阅读 12202

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:
* . ? + $ ^ [ ] ( ) { } | \ /
复制代码
  • 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('/')
复制代码
  • 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('\\.')
复制代码

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')
复制代码

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}`)
复制代码

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)) {
  ...
}
复制代码

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')
复制代码

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']
复制代码
  • 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>']
复制代码
  • 非贪婪

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

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>']
复制代码
  • 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'
复制代码

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 // ''
复制代码

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。

  1. (?=): 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']
复制代码
  1. (?!): 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']
复制代码

后向查找

后向查找是用来限制前缀的。

  1. 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。"]
复制代码
  1. 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']
复制代码

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']
复制代码

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, '')
复制代码

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 <> 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"
复制代码

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"
复制代码

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"
复制代码

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:

  1. \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'

  2. (?=) 前向查找,括号中为限制条件

  3. (\b{3})+ 匹配三个连接的字符一次或多次

  4. (?!\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 ' . '

本文参考

文章分类
前端