深入了解正则表达式
2017-07-20 本文已影响33人
飞鱼湾
正则表达式是是计算机科学的一个概念，使用单个字符串来描述，用来检索、替换符合某个模式的文本。许多程序设计语言都支持利用正则表达式进行字符串的操作，比传统的搜索更加快速和灵活。下面进入正则表达式的介绍，及部分简单的示例。
一、语法
正则表达式包含了普通字符（A-Za-z0-9）、特殊字符（元字符）列表及它们在正则表达式中的行为。其中，如果要匹配特殊字符，需要用\转义，即：匹配+，用\+。
1.特殊字符之单字符
| 单字符 | 功能 | 示例 |
|---|---|---|
| * | 零次或多次匹配前面的字符或子表达式。 等效于 {0,}。 |
zo* 与“z”和“zoo”匹配。 |
| + | 一次或多次匹配前面的字符或子表达式。 等效于 {1,}。 |
zo+ 与“zo”和“zoo”匹配，但与“z”不匹配。 |
| ? | 零次或一次匹配前面的字符或子表达式。 等效于 {0,1}。 当 ? 紧随任何其他限定符（* 、+、?、{n}、{n,} 或 {n,m}）之后时，匹配模式是非贪婪的。 非贪婪模式匹配搜索到的、尽可能少的字符串，而默认的贪婪模式匹配搜索到的、尽可能多的字符串。 |
zo? 与“z”和“zo”匹配，但与“zoo”不匹配。 o+? 只与“oooo”中的单个“o”匹配，而 o+ 与所有“o”匹配。 do(es)? 与“do”或“does”中的“do”匹配。 |
| ^ | 匹配搜索字符串开始的位置。 如果标志中包括 m（多行搜索）字符，^ 还将匹配 \n 或 \r 后面的位置。 如果将 ^ 用作括号表达式中的第一个字符，则会对字符集求反。 |
^\d{3} 与搜索字符串开始处的 3 个数字匹配。 [^abc] 与除 a、b 和 c 以外的任何字符匹配。 |
| $ | 匹配搜索字符串结尾的位置。 如果标志中包括 m（多行搜索）字符，^ 还将匹配 \n 或 \r 前面的位置。 | \d{3}$ 与搜索字符串结尾处的 3 个数字匹配。 |
| . | 匹配除换行符 \n 之外的任何单个字符。 若要匹配包括 \n 在内的任意字符，请使用诸如 [\s\S] 之类的模式。 | a.c 与“abc”、“a1c”和“a-c”匹配。 |
| [] | 标记括号表达式的开始和结尾。 | [1-4] 与“1”、“2”、“3”或“4”匹配。 [^aAeEiIoOuU] 与任何非元音字符匹配。 |
| {} | 标记限定符表达式的开始和结尾。 | a{2,3} 与“aa”和“aaa”匹配。 |
| () | 标记子表达式的开始和结尾。 可以保存子表达式以备将来之用。 | A(\d) 与“A0”至“A9”匹配。 保存该数字以备将来之用。 |
| / | 表示 JScript 中的文本正则表达式模式的开始或结尾。 在第二个“/”后添加单字符标志可以指定搜索行为。 | /abc/gi 是与“abc”匹配的 JScript 文本正则表达式。 g（全局）标志指定查找模式的所有匹配项，i（忽略大小写）标志使搜索不区分大小写。 |
| \ | 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。 | \n 与换行符匹配。 ( 与“(”匹配。 \ 与“\”匹配。 |
| | | 指示在两个或多个项之间进行选择。 | z | food 与“z”或“food”匹配。 (z | f)ood 与“zood”或“food”匹配。 |
2.特殊字符之多字符
| 多字符 | 功能 | 示例 |
|---|---|---|
| \b | 与一个字边界匹配；即字与非字之间的位置。 | er\b 与“never”中的“er”匹配，但与“verb”中的“er”不匹配。 |
| \B | 非边界字匹配，即非字与字之间的位置。 | er\B 与“verb”中的“er”匹配，但与“never”中的“er”不匹配。 |
| \d | 数字字符匹配。 等效于 [0-9]。 |
在搜索字符串“12345”中，\d{2} 与“12”和“34”匹配。 \d 与“1”、“2”、“3”、“4”和“5”匹配。 |
| \D | 非数字字符匹配。 等效于 [^0-9]。 |
\D+ 与“abc123 def”中的“abc”和“def”匹配。 |
| \a | 英文字母，等效于[a-zA-Z]。 | \a{3} 与 “abc123” 中的“abc”匹配 |
| \w | 与以下任意字符匹配：A-Z、a-z、0-9 和下划线。 等效于 [A-Za-z0-9_]。 |
在搜索字符串“The quick brown fox…”中，\w+ 与“The”、“quick”、“brown”和“fox”匹配。 |
| \W | 与除 A-Z、a-z、0-9 和下划线以外的任意字符匹配。 等效于 [^A-Za-z0-9_]。 |
在搜索字符串“The quick brown fox…”中，\W+ 与“…”和所有空格匹配。 |
| [xyz] | 字符集。 与任何一个指定字符匹配。 | [abc] 与“plain”中的“a”匹配。 |
| [^xyz] | 反向字符集。 与未指定的任何字符匹配。 | [^abc] 与“plain”中的“p”、“l”、“i”和“n”匹配。 |
| [a-z] | 字符范围。 匹配指定范围内的任何字符。 | [a-z] 与“a”到“z”范围内的任何小写字母字符匹配。 |
| [^a-z] | 反向字符范围。 与不在指定范围内的任何字符匹配。 | [^a-z] 与不在范围“a”到“z”内的任何字符匹配。 |
| {n} | 正好匹配 n 次。 n 是非负整数。 | o{2} 与“Bob”中的“o”不匹配，但与“food”中的两个“o”匹配。 |
| {n,} | 至少匹配 n 次。 n 是非负整数。 * 与 {0,} 相等。 + 与 {1,} 相等。 |
o{2,} 与“Bob”中的“o”不匹配，但与“foooood”中的所有“o”匹配。 |
