简单正则一手掌握

正则表达式很简单，但要多用方可掌握。

常用字符

正则中很多需要强记的字符，这里列出常用的字符和其表达的含义：

常用匹配字符	含义
[0-9]	匹配单个数字0-9
[a-z]	匹配单个小写字母
[A-Z]	匹配单个大写字母
\s	匹配所有空白字符，如空格、换行等
\n	匹配所有换行符
\b	匹配单词之间的边界（匹配连续的字母、数字的两边）
\w	匹配任意字母、数字、下划线
\d	等同于[0-9]

特殊字符	含义	用法
^	1. 匹配输入字符串的开始位置 2. 用在[]中时表示非	1. `/^http/` 匹配以http开头的字符串 2. `/[^a-zA-Z]/` 匹配非字母
$	匹配输入字符串的结尾位置	`/.com$/` 匹配以.com结尾的字符串
\|	二选一，表示或	`/a\|b/` 匹配a或者b
.	小数点匹配换行符\n之外的任何单个字符	`/./` 匹配换行符之外的其他字符
[]	中括号匹配一个字符	`/[aeiou]/` 匹配字母 aeiou 中的一个
()	小括号表示一个子表达式分组	匹配的子表达式可以用于以后使用
{}	大括号表示限定一个表达式多少次	{n} 匹配n次; {n,} 匹配最少n次; {n, m} 匹配n-m次
+	匹配前面的子表达式一次或多次	`/[0-9]+/` 匹配一个数字或多个数字
*	匹配前面的子表达式零次或多次	`/[0-9]*/` 匹配0次数字或多个数字
?	1. 匹配前面的子表达式零次或一次 2. 指明一个非贪婪限定符	1. `/[0-9]?/` 2. `/<.*?>/` 匹配一个标签如`<p>`

匹配特殊字符本身时需要转义，共有以下几个：

* . ? + $ ^ [ ] ( ) { } | \ /

其中 / 在字面量中需要转义，在构造函数中不需要，如下匹配一个斜杠 /。

const reg = /\//
const reg = new RegExp('/')

在字面量中带一个转义符 \ 的用构造函数写要带两个转义符 \\，如下匹配一个字符串 . 。

const reg = /\./
const reg = new RegExp('\\.')

常用方法

js 中的正则表达式分为字面量和构造函数两种：

// 字面量
const reg = /[0-9a-z]/g
// 构造函数
const reg = new RegExp('[0-9a-z]', 'g')

其中字面量中不能包含变量，构造函数中可以使用变量：

const name = '幻灵尔依'
const reg = new RegExp(`我的名字叫${name}`)

经常会用 reg.test(str) 方法来判断字符串中是否匹配到了正则表达式：

const reg = /[0-9]/
const str = '文本中有没有数字1234等'
if (reg.test(str)) {
  ...
}

也经常用str.replace(reg, '') 方法来替换字符串中的内容：

const reg = /[0-9]/g
const str = '文本中的数字1234全部替换成x'
const newStr = str.replace(reg, 'x')

也会用到 str.match(reg) 方法来获取匹配到的内容（也可以用reg.exec(str)）：

const reg = /[0-9]+[.][0-9]+[.][0-9]+/g
const str = '这里有个表名字叫做 11.11.11'
str.match(reg) // ['11.11.11']

match 中的正则表达式如果使用g标志，则将返回与完整正则表达式匹配的所有结果，但不会返回捕获组。
如果未使用g标志，则仅返回第一个完整匹配及其相关的捕获组（Array）。在这种情况下，返回的项目将具有如下所述的其他属性。

老子曰：下面才是精华

贪婪&非贪婪

* 和 + 限定符都是贪婪的，它们会尽可能多的匹配文字。在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。

贪婪（默认都是贪婪的）

const str = '<h1>正则表达式</h1>'
const reg = /<.*>/
str.match(reg) // ['<h1>正则表达式</h1>']

非贪婪


const str = '<h1>正则表达式</h1>'
const reg = /<.*?>/
str.match(reg) // ['<h1>']

捕获分组和回溯引用

小括号 () 匹配到的子表达式会被缓存为一个个组，方便后面对其引用。假设要获取html中的 h1 标签：

在正则表达式中使用 \n 可以引用第n个捕获组

const str = '<p>正则表达式</p><h1>正则表达式</h1><h2>正则表达式</h2>'
const reg = /<(h1)>.+?<\/\1>/
str.match(reg) // ['<h1>正则表达式</h1>']

在正则表达式外使用 $n 引用第n个捕获组（RegExp.$n）

const str = 'abc'
const reg = /(abc)/
RegExp.$1 // 'abc'
str.replace(reg, '$1$1') // 'abcabc'

非捕获分组和限定查找

因为捕获组 () 会将每个捕获到的结果缓存下来以便引用，所以会造成内存使用增加。如果只是想用分组的原始功能，而不需要缓存，则可以使用非捕获分组 (?:)

const str = 'abc'
const reg = /(?:abc)/
RegExp.$1 // ''

