【进阶第 14 期】正则表达式入门

68 阅读6分钟

[TOC]

前言

正则表达式功能:验证、查找、替换

1.验证字符串是否符合指定特征,比如验证是否是合法的邮件地址。Validation 2. 用来查找字符串,从一个长的文本中查找符合指定特征的字符串,比查找固定字符串更加灵活方便。Match/find 3. 用来替换,比普通的替换更强大。Replace

正则表达式规则

字符分类

普通字符

字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号,都是"普通字符"。

简单的转义字符

表达式 | 可匹配 -- | -- |-- \r, \n| 代表回车和换行符 \t | 制表符 \ | 代表 "" 本身

还有其他元字符, 在前面加 "\" 后,就代表该符号本身

表达式可匹配
\^匹配 ^ 符号本身
\$匹配 $ 符号本身
\.匹配小数点(.)本身

举例1: 表达式 "$d",在匹配字符串 "abcde"时,匹配结果是:成功;匹配到的内容是:"de" 时 ,匹配结果是:成功;匹配到的内容是:"d";匹配到的位置是:开始于3,结束于5。

元字符

分类:

  • 单个字符集、自定义字符集合
  • 字符次数限定符
  • 边界界定符
  • 匹配引用
字符集

匹配 '多种字符' 其中的任意一个字符

表达式可匹配
\d任意一个数字,0~9 中的任意一个
\w任意一个字母或数字或下划线,也就是 AZ,az,0~9, _ 中任意一个
\s包括空格、制表符、换页符等空白字符的其中任意一个
.小数点可以匹配除了换行符(\n)以外的任意一个字符

举例1: 表达式 "\d\d ",在匹配 "abc123" 时 ,匹配的结果是:成功;匹配到的内容是:"12";匹配到的位置是:开始于3,结束于5。

自定义字符集

自定义能够匹配 '多种字符' 的任意一个字符

表达式可匹配
[ab5@]匹配 "a" 或 "b" 或 "5" 或 "@"
[^abc]匹配 "a","b","c" 之外的任意一个字符
[f-k]匹配 "f"~"k" 之间的任意一个字母
[^A-F0-3]匹配 "A""F","0""3" 之外的任意一个字符
举例1:表达式 " [bcd] [bcd] " 匹配 "abc123" 时 ,匹配的结果是:成功;匹配到内容是:"bc";匹配的位置是:开始于1,结束于3。
举例2:表达式 " [^abc] " 匹配 "abc123" 时 ,匹配的结果是:成功;匹配到的内容是:"1";匹配到的位置是:开始于3,结束于4。
次数限定符

修饰匹配次数的特殊符号 使用方法是:"次数修饰"放在"被修饰的表达式"后边。

表达式作用
{n}表达式重复n次,比如: "\w{2}" 相当于 "\w\w" ; "a{5}" 相当于 "aaaaa"
{m,n}表达式至少重复m次,最多重复n次,比如: "ba{1,3}"可以匹配 "ba"或"baa"或"baaa"
{m,}表达式至少重复m次,比如: "\w\d{2,}"可以匹配 "a12","_456","M12344"...
?出现零次或一次,最多一次,相当于 {0,1},比如: "a[cd]?"可以匹配 "a","ac","ad"
  • | 表达式至少出现1次,相当于 {1,},比如: "a+b"可以匹配 "ab","aab","aaab"... * | 出现任意次(零次、一次、多次),相当于 {0,},比如: "^*b"可以匹配 "b","^^^b"...

举例1: 表达式 " \d + . ? \d * " 在匹配 "It costs $12.5" 时 ,匹配的结果是:成功;匹配到的内容是:"12.5";匹配到的位置是:开始于10,结束于14。 举例2: 表达式 " go {2,8} gle " 在匹配 "Ads by goooooogle" 时 ,匹配的结果是:成功;匹配到的内容是:"goooooogle";匹配到的位置是:开始于7,结束于17。

边界(位置)界定符

其他一些代表抽象意义的特殊符号

表达式作用
^与字符串开始的地方匹配,不匹配任何字符
$与字符串结束的地方匹配,不匹配任何字符
\b匹配一个单词边界,也就是单词和空格之间的位置,不匹配任何字符
\1 \2 ..\7标识一个八进制转义码或反向引用。如果 \n前面至少有n个捕获子表达式,那么 n 是反向引用。否则,如果n是八进制数 (0-7),那么n是八进制转义码。

