正则表达式学习笔记

本篇笔记并不全，而是基于老姚的JS正则表达式完整教程（略长）

请要系统学习的查看原文即可

正则表达式是匹配模式，要么匹配字符，要么匹配位置。

字符匹配

1.横向模糊匹配---你要匹配几个

横向模糊匹配的意思就是匹配1个或者多个数量的意思。

主要实现方法是使用量词，比如{m,n}，表示 m-n 次

var regex = /ab{2,5}c/g;
var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log( string.match(regex) ); 
//=> ["abbc", "abbbc", "abbbbc", "abbbbbc"]

案例中的尾数 g是表示全局匹配模式，是一个修饰符。

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。

2.纵向模糊匹配---你要匹配什么

纵向模糊匹配的意思就是匹配的某一个字符可以是多种可能性，不一定非要这个。

实现的方法是使用字符组，譬如[abc]，表示该字符是可以字符“a”、“b”、“c”中的任何一个。

var regex = /a[123]b/g;
var string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) ); 

上面就是采用字符组，意思是中间的数可以是1或者2或者3。

小结

横向模糊匹配用来匹配数量，纵向模糊匹配用来匹配多种可能性。

横向模糊匹配用量词，纵向模糊匹配用字符组

3.量词---用来表示字符数量

量词用通俗的话来说就是这个字符出现多少次。

简写形式

{m,} 表示至少出现m次。

{m,n} 表示至少出现m次，最多出现n次

{m} 等价于{m,m}，表示出现m次。

? 等价于{0,1}，表示出现或者不出现。记忆方式：问号的意思表示，有吗？

+ 等价于{1,}，表示出现至少一次。记忆方式：加号是追加的意思，得先有一个，然后才考虑追加。

* 等价于{0,}，表示出现任意次，有可能不出现。记忆方式：看看天上的星星，可能一颗没有，可能零散有几颗，可能数也数不过来。

3.1贪婪匹配和惰性匹配

贪婪匹配就是我尽可能多的匹配

惰性匹配就是我尽可能少的匹配

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

这是一个贪婪匹配的例子，给我的我全都要。

上面的正则表示\d我需要数字,{2,5}表示我需要2-5个，有5个就要5个。

换成惰性匹配，就是给我2个，我就够了。

惰性匹配是这样写的

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

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？

4.字符组---用来表示字符范围

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。

4.1匹配的字符范围太大怎么办

如果需要匹配的字符范围很多，写不完，可以用范围表示法。这里可以使用连字符-。

比如[123456abcdefGHIJKLM]，可以写成[1-6a-fG-M]。

比如26个字母小写，可以写成[a-z]

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。

4.2我不需要某一字符怎么办

比如字符可以是任何东西，但我们不需要“a”、“b”、“c”，就可以使用排除字符^，表示取反。

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。

常见简写形式

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。

5.多选模式

上面介绍的都是基于一个模式下的匹配，但是有时候我们需要多种模式，比如说我又想在 abc 中选一个，又想在 xyz 中选一个，就可以用多选模式，通过管道符|分割

var reg=/[abc]?|[xyz]?/g
var string='xyz abc '
var string2='abc xyz'
console.log(string.match(reg))
console.log(string2.match(reg))
// => ["x"]
// => ["a"]

例如要匹配"good"和"nice"可以使用/good|nice/。测试如下：

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

案例分析

正则表达式最重要的是分析过程，其次是书写，比如要匹配以下字符

var string = "#ffbbad #Fc01DF #FFF #ffE abc";

需要匹配出16进制字符。

分析：

1.16进制字符范围在1-9，a-z，A—Z之间

2.前面有个#号

3.3-6位

范围就是第一个条件，使用字符组

数量就是第三个条件，使用量词

var reg=/#[0-9a-fA-F]{3,6}/g
var string = "#ffbbad #Fc01DF #FFF #ffE abc";
console.log(string.match(reg))
// => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]

匹配时间

23:59

12:59

24:00

分析：

1.第一位数字在0-2之间

2.第二位数字在0-9之间

3.第三位数字在0-5之间

4.第四位数字在0-9之间

5.如果第一位数字是2，那第二位数字在0-4之间

6.如果第一、二位数字是24，那么第三、四位只能是00

var reg=/(([0-1][0-9]|[2][0-3]):[0-5][0-9])|24:00/
console.log( reg.test("01:09") ); // true
console.log(reg.test("24:01")); // false
console.log(reg.test("00:60")); // false