非捕获分组还有 (?=)、(?<=)、(?!)、(?<!) ，他们比 (?:) 多了限定作用，即只匹配而不会被输出。

前向查找

前向查找是用来限制后缀的。

(?=)：即查找符合限定条件 (?=) 的前面的匹配项（输出内容不包括 (?=) 中的匹配项）

const str = 'a.png b.jpg c.gif d.svg'
// 查找所有 边界开头的、 .svg 前面的 小写字母。
const reg = /\b[a-z](?=.svg)/g
str.match(reg) // ['d']

(?!)：即查找 不符合 限定条件 (?!) 的前面的匹配项（输出内容不包括 (?!) 中的匹配项）

const str = 'a.png b.jpg c.gif d.svg'
// 查找所有边界开头的、 非.svg 前面的、 `.[a-z]{3}` 前面的 小写字母。
const reg = /\b[a-z](?!.svg)(?=\.[a-z]{3})/g
str.match(reg) // ['a', 'b', 'c']

后向查找

后向查找是用来限制前缀的。

查找符合限定条件 (?<=) 的后面的匹配项（输出内容不包括 (?<=) 中的匹配项）

const str = '1. 1111； 2. 2222； 3. 3333； 4. 4444。'
//  查找所有 序号 后面的项。
const reg = /(?<=\b[0-9]+\.\s).+?[；。]/g
str.match(reg) // ["1111；", "2222；", "3333；", "4444。"]

查找 不符合 限定条件 (?<!) 的后面的匹配项（输出内容不包括 (?<!) 中的匹配项）

const str = 'a.png b.jpg c.gif d.svg'
// 查找前缀不为 a b c 的后面的项
const reg = /\b(?<![abc]\.)[a-z]{3}/g
str.match(reg) // ['svg']

来个能吃的栗子

一般稍微复杂的正则都是多种规则同时使用的，下面来几个例子吧：

前向查找和后向查找齐用：

假设要获取 <img crossorigin src="https://abcdefg.com" data-img-url="https://test.com"> 中的 data-img-url 属性中的链接。可以确定的是链接左边一定是 data-img-url=" ，右边一定是紧贴着 " （非贪婪）。

const str = '<img crossorigin src="https://abcdefg.com" data-img-url="https://test.com">'
const dataImgUrl = 'data-img-url'
const reg = new RegExp(`(?<=${dataImgUrl}=").+?(?=")`, 'g')
str.match(reg) // ['https://test.com']

回溯引用和非贪婪并用

假如我要获取一段html中的文本，但是我又不想要加了 not-show-in-text 标记的标签中的文本，可以这样：

const notShowInText = 'not-show-in-text'
const html = `
  <p>test1</p>
  <p ${notShowInText} style="text-align: center;">
    <b>表 1.4.4 测试表格</b>
  </p>
  <p>test2</p>
`
const reg = new RegExp(`<([a-z][a-z1-6]*?)[^>]+${notShowInText}[\\s\\S]+?</\\1>`, 'g')
const text = html.replace(reg, '').replace(/<[^>]+>/g, '')

其中最关键的是要匹配到 not-show-in-text 所在的整个标签。([a-z][a-z1-6]*?) 匹配了一个非贪婪的标签名，[^>] 保证了 < 到 > 是一个半个完整的标签，</\\1> 匹配一个闭合的标签， [\\s\\S]+? 匹配了标签见可能出现的任意元素且是非贪婪的。

replace第二个参数可以是回调函数

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"

其中 replace 第二个参数里用$1、$2、$3指代相应的分组。等价于如下的形式：

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"

也等价于：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function(match, year, month, day) {
	return month + "/" + day + "/" + year;
});
console.log(result); // "06/12/2017"

鄙人公司的一道面试题

实现千分位转换：12345678 转换后 12.345.678

刚开始遇到这个问题的时候，我没想到用正则一行代码就能实现，而是先转数组然后reverse，然后三个三个的分割，最后再reverse后转为字符串。这样虽然也能实现，但是代码冗余了很多。

后来无意中看到公司的面试题里面有这道题，而且答案贼简单。无比汗颜-_-||

12345678..toLocaleString('de-DE') // 德国本地化以‘ . ’分割，正常是‘ , ’分割
'12345678'.replace(/\B(?=(\d{3})+(?!\d))/g, '.')

拆解：

\b匹配单词边界，\B 匹配非单词边界，数字之间就属于非单词边界。'1234'.replace(/\B/g, '.')结果是'1.2.3.4'
(?=) 前向查找，括号中为限制条件
(\b{3})+ 匹配三个连接的字符一次或多次
(?!\d) 限制 (\b{3})+ 的后面不能为数字如本例中匹配的 678 和 345678 后面一定是非数字

第四步可以换成 \b 或者 $ 等，限制结尾， ,即 '12345678'.replace(/\B(?=(\d{3})+\b)/g, '.')

'12345678'.replace(/(\d)(?=(\d{3})+\b)/g, '$1.')

这个方法是匹配三个连接字符的前一个数字，并替换为在其后面加个 ' . '