1. 正则表达式字符匹配攻略&＃xff1a;要么匹配字符&＃xff0c;要么匹配位置
两种模糊匹配&＃xff1a;横向模糊和纵向模糊
1.1. 横向模糊匹配&＃xff1a;一个正则可匹配的字符串的长度不是固定的&＃xff0c;可以是多种情况的
- 其实现的方式是使用量词。譬如 {m,n}&＃xff0c;表示连续出现最少 m 次&＃xff0c;最多 n 次。
- eg: 比如正则 /ab{2,5}c/ 表示匹配这样一个字符串&＃xff1a;第一个字符是 "a"&＃xff0c;接下来是 2 到 5 个字符 "b"&＃xff0c;最后是字符 "c"。其可视化和测试如下&＃xff1a;
1.2. 纵向模糊匹配&＃xff1a; 一个正则匹配的字符串&＃xff0c;具体到某一位字符时&＃xff0c;它可以不是某个确定的字符&＃xff0c;可以有多种可能
- 其实现的方式是使用字符组。譬如 [abc]&＃xff0c;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&＃xff1a; "a1b"、"a2b"、"a3b"。
字符组
1.3. 范围表示法
- 比如 [123456abcdefGHIJKLM]&＃xff0c;可以写成 [1-6a-fG-M]。用连字符 - 来省略和简写。
- 需要注意的是&＃xff0c;连字符有特殊用途&＃xff0c;如果匹配"a"、"-"、"z"中的任意一个&＃xff0c;不能写成[a-z],可以写成&＃xff1a;[-az]、[za-]、[a-z]。
1.4. 排除字符法
- 其实现的方式是使用反义字符组。譬如 [^abc]&＃xff0c;表示该字符是排除字符 "a"、"b"、"c" 之外的任意字符。
1.5. 常见的简写形式
- 有了字符组概念&＃xff0c;一些常见的符号就好理解了&＃xff0c;系统提供了自带的简写方式
贪恋匹配和惰性匹配
1.6. 贪婪匹配
- 正则 /d{2,5}/&＃xff0c;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&＃xff0c;它会尽可能多的匹配。只要在能力范围内&＃xff0c;越多越好。
1.7. 惰性匹配
- 正则 /d{2,5}?/ 表示&＃xff0c;虽然 2 到 5 次都行&＃xff0c;当 2 个就够的时候&＃xff0c;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。
1.8. 多选分支
- 一个模式可以实现横向和总想模糊匹配&＃xff0c;而多选分之可以支持多个自模式任选其一
- 具体形式&＃xff1a;(p1|p2|p3)&＃xff0c;其中 p1、p2 和 p3 是子模式&＃xff0c;用 |&＃xff08;管道符&＃xff09;分隔&＃xff0c;表示其中任何之一
- 需要注意的是&＃xff0c;分之匹配是惰性的&＃xff0c;比如我用 /good|goodbye/&＃xff0c;去匹配 "goodbye" 字符串时&＃xff0c;结果是 "good"。
2. 正则表达式位置匹配攻略&＃xff1a;位置&＃xff08;锚&＃xff09;是相邻字符之间的位置
如何匹配位置&＃xff0c;在 ES5 中有 6 个锚&＃xff1a;^、$、b、B、(?&＃61;p)、(?!p)
- ^&＃xff08;脱字符&＃xff09;匹配开头&＃xff0c;在多行匹配中匹配行开头。
- $&＃xff08;美元符号&＃xff09;匹配结尾&＃xff0c;在多行匹配中匹配行结尾。
- b 是单词边界&＃xff0c;具体就是 w 与 W 之间的位置&＃xff0c;也包括 w 与 ^ 之间的位置&＃xff0c;和 w 与 $ 之间的位置。
- B 就是 b 的反面的意思&＃xff0c;非单词边界。例如在字符串中所有位置中&＃xff0c;扣掉 b&＃xff0c;剩下的都是 B 的。
- (?&＃61;p)&＃xff0c;其中 p 是一个子模式&＃xff0c;即 p 前面的位置&＃xff0c;或者说&＃xff0c;该位置后面的字符要匹配 p。
- 而 (?!p) 就是 (?&＃61;p) 的反面意思
3. 正则表达式括号的作用&＃xff1a;分组和分支是括号最直觉的作用
分组
3.1. 我们知道 /a&＃43;/ 匹配连续出现的 "a"&＃xff0c;而要匹配连续出现的 "ab" 时&＃xff0c;需要使用 /(ab)&＃43;/。其中括号是提供分组功能。
分支结构
3.2. 而在多选分支结构 (p1|p2) 中&＃xff0c;此处括号的作用也是不言而喻的&＃xff0c;提供了分支表达式的所有可能。
分组引用
3.3. 如&＃xff1a;/d{4}-d{2}-d{2}/ 和 /(d{4})-(d{2})-(d{2})/; 后者多了分组的编号。
- 搭配合理的 API&＃xff0c;实现更强大的操作。如下可视化正则&＃xff0c;多了分组引用的概念
反向引用
3.4. 除了使用相应的 API 来引用分组&＃xff0c;也可以在正则本身里引用分组&＃xff0c;但只能引用之前出现的分组&＃xff0c;即为反向引用。
- 如匹配前后分隔符一致的日期"2017-06-12"&＃xff0c;可以使用正则 /d{4}(-|/|.)d{2}1d{2}/;其中里面的 1&＃xff0c;表示的引用之前的那个分组 (-|/|.)。那么2 和 3 自然理解了&＃xff0c;表示第二个和第三个分组。