如果想忽略前面的0，可以这样写

var reg=/((^(0?[0-9]|1[0-9])|[2][0-3]):(0?|[0-5])[0-9])|24:00/
console.log(reg.test("21:19") ); // true
console.log(reg.test("24:01")); // false
console.log(reg.test("23:9")); // true

匹配日期

比如yyyy-mm-dd格式为例。

要求匹配2017-06-10

分析：

需要匹配什么范围？

年：数字，在0-9之间[0-9]

月：数字，可能是在01-09，以及在10-12之间，可以用(0[1-9]|1[0-2])

日:数字，可能是01-09，以及10-29，最大31，可以用0[1-9]|[12][0-9]|3[0-1]

需要匹配几位？

年匹配4位，月匹配两位，日匹配两位

const reg=/[0-9]{4}-(0[1-9]|1[0-2])-0[1-9]|[12][0-9]|3[0-1]/
console.log(reg.test("2017-06-10") ); //true

位置匹配

什么是位置

位置是相邻字符之间的位置。比如，下图中箭头所指的地方：

如何匹配位置

在正则中，一共有6个锚字符

匹配开头和结尾

匹配开头和结尾用^和$

^（脱字符）匹配开头，在多行匹配中匹配行开头。

$（美元符号）匹配结尾，在多行匹配中匹配行结尾。

比如我们把字符串的开头和结尾用"#"替换（位置可以替换成字符的！）：

var result = "hello".replace(/^|$/g, '#');
console.log(result); 
// => "#hello#"

多行匹配模式时，二者是行的概念，这个需要我们的注意：

var result = "I\nlove\njavascript".replace(/^|$/gm, '#');
console.log(result);
/*
#I#
#love#
#javascript#
*/

匹配单词边界和非单词边界

\b是单词边界

\B是非单词边界

\b是单词边界，具体就是\w和\W之间的位置，也包括\w和^之间的位置，也包括\w和$之间的位置。

\w是[0-9a-zA-Z_]表示字母、数字、大写字母和下划线。

\W是除了字母、数字、大写字母和下划线，表示取反。

比如一个文件名是"[JS] Lesson_01.mp4"中的\b，如下：

var result = "[JS] Lesson_01.mp4".replace(/\b/g, '#');
console.log(result); 
// => "[#JS#] #Lesson_01#.#mp4#"

上面的正则要在单词边界上加入#。

什么是单词边界呢？首先JS就是跟\w 有关的单词，其次 Lesson_01和 mp4都属于\w。

那么\W是什么呢？就是[]、空格和.

那么我们来分析一下：

• [跟J之间有一个单词边界
• S跟]之间有一个单词边界
• 空格跟L之间有一个单词边界
• 1跟.之间有一个单词边界
• .跟m之间有一个单词边界
• 最后一个#是因为4属于\w，跟$结尾之间有一个单词边界

知道了\b的概念后，那么\B也就相对好理解了。

\B就是\b的反面的意思，非单词边界。例如在字符串中所有位置中，扣掉\b，剩下的都是\B的。

var result = "[JS] Lesson_01.mp4".replace(/\B/g, '#');
console.log(result); 
// => "#[J#S]# L#e#s#s#o#n#_#0#1.m#p#4"

前面的位置和非前面的位置

(?=p)和(?!p)分别代表p模式前面的位置和非前面的位置。比如

var result = "hello".replace(/(?=l)/g, '#');
console.log(result); 
// => "he#l#lo"

上面的代码表示插入l 前面位置的字符为#

而(?!p)就是(?=p)的反面意思，比如：

var result = "hello".replace(/(?!l)/g, '#');

console.log(result); 
// => "#h#ell#o#"

位置的特性

可以把位置的特性理解为空字符。

比如"hello"字符串等价于如下的形式：

"hello" == "" + "h" + "" + "e" + "" + "l" + "" + "l" + "o" + "";

也就是说字符之间的位置，可以写成多个。

把位置理解空字符，是对位置非常有效的理解方式。

相关案例

数字的千位分隔符表示法

比如把"12345678"，变成"12,345,678"。

需要在三位数字前面加上逗号，所以就变成了

const reg=/(?=(\d{3})+$)/g

console.log('12345678'.replace(reg,','))
// "12,345,678"

不过上面的字符如果换成123456789就会变成",123,456,789"