| {n,m} | 匹配至少 n 次，至多 m 次。 n 和 m 是非负整数，其中 n <= m。 逗号和数字之间不能有空格。 | 在搜索字符串“1234567”中，\d{1,3} 与“123”、“456”和“7”匹配。 |
| (模式) | 与模式 匹配并保存匹配项。 您可以从由 JScript 中的 exec Method返回的数组元素中检索保存的匹配项。 若要匹配括号字符 ( )，请使用“(”或者“)”。 | (Chapter|Section) [1-9] 与“Chapter 5”匹配，保存“Chapter”以备将来之用。 |
| (?:模式) | 与模式 匹配，但不保存匹配项；即不会存储匹配项以备将来之用。 这对于用“or”字符 (|) 组合模式部件的情况很有用。 | industr(?:y|ies) 与 industry | industries 相等。 |
| (?=模式) | 正预测先行。 找到一个匹配项后，将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。 | ^(?=.\d).{4,8}$ 对密码应用以下限制：其长度必须介于 4 到 8 个字符之间，并且必须至少包含一个数字。 在该模式中， .\d 查找后跟有数字的任意多个字符。 对于搜索字符串“abc3qr”，这与“abc3”匹配。 从该匹配项之前（而不是之后）开始，.{4,8} 与包含 4-8 个字符的字符串匹配。 这与“abc3qr”匹配。 ^ 和 $ 指定搜索字符串的开始和结束位置。 这将在搜索字符串包含匹配字符之外的任何字符时阻止匹配。 |
| (?!模式) | 负预测先行。 匹配与模式 不匹配的搜索字符串。 找到一个匹配项后，将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。 | \b(?!th)\w+\b 与不以“th”开头的单词匹配。 在该模式中，\b 与一个字边界匹配。 对于搜索字符串“ quick ”，这与第一个空格匹配。 (?!th) 与非“th”字符串匹配。 这与“qu”匹配。 从该匹配项开始，\w+ 与一个字匹配。 这与“quick”匹配。 |
| \cx | 匹配 x 指示的控制字符。 x 的值必须在 A-Z 或 a-z 范围内。 如果不是这样，则假定 c 就是文本“c”字符本身。 | \cM 与 Ctrl+M 或一个回车符匹配。 |
| \xn | 匹配 n，此处的 n 是一个十六进制转义码。 十六进制转义码必须正好是两位数长。 允许在正则表达式中使用 ASCII 代码。 | \x41 与“A”匹配。 \x041 等效于后跟有“1”的“\x04”（因为 n 必须正好是两位数）。 |
| \num | 匹配 num，此处的 num 是一个正整数。 这是对已保存的匹配项的引用。 | (.)\1 与两个连续的相同字符匹配。 |
| \n | 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。 | (\d)\1 与两个连续的相同数字匹配。 |
| \nm | 标识一个八进制转义码或反向引用。 如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。 如果 \nm 前面至少有 n 个捕获子表达式，则 n 是反向引用，后面跟有文本 m。 如果上述情况都不存在，当 n 和 m 是八进制数字 (0-7) 时，\nm 匹配八进制转义码 nm。 |
\11 与制表符匹配。 |
| \nml | 当 n 是八进制数字 (0-3)，m 和 l 是八进制数字 (0-7) 时，匹配八进制转义码 nml。 | \011 与制表符匹配。 |
| \un | 匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。 | \u00A9 与版权符号 (©) 匹配。 |
3.非打印字符
| 非打印字符 | 匹配 | 等效于 |
|---|---|---|
| \f | 换页符。 | \x0c 和 \cL |
| \n | 换行符。 | \x0a 和 \cJ |
| \r | 回车符。 | \x0d 和 \cM |
| \s | 任何空白字符。 其中包括空格、制表符和换页符。 | [ \f\n\r\t\v] |
| \S | 任何非空白字符。 | [^ \f\n\r\t\v] |
| \v | 垂直制表符。 | \x0b 和 \cK |
4.优先级顺序
正则表达式的计算方式是按照从左到右，并遵循优先级的顺序。其中，字符的优先级高于运算符，例如："m|food"匹配"m"或"food"。
| 运算符 | 说明 |
|---|---|
| \ | 转义符 |
| (), (?:), (?=), [] | 括号和中括号 |
| *、+、?、{n}、{n,}、{n,m} | 限定符 |
| ^、$、\任何元字符 | 定位点和序列 |
| | | 替换 |
二、应用
1.构造正则表达式
/expression/g
正则表达式可以设置搜索的标志，具体设置如下：
| JScript 标志 | 如果标志存在 |
|---|---|
| g | 查找搜索字符串中该模式的所有匹配项，而不仅仅是第一个匹配项。 |
| i | 搜索不区分大小写。 |
| m | ^ 匹配 \n 或 \r 之后的位置，而$ 匹配 \n 或 \r 之前的位置。 无论标志是否存在，^ 均匹配搜索字符串开头的位置，而 $ 均匹配搜索字符串结尾的位置。 |
2.实例
- 单词匹配
var str = 'Now, time is 2017-03-06 17:19, ###please $$$working hardly';
var regex = /\w+/g;
var result = regex.exec(str);
while (result != null) {
