正则表达式——进阶

在 《正则表达式——入门》中我们从WHAT、WHY、HOW三个方面简单介绍了正则技术，如果你对正则感兴趣，笔者希望带领大家更进一步学习正则表达式。

常见案例解析

案例一：验证邮箱的有效性

/^[a-z0-9_.]+@([a-z0-9\-]+\.)+[a-z]{2,4}$/i

• ^ ：匹配字符串的开始位置
• [a-z0-9_.]+ ：可以是以下字符，字母、数字、下划线、英文点，且至少出现1次
• @ ：匹配一个@字符
• [a-z0-9\-]+ ：可以是以下字符，字母、数字、短横线，且至少出现1次
• ([a-z0-9\-]+\.)+ ：出现多个字母、数字、短横线后跟随一个英文点，合起来出现1+次
• [a-z]{2,4} ：匹配2到4个字母
• $ ：匹配字符串的结束

测试：

var reg = /^[a-z0-9_.]+@([a-z0-9\-]+\.)+[a-z]{2,4}$/i;
var isok = reg.test('test_1@csdn.net');
console.log(isok); //true
isok = reg.test('test_1@blog.csdn.net');
console.log(isok); //true
isok = reg.test('test_1+a@csdn.net');
console.log(isok); //false

案例二：验证URL的有效性

/^https?:\/\/([a-z0-9\-]+\.)+[a-z]{2,4}(\/\S*)?$/i

• ^ ：匹配字符串的开始位置
• https? ：匹配具体字符https，其中s可以不出现
• :\/\/ ：匹配字符://
• [a-z0-9\-]+ ：可以是以下字符，字母、数字、短横线，且至少出现1次
• ([a-z0-9\-]+\.)+ ：出现多个字母、数字、短横线后跟随一个英文点，合起来出现1+次
• [a-z]{2,4} ：匹配2到4个字母
• (\/\S*)? ：匹配/和N个非空格字符，N大于等于0，这个组合可以出现，也可以不出现
• $ ：匹配字符串的结束

测试：

var reg = /^https?:\/\/([a-z0-9\-]+\.)+[a-z]{2,4}(\/\S*)?$/i;
var isok = reg.test('http://blog.csdn.net/kla.dd');
console.log(isok); //true
isok = reg.test('https://blog.csdn.net/master/profile?show=%99');
console.log(isok); //true
isok = reg.test('htt://csdn.netdd');
console.log(isok); //false

案例三：验证一个字符串中是否包含关键词“世界末日”或“fuck”

/(世.{0,3}界.{0,3}末.{0,3}日)|(f[^a-z]{0,3}u[^a-z]{0,3}c[^a-z]{0,3}k)/i

• (世.{0,3}界.{0,3}末.{0,3}日) ：世界末日中间可以出现任意3个以内的字符
• | ：或的意思
• (f[^a-z]{0,3}u[^a-z]{0,3}c[^a-z]{0,3}k) ：fuck中间可以出现3个以内非字母的字符

测试：

var reg = /(世.{0,3}界.{0,3}末.{0,3}日)|(f[^a-z]{0,3}u[^a-z]{0,3}c[^a-z]{0,3}k)/i;
var isok = reg.test('世-界-末日');
console.log(isok); //true
isok = reg.test('f.uck');
console.log(isok); //true
isok = reg.test('fxuck');
console.log(isok); //false

案例四：去掉内容中所有的html标签

/<\/?[a-z0-9]{1,10}(\s.*?)?>/ig

• < ：匹配左尖括号本身
• \/? ：可以出现一个斜线，也可以不出现
• [a-z]{1,10} ：出现1到10个字母和数字
• (\s.*?)? ：空格后跟随任意字符，这个组合也可以不出现
• > ：匹配右尖括号本身
• ig ：i表示忽略大小写，g表示全局匹配，就是找到所有符合规则的内容，不加g只匹配第一个符合规则的内容

测试：

var reg = /<\/?[a-z]{1,10}(\s.*?)?>/ig;
var str = '<h1>title</h1> is very <a href="#big">big</a>';
str = str.replace(reg, '');
console.log(str); //title is very big

通过对以上几个正则表达式的分析，相信你应该对正则有了个较深的认识，下边我们就来系统的学习一下正则表达式。

字符组[]

[abcd1234@#$%] 表示可以出现括号内的任意字符。

如果以“^”开头，表示可以出现除括号内的字符以外的任意字符。如，[^abc]表示匹配除“abc”以外的任意字符。

在字符组内有一个特殊的字符，短横线“-”。连字符表示从一个字符的到另外一个字符的范围，注意后边的字符码要大于前边的字符码。如， [0-9]表示匹配从0到9的任意字符（0123456789）； [a-f]表示匹配从a到f的任意字符（abcdef）。
如果需要匹配“^”或“-”字符本身，则需要用“\”来转义： [\^\-]
最后需要注意的是，字符组[]只匹配一个字符，所以它经常跟元字符“+”或“{m,n}”一起使用。如： [0-9]{1,5}表示连续出现1到5个数字。

捕获组()

捕获组的作用就是把一个子正则表达式匹配到的内容按照一定编号保存到内存中，以备后续获取这些内容。

捕获组有两种形式：普通捕获组(expression) 和 命名捕获组(?<name>expression)

需要注意的是，目前Javascript并不支持命名捕获组。

var result = '999ab'.match(/\d+([a-z]+)/);
console.log(result[0]);//999ab 存储全部匹配到的内容
console.log(result[1]);//ab 存储第1个捕获组中的内容

var newStr = '999ab'.replace(/\d+([a-z]+)/,'数字后的单词是：$1');
console.log(newStr);//数字后的单词是：ab

在C#中支持命名捕获组，获取命名组的方式跟普通方式一样，只是把数字改成组名就行了。

单词边界\b

元字符\b表示一个单词的边界。单词边界主要应用于英文单词的匹配。

比如要从源字符串中获取单词body的个数

var s = 'the body is: hello eveybody, my body is here';
var len = s.match(/\bbody\b/g).length;
console.log(len);//2

如果不加单词边界的话，就会输出3

贪婪模式和非贪婪模式

贪婪模式，尽可能多的匹配内容；非贪婪模式正好相反，尽可能少的匹配内容。当然，他们都有一个大的前提，就是符合正则规则的前提下。

属于贪婪模式的量词，也叫做匹配优先量词，包括：
“{m,n}”、“{m,}”、“?”、“*”和“+”。
一般来说，在普通量词后加上问号，即构成了非贪婪模式，如：
“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”

举例，要匹配以数字结束的子字符串

var result = 'a1b2c3'.match(/.+\d/);
console.log(result[0]);//a1b2c3 

贪婪模式下，.+会尽可能多的“拿”字符

var result = 'a1b2c3'.match(/.+?\d/);
console.log(result[0]);//a1 

非贪婪模式下，.+?会尽可能少的“拿”字符，当匹配到1的时候已经能够满足规则，匹配停止。

作者：朱会震