- 那么 10 表示第十个分组&＃xff0c;还是表示1 和 0 呢&＃xff1f; 答案是前者&＃xff0c;如果要表示后者&＃xff0c;请使用(?:1)0 或者 1(?:0)
- 引用不存在的分组&＃xff0c;正则匹配时不会报错&＃xff0c;只是匹配反向引用的字符本身。
- 分组后面有量词&＃xff0c;分组最终捕获的是最后一次的匹配。
3.5. 非捕获括号
- 上文提到的括号&＃xff0c;都会匹配他们捕获到的数据&＃xff0c;以便后续作为引用&＃xff0c;成为捕获型分组或分支。如果想要括号原始功能&＃xff0c;此时应使用非捕获括号(?:p) 或 (?:p1|p2|p3)
4. 正则表达式回溯法原理
回溯匹配的概念
4.1. 没有回溯的匹配
- 例如正则是/ab{1,2}c/&＃xff0c;如果目标字符串是“abbbc”&＃xff0c;其匹配就是没有回溯的&＃xff0c;其匹配过程如下&＃xff1a;
4.2. 有回溯的匹配
- 如上正则&＃xff0c;如果目标字符串是“abbc”&＃xff0c;其匹配就是有回溯的&＃xff0c;其匹配过程如下&＃xff0c;其第6步就是回溯&＃xff1a;
贪婪量词和惰性量词
4.3. 贪婪量词
- 比如 b{1,3}&＃xff0c;因为其是贪婪的&＃xff0c;尝试可能的顺序是从多往少的方向去尝试。首先会尝试 "bbb"&＃xff0c;然后再看整个正则是否能匹配。不能匹配时&＃xff0c;吐出一个 "b"&＃xff0c;即在 "bb" 的基础上&＃xff0c;再继续尝试。如果还不行&＃xff0c;再吐出一个&＃xff0c;再试。如果还不行呢&＃xff1f;只能说明匹配失败了。
4.4. 惰性量词
- 惰性量词就是在贪婪量词后面加个问号。表示尽可能少的匹配。
5. 正则表达式的拆分
正则表达式有哪些结构&＃xff1f;
5.1. 字符字面量、字符组、量词、锚、分组、选择分支、反向引用&＃xff0c;
- 尝试拆分一个正则&＃xff1a;/ab?(c|de*)&＃43;|fg/
- 由于括号的存在&＃xff0c;所以(c|de*)是一个整体
- 而(c|de)存在一个量词&＃xff0c;所以 e是一个整体
- 而分支结构|优先级较低&＃xff0c;所以 c 是一个整体&＃xff0c;de*是一个整体
最终被拆分为 a、b?、(…)&＃43; 和 f、g 两个部分
量词连缀问题
- 如果匹配每个字符为‘a’&＃xff0c;‘b’&＃xff0c;‘c’任意一个&＃xff0c;字符串长度是 3 的倍数&＃xff0c;如果正则想当然地写成 /^[abc]{3}&＃43;$/&＃xff0c;这样会报错&＃xff0c;说 &＃43; 前面没什么可重复的。而要修改为&＃xff1a;
元字符转译问题
5.2. 所谓元字符&＃xff0c;就是正则中有特殊含义的字符&＃xff1a;^、$、.、*、&＃43;、?、|、、/、(、)、[、]、{、}、&＃61;、!、:、- ,
- 如果要使用这些元字符&＃xff0c;需要对其转义&＃xff0c;但并不是所有的字符都需要转义
- 在字符组中的元字符&＃xff0c;比如匹配 "[abc]" 和 "{3,5}"&＃xff0c;可以写成/[abc]/ 或 /[abc]/&＃xff0c;/{3,5}/ 或 /{3,5}/
- 其余情况&＃xff0c;比如 &＃61;、!、:、-、, 等符号&＃xff0c;只要不在特殊结构中&＃xff0c;并不需要转义&＃xff1b;括号需要前后都转义的&＃xff1b;于剩下的 ^、$、.、*、&＃43;、?、|、、/ 等字符&＃xff0c;只要不在字符组内&＃xff0c;都需要转义的。
6. 正则表达式的构建和编程
平衡法则
- 匹配预期的字符串
- 不匹配非预期字符串
- 可读性和可维护性
- 效率
正则表达式相关 API
6.1. 用于正则操作的方法&＃xff0c;共有 6 个&＃xff0c;字符串实例 4 个&＃xff0c;正则实例 2 个&＃xff1a;
6.2. search 和 match 参数问题&＃xff0c;会把参数 string 转为 regexp。
6.3. match 返回结果的格式&＃xff0c;与正则对象时候有修饰符 g 有关。没有 g&＃xff0c;返回标准格式&＃xff1b;有 g&＃xff0c;返回所有匹配内容
6.4. exec 比 match 强大&＃xff0c;exec 作为对 match 含有 g 匹配内容的补充&＃xff0c;包含所有匹配内容的 index 信息
6.5. g 对 exec 和 test 的影响&＃xff0c;对于字符串的四个方法&＃xff0c;都是从 0 开始的&＃xff0c;lastIndex 属性始终保持不变。而对于正则的两个方法&＃xff0c;lastIndex 会受 g 的影响
- 注意下面代码中的第三次调用 test&＃xff0c;因为这一次尝试匹配&＃xff0c;开始从下标 lastIndex&＃xff0c;即 3 位置处开始查找&＃xff0c;自然就找不到了。
- 如果没有 g&＃xff0c;都是从字符串第 0 个位置开始尝试匹配
6.6. test 整体匹配时需要使用 ^ 和 $
6.7. replace 是很强大的。总体来说 replace 有两种使用形式&＃xff0c;这是因为它的第二个参数&＃xff0c;可以是字符串&＃xff0c;也可以是函数。
- 当第二个参数是字符串时&＃xff0c;如下的字符有特殊的含义&＃xff1a;
6.8. 正则表达式 ES5 有 3 个修饰符
京公网安备 11010802041100号