[教程]正则快速上手指南：2–神奇的分组

    上一节通过几个很微型的实例认识了可爱的正则表达式&＃xff0c;期间也有不少网友怀疑自己的能力&＃xff0c;说不管学了多久&＃xff0c;但是每次遇到要写正则的时候总要调试很久或者是直接去抄人家的。我想说&＃xff0c;编程这东西&＃xff0c;本来就是调试时间要远大于编写时间的。所以&＃xff0c;不应该认为自己一次就能完全编写正确&＃xff0c;不是每次都100%一次成功的。
本节将要延续上一节的话题&＃xff0c;讲一下神奇的分组。

     上一节我们用这个语句“ 作为一个搞WEB技术的人才&＃xff0c;你现在牛逼了&＃xff0c;终于开始用  正则表达式了 ”讲述了很多种匹配方法&＃xff0c;从第一种到最后一种&＃xff0c;其实都是在慢慢简化的。最开始&＃xff0c;我们是看到一个句子&＃xff0c;然后用最自然的逻辑从左至右去描述它&＃xff0c;然后生成一个正则表达式&＃xff0c;然后慢慢的精简精简&＃xff0c;最后诞生了超级无敌小短炮&＃xff1a; /]*>/gi
    本章我们就来解读一下 “[]” 的秘密&＃xff0c;以及说说他的兄弟&＃xff1a;“()”的那些事。

[]的秘密 

   严格上来讲&＃xff0c;“[]”符号的使用并不能算作将要匹配的字符进行“分组”的概念&＃xff0c;他只是一个单词选择范围界定符。也就是说&＃xff0c;不管你在[]中放多少内容&＃xff0c;系统都会将其中的内容看做一个一个的字符来解读&＃xff0c;而不会将它们看成一个整体。
 举例说明&＃xff0c;在上面蓝色的例句中&＃xff0c;你想匹配一下看有几个“a或g”&＃xff0c;那就应该用 /[ag]/g&＃xff0c;你看这个图片&＃xff0c;a和g都被匹配到了&＃xff1a;
 

  如果我们想匹配“ag”这个组合&＃xff0c;那就应该用/ag/g 或者 /(ag)/g  &＃xff1a;

  这也就是说&＃xff0c;在没有[]干预的情况下&＃xff0c;正则表达式中要匹配的字符总是从左到右作为一个整体进行匹配的。那么&＃xff0c;如果[]和()同时出现&＃xff0c;会出现什么状况呢&＃xff1f; 我们来看看 /[(ag)]/g

  事实证明&＃xff0c;[]比()牛逼&＃xff0c;不管带不带()&＃xff0c;只要最外层被[]罩着&＃xff0c;里面的内容就会被当成字符来看&＃xff0c;而非整体。

  略懂编程的人应该知道&＃xff0c;一个逻辑里面&＃xff0c;会包含这样几种基本关系&＃xff1a;与、非、或。这在正则表达式也是存在的&＃xff1a;

  与&＃xff1a;所有没有被[]包含的、连续的字符&＃xff0c;如&＃xff0c;ag、(ag)就是a与g都存在并且g在a后面才为真&＃xff0c;才会匹配。
  非&＃xff1a;^。这个符号很勤劳&＃xff0c;它既是匹配字符串的开始的限定符&＃xff0c;又是表示“非”的符号。比如这个小短炮 [^>] 就表示匹配所有不等于”>”的符号&＃xff0c;因此我们在上一节中用这个来匹配标签中的各项属性&＃xff0c;因为这些属性不可能包含“>”,这样&＃xff0c;就用最精练的语句做到了最大限度的匹配。
  或&＃xff1a;被 | 隔开的左右字符或者被[]包含的每一个字符&＃xff0c;他们都是“或”的关系。所以 c [abc] 跟 c [a|b|c]是等效的&＃xff0c;都只能匹配ca或者cb或者cc

  因为[]老喜欢把人家拆散了干&＃xff0c;所以&＃xff0c;正则表达式的缔造者们也赋予了它一些特殊的才能&＃xff0c;下面我们来看连字符号“- ”

  大家在抄别人的正则表达式的时候一定见过诸如 [0-9]、[a-z] 这样的东西吧&＃xff1f;不得不说这个真的是让人太兴奋了&＃xff01;
  连字符号表示匹配一些计算机认为的约定熟成的连续的东西&＃xff0c;比如数字&＃xff0c;字母&＃xff0c;汉字&＃xff08;连续的16进制编码&＃xff09;。所以&＃xff0c;我们就可以这样总结如下&＃xff1a;