console.log(result.index + '-' + `${result.index + result[0].length}` + '\t' + result[0]);
// 继续匹配
result = regex.exec(str);
}
输出：
0-3 Now
5-9 time
10-12 is
13-17 2017
18-20 03
21-23 06
24-26 17
27-29 19
34-40 please
44-51 working
52-58 hardly
- url匹配
var url = 'http://www.runoob.com:80/html/html-tutorial.html';
var reg = /(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/;
console.log(reg.exec(url));
输出：
[ 'http://www.runoob.com:80/html/html-tutorial.html',
'http',
'www.runoob.com',
':80',
'/html/html-tutorial.html',
index: 0,
input: 'http://www.runoob.com:80/html/html-tutorial.html' ]
- 取反匹配
var str = 'plain';
var regex = /[^abc]/g;
var result = regex.exec(str);
while (result != null) {
console.log(result);
result = regex.exec(str);
}
输出：
[ 'p', index: 0, input: 'plain' ]
[ 'l', index: 1, input: 'plain' ]
[ 'i', index: 3, input: 'plain' ]
[ 'n', index: 4, input: 'plain' ]
- 替换
var str = 'Chapter 10 Section 22';
var regex = /Chapter | Section [1-9][0-9]?/g;
var regex = /(Chapter|Section) [1-9][0-9]?/g;
var result = regex.exec(str);
while (result !== null) {
console.log(result);
result = regex.exec(str);
}
输出：
[ 'Chapter 10',
'Chapter',
index: 0,
input: 'Chapter 10 Section 22' ]
[ 'Section 22',
'Section',
index: 11,
input: 'Chapter 10 Section 22' ]
- 字边界和非字边界
var src = 'never? verb';
var regex = /er\b/g;
var result = regex.exec(src);
while(result != null) {
console.log(result);
result = regex.exec(null);
}
var regex1 = /er\B/g;
var result1 = regex1.exec(src);
while(result1 != null) {
console.log(result1);
result1 = regex1.exec(null);
}
输出：
[ 'er', index: 3, input: 'never? verb' ]
[ 'er', index: 8, input: 'never? verb' ]
- 模式匹配 ?: 不保存匹配项
var src = 'industry and industries';
var regex = /industr(?:y|ies)/g;
var result = regex.exec(src);
while (result != null) {
console.log(result);
result = regex.exec(src);
}
输出：
[ 'industry', index: 0, input: 'industry and industries' ]
[ 'industries', index: 13, input: 'industry and industries' ]
- 正预测先行，?=, {}内不准有空格
var src = 'abc3de';
var regex = /^(?=.*\d).{4,8}/g;
var result = regex.exec(src);
while (result != null) {
console.log(result);
result = regex.exec(src);
}
输出：
[ 'industry', index: 0, input: 'industry and industries' ]
[ 'industries', index: 13, input: 'industry and industries' ]
- 负预测先行 \w 等效于 [A-Za-z0-9]，所有要加 + 来匹配字
var src = 'abc3de';
var regex = /\b(?!acd)\w+\b/g;
var result = regex.exec(src);
console.log(result);
输出：
[ 'abc3de', index: 0, input: 'abc3de' ]
至此，正则表达式的内容介绍完毕，虽然平时用的机会不是太多，但是还是有必要熟悉一下，你会发现正则表达式还是挺有意思的。
参考资料
https://msdn.microsoft.com/zh-cn/library/43k3181w(v=vs.100).aspx