举例1: 表达式 ^aaa 在匹配 "xxxaaa xxx" 时 ,匹配结果是:失败。因为 "^" 要求与字符串开始的地方匹配,因此,只有当 "aaa" 位于字符串的开头的时候,"^aaa" 才能匹配, 比如:"aaaxxxxxx" 。 举例2: 表达式 aaa$ 在匹配 "xxx aaa xxx" 时 ,匹配结果是:失败。因为 ""要求与字符串结束的地方匹配,因此,只有当"aaa"位于字符串的结尾的时候,"aaa" 要求与字符串结束的地方匹配,因此,只有当 "aaa" 位于字符串的结尾的时候,"aaa" 才能匹配, 比如:"xxx xxx aaa" 。 举例3: 表达式 " .\b." 在匹配 "@@@abc" 时 ,匹配结果是:成功;匹配到的内容是:"@a";匹配到的位置是:开始于2,结束于4。

进一步说明:

"\b""^""$" 类似,本身不匹配任何字符,但是它要求它在匹配结果中所处位置的左右两边,其中一边是 "\w" 范围,另一边是 非"\w" 的范围。

举例4: 表达式 " \b end \b " 在匹配 "weekend,endfor,end" 时 ,匹配结果是:成功;匹配到的内容是:"end";匹配到的位置是:开始于15,结束于18。

一些符号可以影响表达式内部的子表达式之间的关系:

表达式作用
竖线左右两边表达式之间 "或" 关系,匹配左边或者右边
( )(1). 在被修饰匹配次数的时候,括号中的表达式可以作为整体被修饰 (2). 取匹配结果的时候,括号中的表达式匹配到的内容可以被单独得到

举例5: 表达式 " Tom | Jack " 在匹配字符串 "I'm Tom, he is Jack" 时 ,匹配结果是:成功;匹配到的内容是:"Tom";匹配到的位置是:开始于4,结束于7。匹配下一个时,匹配结果是:成功;匹配到的内容是:"Jack";匹配到的位置时:开始于15,结束于19。

举例6: 表达式 " ( go \s * ) + " 在匹配 "Let's go go go!" 时 ,匹配结果是:成功;匹配到内容是:"go go go";匹配到的位置是:开始于6,结束于14。

举例7: 表达式 " ¥ ( \d + . ? \d * ) " 在匹配 "$10.9,¥20.5" 时 ,匹配的结果是:成功;匹配到的内容是:"¥20.5";匹配到的位置是:开始于6,结束于10。单独获取括号范围匹配到的内容是:"20.5"。

