正则小白读《正则表达式必知必会》感悟之一

大花也是花
135 阅读8分钟

正则小白

经常在工作中用的正则的时候，都是第一时间上网搜索，毕竟这种东西感觉都是别人写的好，正则用到方恨少。 但是其实有的需求，是搜索不到的，需要自己写的。如果不会的话，只能用一些迂回方式，明明一个正则表达式实现， 可是自己偏偏不会。所以，想要学习这方面的知识，刚好在机缘巧合下，看到这本书，感觉基础易懂，跟着书中的例子一步步学习，对正则总算有个大概的认识了，所以看完想跟大家分享自己的学习感悟心得。

匹配单个字符（单个词）

例如文本： my name is ben, hhhhhh, xxxx is ben, just ben,...Ben

  • ben就是一个文本正则
  • 一般正则, 默认只返回第一个匹配结果
  • 返回多个匹配结果需要额外添加条件（g）/ben/g g代表global
  • 正则区分大小写的，ben就不能匹配Ben, 可添加i来取消大小写区分限制 /ben/i
const text = 'my name is BEN ben, ben1 ben2 Ben BEn BEN';
const reg = /ben/;
// 翻译为：1. 匹配ben这个文本，2. 区分大小写，3, 如有多个符合ben的文本，只返回最先匹配的文本
const reg1 = /ben/g;
// 翻译为：1. 匹配ben这个文本，2. 区分大小写，3, 如有多个符合ben的文本，全部返回
const reg2 = /ben/i;
// 翻译为：1. 匹配ben这个文本，2. 不区分大小写，3, 如有多个符合ben的文本，只返回最先匹配的文本
console.log(text.match(reg));
console.log(text.match(reg1));
console.log(text.match(reg2));

输出结果如下：

image.png

匹配一组字符

看个例子：我们有多个Excel文件，需要查找文件名包含，ale+1个为任意字符的所有xls文件，我们的正则如：

const text = 'sale1.xls sale2.xls sales.xls'
const reg = /ale./g
console.log(text.match(reg));
// 输出结果为[ 'ale1', 'ale2', 'ales' ]

问题：如果我们只想匹配ale+数字的.xls的文件，并不想匹配ale+非数字的.xls文件，该如何写呢？

  • 前三个字符肯定是ale，第四个为数字。即ale+0123456789（这个中的任意一个）
  • 那正则中，是如何表示0-9任意一个数字可以被匹配呢。这就需要集合[]来表示了。
  • 字符[] （中括号）不匹配任何字符, 代表一个字符集合，表示这个集合的字符都可以被匹配的

那我们的上述的问题，就可以解答了，正则如下：

const text = 'sale1.xls sale2.xls sales.xls'
const reg = /ale[0123456789]/g
console.log(text.match(reg));
// 输出结果：[ 'ale1', 'ale2' ]

此时，我们初步了解了字符集的作用和用法了，下面来看看字符集更加详细的相关知识点吧。

字符集

  1. 0123456789这代表一个数字的字符集，如果要表示一个a到z的英文字母匹配字符集，那我们难道要像数字字符集那样，一一列出来嘛，这样多麻烦。此时就需要[-]（中横线）
  2. [0-9]即代表0123456789, 那么[a-z]就是代表英文a到z的26字母了。[0-9], [a-z]类似这样的写法就称为字符区间。常用的字符区间有：[0-9], [a-z] [A-Z]
  3. 定义的字符区间，必须要有意义，例如[3-1]这样就没有意义，因为结束的1小于开始3。这样会使正则失效
  4. 在[-]字符集合中的中横线一个元字符（待会解释，暂时理解为关键字即可），集合外面，还是代表其本身，就是一个中横线。
const reg = [0-9]; // 匹配0到9的任意一个数字
const reg = /0-9/ // 匹配0 + 中横线 + 9 这三个字符
  1. 集合取反（取非）使用特殊字^，[^0-9] 就是匹配不包含集合0123456789， 之外的内容, 还是上述那个问题，如果我们只想查找，Excel文件名中包含ale+非数字的文件，那正则就可以这样写：
const reg = /ale[^0-9]/g

元字符

刚才我们提交字符区间里面的[-]的中横线就是一个元字符，那么元字符究竟是什么意思呢。下面我们来看看起定义：

  • 在正则表达式中有特殊含义的字符
  • 因为字符在正则表达式里有特殊意义，所以字符无法代替本身，必须经过转义，才能代替其本身，用(反斜杠)进行转义，例如
    • 转义字符本身--反斜杠（\）
    • 英文的点（.）
    • \. 或者 \\代表匹配元字符本身的点和反斜杠
    • 定义字符区间0-9,a-z,A-z的中横线, 中括号（\-，\[\] ）都需要转义字符进行转义，才能匹配其本身

