正则表达式重新入门(1)

总字数 2k

预计阅读时间 7 分钟

RegExp对象

在JavaScript当中, RegExp对象表示正则表达式
创建RegExp对象有两种方式

1. 常量 : let reg = /hello\n/g

   后面的g是修饰符, 表示全局匹配; 这里的 / 是表示正则表达式的边界, 不属于内容

2. 构造函数 : let reg = new RegExp('hello\\n', 'g')

   修饰符是作为第二个参数传入的, 第一个参数是正则内容的字符串, 所以对于反斜杠需要转义

正则表达式的构成

正则表达式由两种基本字符类型构成

• 原义字符 : 表示这个字符的原本意思
• 元字符 : 在正则表达式当中具备特殊含义, 如果要让元字符表达其本身含义(也就是作为原义字符使用), 需要加 *\* 进行转义

各种元字符

• $ 匹配输入字符串的结尾位置。如果设置了RegExp对象的Multiline属性，则也匹配 ‘n’ 或 ‘r’。
• () 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。
• * 匹配前面的子表达式零次或多次。
• + 匹配前面的子表达式一次或多次。
• . 匹配除换行符 \n 之外的任何单字符。
• [] 标记一个中括号表达式的开始和结束位置, 常用于表示范围。
• {} 标记限定符表达式的开始。
• | 指明两项之间的一个选择(“或者”的含义)。
• ? 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。
• \ 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。
• ^ 匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合(“非”的含义)。

边界

字符	含义
^	以指定的字符开始
$	以指定的字符结束
\b	单词边界
\B	非单词边界

例如

// eg.1 以AB或者AC开头
let reg1 = /^AB|^AC/
'ABCDE'.replace(reg1, '123') // 123CDE
'ACEF'.replace(reg1, '123') // 123EF

// eg.2 以X结尾
let reg2 = /X$/
'ABCX'.replace(reg2, '0') //ABC0

// eg.3 is作为一个独立的单词, 且全局匹配
let reg3 = /\bis\b/g
'this is me is it'.replace(reg3, 'ok') // this ok me ok it
// 如果没有全局匹配, 则只会替换第一个
// 如果没有单词边界匹配, 那么this当中的is也会被替换

虽然说单词边界找的是空白字符, 也就是\s
但是上面的eg.3却不能用\s, 会导致单词之间的空格也被替换掉

范围类

如果要匹配某个范围的其中一个字符
那么可以使用[]

例如

// eg.1 穷举的范围
let reg1 = /[abc]/g
'apbicy'.replace(reg, 'x') // xpxixy

// eg.2 包含- ,按照编码的范围
let reg2 = /[0-9]/g
'a1b2c3d5'.replace(reg, '0') // a0b0c0d0

预定义类

其实就是一些预定义的范围类
为了使正则书写更简洁

• \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。
• \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
• \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]。注意 Unicode 正则表达式会匹配全角空格符。
• \S 匹配任何非空白字符。

字符	等价类	含义
.	[^\r\n]	除了回车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-Z0-9_]	单词字符(大小写字母 数字 下划线)
\W	[^a-zA-Z0-9_]	非单词字符

量词

用于指定某个组合出现的数量

字符	含义
?	0次或1次
+	1次或多次
*	任意次数
{n}	出现n次
{n,m}	出现n到m次(包含n与m)
{n,}	至少出现n次

例如

// 以1个或多个数字结尾
let reg = /\d+$/
'abc123'.replace(reg, 'xx') //'abcxx'

贪婪模式

正则针对字符串从左向右进行解析, 每个部分都会尽可能多地去匹配字符, 这称之为贪婪模式

例如

let reg = /^\d{2,5}/
'123456'.replace(reg, 'xx') // xx6

按照这个正则的规则, 匹配2到5个数字都是可以的
但是它实际执行的时候是按照最多的方式来匹配的, 也就是默认的匹配模式是贪婪模式

如果要使用非贪婪模式, 需要在量词后面加上?

let reg = /^\d{2,5}?/
'123456'.replace(reg, 'xx') // xx3456

分支条件

使用|来代表分支条件, 也就是匹配前后的任何一个规则即可
比如

表示字符串整体包含10个数字或者20个数字, 并且最后有2个字母

注意 : 这个 | 分割的是左右两边所有部分，而不是仅仅连着这个符号的左右两部分
所以需要加括号, 否则会一直涵盖到表达式的边界或者遇到下一个 |

断言

如果字符串中存在2个数字后面跟着2个字母, 就把这2个数字替换掉
如果只是这样写\d{2}[a-zA-Z]{2}
那么后面跟着的2个字母也会被替换掉

要实现这种需求, 就必须用到断言

由于正则是将字符串从左到右进行解析, 左侧可以称之为头部, 右侧可以称之为尾部
从头部向尾部移动可以称之为向前走
判断前面是什么可以称之为前瞻

JavaScript只支持前瞻, 而不能去判断后面是什么(后顾)

对于上面的需求, 就可以利用断言来做了

let reg = /\d{2}(?=[a-zA-Z]{2})/
'@12ab'.replace(reg, '**') // @**ab

语法规则

名称	正则语法	含义
零宽正向前瞻	exp(?=assert)	我前面是符合assert的
零宽负向前瞻	exp(?!assert)	我前面的是不符合assert的
零宽正向后顾	exp(?<=assert)	我后面是符合assert的
零宽负向后顾	exp(?<!assert)	我后面是不符合assert的

如同^代表开头，$代表结尾，\b代表单词边界一样，前瞻断言和后顾断言也有类似的特点，它们只匹配某些位置
在匹配过程中，不占用字符，所以被称为零宽

分组

当我们需要把某个部分看做一个整体添加量词的时候, 就要给这个部分添加()
也就是作为一个分组
(也包括上面的分支条件的边界位置)

未添加分组

添加分组

添加分组之后, 分组后面跟着的量词就会作用于整体

分组的引用

正则在解析的过程中会对分组进行编号(从1开始)
我们可以通过\数字的方式对分组进行引用, 从而实现一些需求

例如
要匹配两个连续的数字, 并且这两个数字不同

要让后一个数字和前一个数字不同
就必须要引用前一个数字, 那么只能对分组进行引用
同时配合零宽负向前瞻

let reg = /(\d{1})(?!\1)\d{1}/
reg.test('a32') // true
reg.test('a55') // false

• (\d{1})这里代表的是匹配一个数字, 这个简单
• (?!\1)这里代表的是后面的字符与第一分组不同(但是不占用字符)
• \d{1}这里代表后面还是一个数字

所以就可以达到匹配两个连续数字, 并且这两个数字不同了