字符集以外
表达式可匹配
\S匹配所有非空白字符("\s" 可匹配各个空白字符)
\D匹配所有的非数字字符
\W匹配所有的字母、数字、下划线以外的字符
\B匹配非单词边界,即左右两边都是 "\w" 范围或者左右两边都不是 "\w" 范围时的字符缝隙
[^x]匹配非x字符
[^aeiou]匹配非a、e、i、o、u字符
引用匹配到的字符串
符号释义
11、2、...、$99与 regexp 中的第 1 到第 99 个子表达式相匹配的文本。
$&与 regexp 相匹配的子串。
$`位于匹配子串左侧的文本。
$'位于匹配子串右侧的文本。
### 高级规则--匹配次数中的贪婪与非贪婪 --- #### 贪婪模式 在使用修饰匹配次数的特殊符号时,有几种表示方法可以使同一个表达式能够匹配不同的次数,比如:"{m,n}", "{m,}", "?", "\*", "+",具体匹配的次数随被匹配的字符串而定。这种 重复匹配不定次数的表达式在匹配过程中,总是尽可能多的匹配 。比如,`针对文本 "dxxxdxxxd"`,举例如下: 表达式 | 匹配结果 -- | -- (d)(\w+) | "\w+" 将匹配第一个 "d" 之后的所有字符 "xxxdxxxd" (d)(\w+)(d) | "\w+" 将匹配第一个 "d" 和最后一个 "d" 之间的所有字符 "xxxdxxx"。虽然 "\w+" 也能够匹配上最后一个 "d",但是为了使整个表达式匹配成功,"\w+" 可以 "让出" 它本来能够匹配的最后一个 "d" 由此可见,"\w+" 在匹配的时候,总是尽可能多的匹配符合它规则的字符。虽然第二个举例中,它没有匹配最后一个 "d",但那也是为了让整个表达式能够匹配成功。同理,带 "\*" 和 "{m,n}" 的表达式都是尽可能地多匹配, 带 "?" 的表达式在可匹配可不匹配的时候,也是尽可能的 "要匹配 "。这种匹配原则就叫作 `贪婪模式`。 #### 非贪婪模式(最小匹配) 在修饰匹配次数的特殊符号后再加上一个 "?" 号 ,则可以使匹配次数不定的表达式尽可能少的匹配,使可匹配可不匹配的表达式,尽可能的 "不匹配"。这种匹配原则叫作 "非贪婪" 模式,也叫作 "勉强" 模式。如果少匹配就会导致整个表达式匹配失败的时候,与贪婪模式类似,非贪婪模式会最小限度的再匹配一些,以使整个表达式匹配成功。举例如下,针对文本 "dxxxdxxxd" 举例: 表达式 | 匹配结果 -- | -- (d)(\w+?) |"\w+?" 将尽可能少的匹配第一个 "d" 之后的字符,结果是:"\w+?" 只匹配了一个 "x" (d) (\w+?)(d) | 为了让整个表达式匹配成功,"\w+?" 不得不匹配 "xxx" 才可以让后边的 "d" 匹配,从而使整个表达式匹配成功。因此,结果是:"\w+?" 匹配 "xxx" ``` `举例1:` 表达式"<td> ( . * ) </td> " 与字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配时 ,匹配的结果是:成功;匹配到的内容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整个字符串, 表达式中的 "</td>" 将与字符串中最后一个 "</td>" 匹配。 `举例2:` 相比之下,表达式 " <td> ( . * ? ) </td> " 匹配举例1中同样的字符串时 ,将只得到 "<td><p>aa</p></td>", 再次匹配下一个时,可以得到第二个 "<td><p>bb</p></td>"。 ```` (2)、反向引用 \1, \2... 表达式在匹配时,表达式引擎会将小括号 "( )" 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候,小括号包含的表达式所匹配到的字符串可以单独获取。这一点,在前面的举例中,已经多次展示了。在实际应用场合中,当用某种边界来查找,而所要获取的内容又不包含边界时,必须使用小括号来指定所要的范围。比如前面的 " <td> ( . * ? ) </td> "。 其实,"小括号包含的表达式所匹配到的字符串" 不仅是在匹配结束后才可以使用,在匹配过程中也可以使用。表达式后边的部分,可以引用前面 "括号内的子匹配已经匹配到的字符串"。引用方法是 "\" 加上一个数字。"\1" 引用第1对括号内匹配到的字符串,"\2" 引用第2对括号内匹配到的字符串……以此类推,如果一对括号内包含另一对括号,则外层的括号先排序号。换句话说,哪一对的左括号 "(" 在前,那这一对就先排序号。 举例如下: `举例1:`表达式 " ( ' | " ) ( . * ? ) ( \1 ) " 在匹配 " 'Hello', "World" " 时 ,匹配结果是:成功;匹配到的内容是:" 'Hello' "。再次匹配下一个时,可以匹配到 " "World" "。 `举例2:`表达式 " ( \w ) \1 {4,} " 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 时 ,匹配结果是:成功;匹配到的内容是 "ccccc"。再次匹配下一个时,将得到 999999999。这个表达式要求 "\w" 范围的字符至少重复5次, 注意与 "\w{5,}" 之间的区别 。 举例3:表达式 " < ( \w + ) \s * ( \w + ( = ( ' | " ) . * ? \4 ) ? \s * ) * > . * ? </ \1 > " 在匹配 "<td id='td1' style="bgcolor:white"></td>" 时 ,匹配结果是成功。如果 "<td>" 与 "</td>" 不配对,则会匹配失败;如果改成其他配对,也可以匹配成功。 (3)、 预搜索,不匹配;反向预搜索,不匹配 前面的章节中,我讲到了几个代表抽象意义的特殊符号:"^","$","\b"。它们都有一个共同点,那就是:它们本身不匹配任何字符,只是对 "字符串的两头" 或者 "字符之间的缝隙" 附加了一个条件。 理解到这个概念以后,本节将继续介绍另外一种对 "两头" 或者 "缝隙" 附加条件的,更加灵活的表示方法。 正向预搜索:"(?