  [0-9] 匹配0-9的数字。当然&＃xff0c;我知道聪明的你会去试一下看是不是[6-8]只能匹配6、7、8三个数字。你看&＃xff0c;多么灵活呀&＃xff01;当我们用[0-9]来匹配所有数字的时候&＃xff0c;我们就可以把它简写成 \d。\d表示匹配一个数字。
  [a-z] 和[A-Z]匹配一个小写或者大写字母&＃xff0c;如果想要匹配所有英文字母&＃xff0c;你可以用[a-zA-Z]来匹配&＃xff0c;当然&＃xff0c;还有更简单的办法&＃xff1a; [A-z] 。如果只需要匹配其中一段连续字母&＃xff0c;比如 c、d、e、f就灵活的运用 [c-f] &＃xff0c;就行了。

  一个原则&＃xff1a;匹配式的越简单越好&＃xff0c;速度越快。

   有正就有反&＃xff0c;那么以下几个式子的意思你就该明白了&＃xff01;——

   [^0-9]&＃xff0c;匹配非数字的字符&＃xff0c;等于\D

   [^a-z]&＃xff0c;匹配非小写字符
  [^a-zA-Z] &＃xff0c;  匹配非英文字符。

神奇的&＃xff08;&＃xff09;

 ()是一个神奇的东西。在我们的固定思维中&＃xff0c;总是认为被&＃xff08;&＃xff09;括起来的东西是一个整体&＃xff0c;在正则表达式中也是如此。除此之外&＃xff0c;他还有着一些很好玩的特性。

   说他代表一个整体&＃xff0c;这个很好理解&＃xff0c;我用一个例子来说明&＃xff1a;
    给出一串数字&＃xff1a;1000200300040050000006007000080900

    然后我们分别写下这样两个正则&＃xff1a; /00{2,4}/  和 /(00){2,4}/

    然后告诉我&＃xff0c;你看到什么了&＃xff1f;

     /00{2,4}/    在这串数字中匹配到了以下红色字体&＃xff1a;1000200300040050000006007000080900。他能匹配 000、0000、00000。也就是说&＃xff0c;要先保证第一位是0&＃xff0c;然后接下来的2个位置到4个位置都是0&＃xff0c;都能匹配。
    /(00){2,4}/   在这串数字中匹配到了以下红色字体&＃xff1a;1000200300040050000006007000080900。他能匹配 0000、000000、00000000。也就是说&＃xff0c;“00”是一个打包货&＃xff0c;2个“00”、3个“00”和4个“00”在一起的组合都是OK的。

    这就是我们思维中的“分组”。

    但是&＃xff0c;正则表达式的开发者总能提供给我们一些惊喜&＃xff01;

    回想一下我们以前写HTML的时候遇到的问题&＃xff1a;我们想找出一个段落中所有成对的HTML标签&＃xff0c;怎么办&＃xff1f;能不能有一个办法能够一次性找出来&＃xff0c;而不需要先去肉眼观察有哪些标签&＃xff0c;然后对应的构建一些正则表达式分批查找出来呢&＃xff1f;

   就比方说这段话&＃xff1a;“ 作为一个搞WEB技术的人才&＃xff0c;你现在牛逼了&＃xff0c;终于开始用  正则表达式了 ”

   里面的和两个  都是成对出现的标签&＃xff0c;我们能不能一次性的把他们都匹配出来呢&＃xff1f;难点就在于&＃xff0c;你怎么知道你当前匹配的是还是&＃xff1f;如何找到他们的结束标签&＃xff1f;

      >           #匹配一个>&＃xff0c;到这里头标签&＃xff08;、等&＃xff09;的匹配就结束了。

      <          #匹配尾标签(、等结束标签)

     \/          #匹配一个/。用\来转义

     \1         #这里是关键&＃xff0c;匹配刚才被分配为1的那个组&＃xff0c;用这个\1&＃xff0c;这个就叫“反向引用”。就能获取到刚才匹配的span或者是a等头标签的文字。因为头尾标签的这部分是一样一样一样滴&＃xff01;

     >          #匹配尾标签尾

     /gi       #匹配完美结束

    有人说&＃xff0c;你这个图一下就匹配完了&＃xff0c;完全看不出到底是怎么匹配的&＃xff0c;如果我要匹配没有内嵌HTML标签的那些标签该如何办呢&＃xff1f;就拿这段演示来说&＃xff0c;内部包含了两个标签&＃xff0c;这种标签我们暂时不想匹配他&＃xff0c;我们现在只想要找出这种内部没有其他标签的标签怎么办呢&＃xff1f;没事&＃xff0c;哥有办法——

     到现在为止&＃xff0c;我们都还只讲了需要消耗位置的一些匹配&＃xff0c;诸如匹配标签本身以及标签中的东西。但其实&＃xff0c;我们有时候会有一些特殊的匹配需求&＃xff0c;比如说&＃xff0c;仅匹配标签中的东西而无需将标签本身也匹配出来&＃xff0c;就像刚才那段被我们拿来演示的段落&＃xff0c;我们要把里面的所有html标签过滤掉&＃xff0c;但是又想保留标签中的文字&＃xff0c;该如何搞&＃xff1f;