\n为例

其他的在前端引用比较少,应该在后端处理文本文件的时候会用到

5. 字符类 []

在前面的手机号正则例子🌰中,我们已经使用过[] /^1[34578][0-9]{9}$/ : [34578]表示34578任意一个数字即可。在日期匹配与分组替换例子🌰中 /^\d{4}[/-]\d{2}[/-]\d{2}$/ 表示符合 - 都可以

6. 字符类取反 [^]

表示不属于此类

空格也不属于,好多狗🐶

7. 范围类[-]

正则表达式支持一定范围规则比如 [a-z] [A-Z] [0-9] 可以连写[a-z0-9] 如果你只是想匹配-在 范围类最后加-即可。请看实例。

8. 预定义类

常用为了方便书写

字符 等价类 含义
. [^\n\r] 除了回车符和换行符之外的所有字符
\d [0-9] 数字字符
\D [^0-9] 非数字字符
\s [\t\n\x0B\f\r] 空白符
\S [^\t\n\x0B\f\r] 非空白符
\w [a-zA-Z_0-9] 单词字符(字母、数字、下划线)
\W [^a-zA-Z_0-9] 非单词字符

有了这些预定义类,写一些正则就很方便了,比如我们希望匹配一个 ab+数字+任意字符 的字符串,就可以这样写了 /ab\d./

9. 边界
字符 含义
^ 以xx开头
$ 以xx结尾
\b 单词边界,指[a-zA-Z_0-9]之外的字符
\B 非单词边界

边界顾名思义即定义匹配的边界条件,上面基本都在前面的例子碰到了,这里演示下\b\B 的区别

10. 量词
字符 含义
? 出现零次或一次
* 出现零次或多次(任意次)
+ 出现一次或多次(至道一次)
{n} 对应零次或者n次
{n,m} 至少出现n次但不超过m次
{n,} 至少出现n次(+的升级版)
{0,n} 至多出现n次(其实就是{n,m} 方便记忆而已)

如果没有量词,要匹配4位数字这样写就可以/\d\d\d\d/, 如果匹配50位100位呢?那不是要疯掉了?
有了量词,就可以这样写/\d{100}/, 量词的使用我们在手机号中使用过,表现在可视化中就是循环多少次。

凑一个上面都包含的实例/\d?@\d*@\d+@\d{10}@\d{10,20}@\d{10,}@\d{0,10}/

11.贪婪与懒惰(非贪婪)

正则表达式默认会匹配贪婪模式,什么是贪婪模式呢?如其名尽可能多的匹配。我们看个例子🌰。

/\d{3,6}/

贪婪模式下,匹配的了最多的情况。

与贪婪对应就是懒惰模式,懒惰对应的就是匹配的尽可能少的情况。如何开启懒惰模式? 在量词后面加?。继续上面的例子

/\d{3,6}?/

如果想知道,正则表达式是如何匹配量词的,请看 进阶正则表达式 文中有介绍,正则是如何回溯的。

12.分组与反向引用

分组,又称为子表达式。把正则表达式拆分成小表达式。概念枯燥,说个例子为嘛用分组:

不分组 /abc{2}/

量词仅作用到最后的c

分组 /(abc){2}/

注意这里 group #1

分组虽然和运算符() 很像,但是分组在正则表达式中,注意理解组的含义。经常有人滥用分组

/^(http|https)/ 真的需要这样么?其实 /^https?/就可以了,你正则写的特别长的时候,会出现一堆没用的结果,看着都头疼吧。

分组往往和反向引用一起使用,别被概念吓到:当一个正则表达式被分组后,每个分组自动被赋予一个组号,一左到右分别是 $1 $2

再把之前的例子拿出来

/^(\d{4})[/-](\d{2})[/-](\d{2})$/

轻松的可以拿到 group#1 #2 #3 的内容,对应 $1 $2 $3

如果在反向引用中不想捕获年该如何操作? 加上 ?:即可

/^(?:\d{4})[/-](\d{2})[/-](\d{2})$/

12.前瞻

⚠️ 这部分为进阶部分—选看

正则表达式中有前瞻(Lookahead)和后顾(Lookbehind)的概念,这两个术语非常形象的描述了正则引擎的匹配行为。需要注意一点,正则表达式中的前和后和我们一般理解的前后有点不同。一段文本,我们一般习惯把文本开头的方向称作“前面”,文本末尾方向称为“后面”。但是对于正则表达式引擎来说,因为它是从文本头部向尾部开始解析的(可以通过正则选项控制解析方向),因此对于文本尾部方向,称为“前”,因为这个时候,正则引擎还没走到那块,而对文本头部方向,则称为“后”,因为正则引擎已经走过了那一块地方。

⚠️注意:后顾性能损耗比较大,js只支持前瞻(知乎上看到的,具体原因不详)

上面的比较概念话,尝试用大白话讲讲,就说皇上选妃吧,先行条件得是美女吧,长得“如花”那样皇上可不要,漂亮这关过了,皇上想要这个美女也不行,皇室有规矩,必须是贵族血统。

那么“漂亮”就是正常的匹配,匹配到了,还得看看家室是不是贵族。"贵族"相当于前瞻条件

前瞻分两种一种是正向前瞻(?=xxx), 另一种是负向前瞻(?!xxx)

😂 是不是很简单?那我们来玩个好玩的。

题目:如何将'123456'转成货币带逗号的。'123,456'。这个是很常规格式化金额的需求。

如果在没有学习正则之前,我的思路是:

  1. 字符串转数组
  2. 反转数组
  3. 每隔三个添加个逗号
  4. 添加完了反转数组
  5. 数组转字符串

好累~~~

今天学习了正则,可以一步到位 '123456789'.replace(/(\d)(?=(?:\d{3})+$)/g, '$1,')

到此为止正则的基本使用已经结束,后面一篇会分享一些正则的 「奇技淫巧」