=xxxxx)","(?!xxxxx)" 格式:"(?=xxxxx)",在被匹配的字符串中,它对所处的 "缝隙" 或者 "两头" 附加的条件是:所在缝隙的右侧,必须能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件,所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 "\b",本身不匹配任何字符。"\b" 只是将所在缝隙之前、之后的字符取来进行了一下判断,不会影响后边的表达式来真正的匹配。 举例1:表达式 " Windows (?= NT | XP ) " 在匹配 "Windows 98, Windows NT, Windows 2000" 时 ,将只匹配 "Windows NT" 中的 "Windows ",其他的 "Windows " 字样则不被匹配。 举例2:表达式 " ( \w ) ( (?= \1 \1 \1 ) ( \1 ) ) + " 在匹配字符串 "aaa ffffff 999999999" 时 ,将可以匹配6个"f"的前4个,可以匹配9个"9"的前7个。这个表达式可以读解成:重复4次以上的字母数字,则匹配其剩下最后2位之前的部分。当然,这个表达式可以不这样写,在此的目的是作为演示之用。 格式:"(?!xxxxx)",所在缝隙的右侧,必须不能匹配 xxxxx 这部分表达式。 举例3:表达式 " ( (?! \b stop \b ) . ) + " 在匹配 "fdjka ljfdl stop fjdsla fdj" 时 ,将从头一直匹配到 "stop" 之前的位置,如果字符串中没有 "stop",则匹配整个字符串。 举例4:表达式 " do (?! \w ) " 在匹配字符串 "done, do, dog" 时 ,只能匹配 "do"。在本条举例中,"do" 后边使用 "(?!\w)" 和使用 "\b" 效果是一样的。 反向预搜索:"(?<=xxxxx)","(?<!xxxxx)" 这两种格式的概念和正向预搜索是类似的,反向预搜索要求的条件是:所在缝隙的 "左侧",两种格式分别要求必须能够匹配和必须不能够匹配指定表达式,而不是去判断右侧。与 "正向预搜索" 一样的是:它们都是对所在缝隙的一种附加条件,本身都不匹配任何字符。 举例5:表达式 " (?<= \d {4} ) \d + (?= \d {4} ) " 在匹配 "1234567890123456" 时,将匹配除了前4个数字和后4个数字之外的中间8个数字。由于 JScript.RegExp 不支持反向预搜索,因此,本条举例不能够进行演示。很多其他的引擎可以支持反向预搜索,比如:Java 1.4 以上的 java.util.regex 包,.NET 中System.Text.RegularExpressions 命名空间,以及本站推荐的 最简单易用的 DEELX 正则引擎 。 3 其他通用规则 还有一些在各个正则表达式引擎之间比较通用的规则,在前面的讲解过程中没有提到。 (1) 表达式中,可以使用 "\xXX" 和 "\uXXXX" 表示一个字符("X" 表示一个十六进制数) 形式 | 字符范围 --|-- \xXX | 编号在 0 ~ 255 范围的字符,比如: 空格可以使用 "\x20" 表示 \uXXXX | 任何字符可以使用 "\u" 再加上其编号的4位十六进制数表示,比如: "\u4E2D" 3.2 在表达式中有特殊意义,需要添加 "\" 才能匹配该字符本身的字符汇总 字符|说明 --|-- ^ | 匹配输入字符串的开始位置。要匹配 "^" 字符本身,请使用 "\^" \$ | 匹配输入字符串的结尾位置。要匹配 "$" 字符本身,请使用 "\$" ( ) | 标记一个`子表达式`的开始和结束位置。要匹配小括号,请使用 "\(" 和 "\)" [ ] | 用来自定义能够匹配 '多种字符' 的表达式。要匹配中括号,请使用 "\[" 和 "\]" { } | 修饰匹配次数的符号。要匹配大括号,请使用 "\{" 和 "\}" . | 匹配除了换行符(\n)以外的任意一个字符。要匹配小数点本身,请使用 "\." ? | 修饰匹配次数为 0 次或 1 次。要匹配 "?" 字符本身,请使用 "\?" + | 修饰匹配次数为至少 1 次。要匹配 "+" 字符本身,请使用 "\+" \* | 修饰匹配次数为 0 次或任意次。要匹配 "\*" 字符本身,请使用 "\*" 竖线 |左右两边表达式之间 "或" 关系。匹配 `竖线` 本身,请使用 `竖线` **如何修改子匹配** ``` var s1 = "foo-style-css"; s1 = s1.replace(/-(\w)/g, function(all, letter){ console.log(arguments) return letter.toUpperCase(); }); ``` | compare | des | | ------------ | ------------ | |(?=X) | 匹配任何其后紧接指定字符串 n 的字符串 | |(?:X) | `(X)`和`(?:X)`,前者是捕获分组,后者不获 | ``` /(\w)(?=\1{3,})/.test("AAAAAAAA") //true /(\w)(?=\1{3,})/.test("AAAB") //false var m = "abcabc".match(/(?:a)(b)(c)/) //结果 ["abc", "b", "c"] // m[0] 是/(?:a)(b)(c)/匹配到的整个字符串,这里包括了a // m[1] 是捕获组1,即(b)匹配的子字符串substring or sub sequence // m[2] 是捕获组2,即(c)匹配到的 ``` ### 练习 http://regex.alf.nu 闯关模式练习正则表达式,完成一个个正则匹配的测验 http://regexone.com/ 通过实际练习掌握正则表达式 https://regexcrossword.com/ 正则挑战,有不同难度,很丰富 http://callumacrae.github.io/regex-tuesday/ 正则挑战,完成正则匹配要求