所以我们需要排除第一个位置，首位可以用^表示。

非首位可以用位置中的?!p模式,于是就变成了

const reg=/(?!^)(?=(\d{3})+$)/g

console.log('123456789'.replace(reg,','))
//"123,456,789"

正则表达式括号的作用

括号的作用，其实三言两语就能说明白，括号提供了分组，便于我们引用它。

引用某个分组，会有两种情形：在JavaScript里引用它，在正则表达式里引用它。

分组和分支结构

我们知道/a+/匹配连续出现的“a”，而要匹配连续出现的“ab”时，需要使用/(ab)+/。

其中括号是提供分组功能，使量词+作用于“ab”这个整体，测试如下：

var regex = /(ab)+/g;
var string = "ababa abbb ababab";
console.log( string.match(regex) ); 
// => ["abab", "ab", "ababab"]

而在多选分支结构(p1|p2)中，此处括号的作用也是不言而喻的，提供了子表达式的所有可能。

比如，要匹配如下的字符串：

var regex = /^I love (JavaScript|Regular Expression)$/;
console.log( regex.test("I love JavaScript") );
console.log( regex.test("I love Regular Expression") );
// => true
// => true

引用分组

这是括号一个重要的作用，有了它，我们就可以进行数据提取，以及更强大的替换操作。

而要使用它带来的好处，必须配合使用实现环境的API。

以日期为例。假设格式是yyyy-mm-dd的，我们可以先写一个简单的正则：

var regex = /\d{4}-\d{2}-\d{2}/;

然后再修改成括号版的：

var regex = /(\d{4})-(\d{2})-(\d{2})/;

为什么要使用这个正则呢？

提取数据

比如提取出年、月、日，可以这么做：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log( string.match(regex) ); 
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]

match返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的内容，然后是匹配下标，最后是输入的文本。（注意：如果正则是否有修饰符g，match返回的数组格式是不一样的）。

另外也可以使用正则对象的exec方法：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log( regex.exec(string) ); 
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]

同时，也可以使用构造函数的全局属性$1\text{至}$1至9来获取：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";

regex.test(string); // 正则操作即可，例如
//regex.exec(string);
//string.match(regex);

console.log(RegExp.$1); // "2017"
console.log(RegExp.$2); // "06"
console.log(RegExp.$3); // "12"

替换

比如，想把yyyy-mm-dd格式，替换成mm/dd/yyyy怎么做？

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, "$2/$3/$1");
console.log(result); 
// => "06/12/2017"

相当于

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function(){
  return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;
});
console.log(result); 
// => "06/12/2017"

反向引用

除了使用相应API来引用分组，也可以在正则本身里引用分组。但只能引用之前出现的分组，即反向引用。

还是以日期为例。

比如要写一个正则支持匹配如下三种格式：

最先可能想到的正则是:

var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // true

其中/和.需要转义。虽然匹配了要求的情况，但也匹配"2016-06/12"这样的数据。

假设我们想要求分割符前后一致怎么办？此时需要使用反向引用：

var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // false

正则表达式的四种操作

查

var regex = /\d/;
var string = "abc123";
console.log( regex.test(string) );
// => true

切

匹配上了，我们就可以进行一些操作，比如切分。

所谓“切分”，就是把目标字符串，切成一段一段的。在JS中使用的是split。

比如，目标字符串是"html,css,javascript"，按逗号来切分：

var regex = /,/;
var string = "html,css,javascript";
console.log( string.split(regex) );
// => ["html", "css", "javascript"]

可以使用split“切出”年月日：

var regex = /\D/;
console.log( "2017/06/26".split(regex) );
console.log( "2017.06.26".split(regex) );
console.log( "2017-06-26".split(regex) );
// => ["2017", "06", "26"]
// => ["2017", "06", "26"]
// => ["2017", "06", "26"]

取

虽然整体匹配上了，但有时需要提取部分匹配的数据。

此时正则通常要使用分组引用（分组捕获）功能，还需要配合使用相关API。

这里，还是以日期为例，提取出年月日。注意下面正则中的括号：

var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
console.log( string.match(regex) );
// =>["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"]

换

找，往往不是目的，通常下一步是为了替换。在JS中，使用replace进行替换。

比如把日期格式，从yyyy-mm-dd替换成yyyy/mm/dd：

var string = "2017-06-26";
var today = new Date( string.replace(/-/g, "/") );
console.log( today );
// => Mon Jun 26 2017 00:00:00 GMT+0800 (中国标准时间)