配对使用的元字符，不用做元字符的时候，必须使用转义，不然解析不正确，例如：

const text = 'array[0]hhhharray[1]'
const reg = /array\[[0-9]\]/g
const reg1 = /array[[0-9]]/g
console.log('配对的转义字符匹配', text.match(reg))
// 输出 ['array[0]', 'array[1]']
console.log('配对的转义字符匹配', text.match(reg1))
// 输出 null

我们需要array[0],array[1]......因为中括号是元字符，需要匹配其本身的话，就需要转义\[\] 如果不转义的话，就会被认为匹配是一个区间。[[0-9]]区间套区间，解析错误，导致匹配结果为空。

常见的元字符分类

  • 匹配空白字符
  • 字符类
  • 匹配+,?,*,{}字符出现的次数
  • 子表达式()括号

匹配空白字符

  • [\b]---匹配backspace键
  • \f---换页符
  • \n---换行符，在window系统空白行使用\n\r, 而unix系统使用\n\n
  • \r---回车
  • \t---制表符（Tab键）
  • \v---垂直制表符

字符类

  • \d 等同于[0-9], 匹配任何一个数字
  • \D 等同于[^0-9]，匹配任何一个非数字
  • \w 等同于[a-zA-z0-9_] 匹配任何字母数字以及下划线
  • \W 等同于[^a-zA-z0-9_] 不匹配任何字母数字以及下划线
  • \s 等同于[\f\n\r\t\v] 匹配任意空白字符
  • \S 等同于[^\f\n\r\t\v] 不匹配任意空白字符

**匹配+,?,*,{}字符出现的次数 **

  • +代表前面的字符，需要出现至少1次以上（可记忆为：加1， 加1的前提，你得有1是吧）
  • ?代表前面的字符要么存在，要么不存在(可记忆为：问问问题，要么有结果，要么没结果)
  • *代表前面的字符随意次数（可记忆为：你想出现就出现，出现多少次你随意）
  • {}代表前面字符出现的区间，例如：2{3,4}代表匹配222,2222, {开始此次, 结束的次数}，如果结束的次数不写的话，代表无限次数即写法为{1,}, 等同于+

例如，我们有这样的一个需求，需要将用户输出的文本，符合test2或者test22（即test文本的数字2），至少需要出现1次，或者多次。替换成替换文案， 我们正则该如何写呢。

const userInputText = 'today is a nice day, test2 nice test2222 nice test';
const reg = /test2+/g
console.log(userInputText.replace(reg, '替换文案'))
// 输出 today is a nice day, 替换文案 nice 替换文案 nice test

// 也可以采用指定出现次数{}的写法
const reg1 = /test2{1,}/g
console.log(userInputText.replace(reg1, '替换文案1'))
// 输出： today is a nice day, 替换文案1 nice 替换文案1 nice test

如果只需要将test或者test2替换成替换文案，又该咋写呢？

const userInputText = 'today is a nice day, test2 nice test2222 nice test';
const reg = /test2?/g
const reg1 = /test2{0,1}/g
console.log(userInputText.replace(reg, '替换文案'))
// 输出："today is a nice day, 替换文案 nice 替换文案222 nice 替换文案"
console.log(userInputText.replace(reg1, '替换文案1'))
// 输出： "today is a nice day, 替换文案1 nice 替换文案1222 nice 替换文案1"

如果只需要将test22,test222,test2222替换成替换文案咋写呢？

const userInputText = 'today is a nice day, test2 nice test2222 nice test';
const reg = /test2{2,4}/g
console.log(userInputText.replace(reg, '替换文案'))
// 输出："today is a nice day, test2 nice 替换文案 nice test"

如果需要将test2，数字2出现的次数不限，即test,test2(2可以出现无数次)替换成替换文案咋写呢？

const userInputText = 'today is a nice day, test2 nice test2222 nice test';
const reg = /test2{0,}/g
const reg1 = /test2*/g
console.log(userInputText.replace(reg, '替换文案'))
// 输出： "today is a nice day, 替换文案 nice 替换文案 nice 替换文案"
console.log(userInputText.replace(reg1, '替换文案1'))
// 输出： "today is a nice day, 替换文案1 nice 替换文案1 nice 替换文案1"

写在最后

如有错误，恳请指正。

开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 1 天，点击查看活动详情

avatar
文章
阅读
粉丝