正则表达式字符匹配攻略
正则表达式是匹配模式,要么匹配字符,要么匹配位置。
1.1 两种模糊匹配
精确匹配:比如 /hello/,只能匹配字符串中的 "hello" 这个子串
let regex = /hello/;`
console.log( regex.test("hello") );
正则表达式之所以强大,是因为其能实现模糊匹配。
而模糊匹配,有两个方向上的“模糊”:横向模糊 和 纵向模糊
那先简单了解一下两种模糊匹配的概念,在进行拓展吧。
1.1.1 横向模糊匹配
横向模糊指的是,一个正则可匹配的字符串的长度不是固定的,可以是多种情况的。
其实现的方式是使用量词。譬如 {m,n}
,表示连续出现最少 m
次,最多 n
次。
比如正则 /ab{2,5}c/
表示匹配这样一个字符串:第一个字符是 "a"
,接下来是 2 到 5 个字符 "b"
,最后 是字符 "c"
。
测试如下:
let regex = /ab{2,5}c/g;
let string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log( string.match(regex) );
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]
案例中用的正则是 /ab{2,5}c/g,其中 g 是正则的一个修饰符。表示全局匹配,即,在目 标字符串中按顺序找到满足匹配模式的所有子串,强调的是“所有”,而不只是“第一个” 。g 是单词 global 的首字母。
1.1.2 纵向模糊匹配
纵向模糊指的是,一个正则匹配的字符串,具体到某一位字符时,它可以不是某个确定的字符,可以有多种可能。
其实现的方式是使用字符组。譬如 [abc]
,表示该字符是可以字符 "a"
、"b"
、"c"
中的任何一个。 比如 /a[123]b/
可以匹配如下三种字符串: "a1b"
、"a2b"
、"a3b"
。
测试如下:
let regex = /a[123]b/g;
let string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) );
// => ["a1b", "a2b", "a3b"]
掌握了横向和纵向模糊匹配,就能解决很大部分正则匹配问题。
1.2 字符组
名称为字符组(字符类),但只是其中一个字符。
例如
[abc]
,表示匹配"a"、"b"、"c" 中的一个字符。
1.2.1 范围表示法
如果字符组里的字符特别多,比如 [123456abcdefGHIJKLM]
,那不是很麻烦吗?
可以使用范围表示法,用连字符 -
来省略和简写,上面的例子表示为[1-6a-fG-M]
用连字符可以进行范围表示,那么但需要对连字符进行搜索是该怎么办呢?
比如要匹配 "a"、"-"、"z" 这三者中任意一个字符,有三种方式:1. 放在开头:
[-az]
2. 放在结尾:[az-]
3. 进行转义:[a-z]
1.2.2 排除字符组
纵向模糊匹配,还有一种情形就是,某位字符可以是任何东西,但就不能是 "a"
、"b"
、"c"
此时就是排除字符组(反义字符组)的概念。例如 [^abc]
,表示是一个除 "a"
、"b"
、"c"
之外的任意一个字 符。字符组的第一位放 ^
(脱字符),表示求反的概念。
1.2.3 常见的简写形式
有了字符组后,我们要了解一些简写使用的符号,它们系统自带的简写形式
字符组 | 具体含义 |
---|---|
d | 表示 [0-9] 。表示是一位数字。 记忆方式:其英文是 digit(数字)。 |
D | 表示 [^0-9] 。表示除数字外的任意字符。 |
w | 表示 [0-9a-zA-Z_] 。表示数字、大小写字母和下划线。 记忆方式:w 是 word 的简写,也称单词字符。 |
W | 表示 [^0-9a-zA-Z_] 。非单词字符。 |
s | 表示 [ v
f] 。表示空白符,包括空格、水平制表符、垂直制表符、换行符、回车符、换页 符。 记忆方式:s 是 space 的首字母,空白符的单词是 white space。 |
S | 表示 [^ v
f] 。 非空白符。 |
. | 表示 [^
u2028u2029] 。通配符,表示几乎任意字符。换行符、回车符、行分隔符和段分隔符 除外。 记忆方式:想想省略号 … 中的每个点,都可以理解成占位符,表示任何类似的东西。 |
如果要匹配任意字符怎么办?可以使用 [dD]
、[wW]
、[sS]
和 [^]
中任何的一个。
1.3 量词
量词也称重复。掌握 {m,n}
的准确含义后,只需要记住一些简写形式。
1.3.1 简写形式
量词 | 具体含义 |
---|---|
{m,} |
表示至少出现 m 次。 |
{m} |
等价于 {m,m} ,表示出现 m 次。 |
? |
等价于 {0,1} ,表示出现或者不出现。 记忆方式:问号的意思表示,有吗? |
+ |
等价于 {1,} ,表示出现至少一次。 记忆方式:加号是追加的意思,得先有一个,然后才考虑追加。 |
* |
等价于 {0,} ,表示出现任意次,有可能不出现。 记忆方式:看看天上的星星,可能一颗没有,可能零散有几颗,可能数也数不过来。 |
1.3.2 贪婪匹配与惰性匹配
先看一个例子
let regex = /d{2,5}/g;
let string = "123 1234 12345 123456";
console.log( string.match(regex) );
// => ["123", "1234", "12345", "12345"]
其中正则 /d{2,5}/
,表示数字连续出现 2 到 5 次。会匹配 2 位、3 位、4 位、5 位连续数字。
但是其是贪婪的,它会尽可能多的匹配。你能给我 6 个,我就要 5 个。你能给我 3 个,我就要 3 个。 反正只要在能力范围内,越多越好。
我们知道有时贪婪不是一件好事。而惰性匹配,就是尽可能少的匹配.
let regex = /d{2,5}?/g;
let string = "123 1234 12345 123456";
console.log( string.match(regex) );
// => ["12", "12", "34", "12", "34", "12", "34", "56"]
其中 /d{2,5}?/
表示,虽然 2 到 5 次都行,当 2 个就够的时候,就不再往下尝试了。
通过在量词后面加个问号就能实现惰性匹配,因此所有惰性匹配情形如下:
惰性量词 | 贪婪量词 |
---|---|
{m,n}? | {m,n} |
{m,}? | {m,} |
?? | ? |
+? | + |
*? | * |
1.4. 多选分支
一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一。
具体形式如下:(p1|p2|p3)
,其中 p1
、p2
和 p3
是子模式,用 |
(管道符)分隔,表示其中任何之一。 例如要匹配字符串 "good"
和 "nice"
可以使用 /good|nice/
。
测试如下:
let regex = /good|nice/g;
let string = "good idea, nice try.";
console.log( string.match(regex) );
// => ["good", "nice"]
但有个事实我们应该注意,比如我用 /good|goodbye/,去匹配 "goodbye" 字符串时,结果是 "good":
let regex = /good|goodbye/g;
let string = "goodbye";
console.log( string.match(regex) );
// => ["good"]
而把正则改成 /goodbye|good/,结果是:
let regex = /goodbye|good/g;
let string = "goodbye";
console.log( string.match(regex) );
// => ["goodbye"]
也就是说,分支结构也是惰性的,即当前面的匹配上了,后面的就不再尝试了。
1.5 案例分析
仅做例子,每个正则并不是只有唯一写法
1.5.1 匹配 16 进制颜色值
要求匹配:
#ffbbad
#Fc01DF
#FFF
#ffE
分析: 表示一个 16 进制字符,可以用字符组 [0-9a-fA-F]
。
其中字符可以出现 3 或 6 次,需要是用量词和分支结构。
使用分支结构时,需要注意顺序。
正则如下:
let regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;
let string = "#ffbbad #Fc01DF #FFF #ffE";
console.log( string.match(regex) );
// => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]
1.5.2 匹配时间
以 24 小时制为例。
要求匹配:
23:59
02:07
分析:
共 4 位数字,第一位数字可以为 [0-2]。
当第 1 位为 "2" 时,第 2 位可以为 [0-3],其他情况时,第 2 位为 [0-9]。
第 3 位数字为 [0-5],第4位为 [0-9]。
正则如下:
let regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;
console.log( regex.test("23:59") );
console.log( regex.test("02:07") );
// => true
// => true
正则中使用了 ^ 和 $,分别表示字符串开头和结尾。属于正则表达式中的位置匹配
如果也要求匹配 "7:9"
,也就是说时分前面的 "0" 可以省略。
此时正则变成:
let regex = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;
console.log( regex.test("23:59") );
console.log( regex.test("02:07") );
console.log( regex.test("7:9") );
// => true
// => true
// => true
1.5.3 匹配日期
比如 yyyy-mm-dd
格式为例。
要求匹配:
2017-06-10
分析:
年,四位数字即可,可用 [0-9]{4}
。
月,共 12 个月,分两种情况 "01"
、"02"
、…、"09"
和 "10"
、"11"
、"12"
,可用 (0[1-9]|1[0-2])
。
日,最大 31 天,可用 (0[1-9]|[12][0-9]|3[01])
。
正则如下:
let regex = /^[0-9]{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/;
console.log( regex.test("2017-06-10") );
// => true
1.5.4 window 操作系统文件路径
要求匹配:
F:studyjavascript
egex
egular expression.pdf F:studyjavascript
egex
F:studyjavascript
F:
分析:
整体模式是:
盘符:文件夹文件夹文件夹
其中匹配 "F:"
,需要使用 [a-zA-Z]:\
,其中盘符不区分大小写,注意 字符需要转义。
文件名或者文件夹名,不能包含一些特殊字符,此时我们需要排除字符组 [^\:*<>|"?
/]
来表示合法 字符。
另外它们的名字不能为空名,至少有一个字符,也就是要使用量词 +。因此匹配 文件夹,可用 [^\:*<>|"?
/]+\
。
另外 文件夹,可以出现任意次。也就是 ([^\:*<>|"?
/]+\)*
。其中括号表示其内部正则是一个整体。
路径的最后一部分可以是 文件夹,没有 ,因此需要添加 ([^\:*<>|"?
/]+)?
。
最后拼接成了一个看起来比较复杂的正则:
let regex = /^[a-zA-Z]:\([^\:*<>|"?
/]+\)*([^\:*<>|"?
/]+)?$/;
console.log( regex.test("F:\study\javascript\regex\regular expression.pdf") );
console.log( regex.test("F:\study\javascript\regex\") );
console.log( regex.test("F:\study\javascript") );
console.log( regex.test("F:\") );
// => true
// => true
// => true
// => true
其中,在JavaScript 中字符串要表示字符 时,也需要转义。
1.5.5 匹配 id
要求从:
<div id="container" class="main"></div>
提取出 id="container"。
可能最开始想到的正则是:
let regex = /id=".*"/
let string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container" class="main"
因为 .
是通配符,本身就匹配双引号的,而量词 *
又是贪婪的,当遇到 container 后面双引号时,是不会 停下来,会继续匹配,直到遇到最后一个双引号为止。 解决之道,可以使用惰性匹配:
let regex = /id=".*?"/
let string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"
1.6 总结
掌握字符组和量词就能解决大部分常见的情形,也就是说,当你会了这二者,JavaScript 正则算是入门了。