前端js正则表达式

最新推荐文章于 2023-12-09 09:34:44 发布

风吹@头皮凉

最新推荐文章于 2023-12-09 09:34:44 发布

阅读量572

点赞数

分类专栏： js 前端 html5 文章标签：正则表达式 perl javascript

原文链接：https://zhuanlan.zhihu.com/p/29707385

版权

前端同时被 3 个专栏收录

54 篇文章 0 订阅

订阅专栏

49 篇文章 0 订阅

订阅专栏

html5

10 篇文章 0 订阅

订阅专栏

正则表达式

第一章正则表达式字符匹配攻略

1.1. 两种模糊匹配

1.1.1. 横向模糊匹配

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。譬如 {m,n}，表示连续出现最少 m 次，最多 n 次。其实现的方式是使用量词。例如let reg = /ab{2,5}c/;

var regex = /ab{2,5}c/g;
var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log( string.match(regex) );
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

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”.

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”。

var regex = /a[123]b/g;
var string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) );
// => ["a1b", "a2b", "a3b"]

1.2. 字符组

需要强调的是，虽叫字符组（字符类），但只是其中一个字符。

例如 [abc]，表示匹配一个字符，它可以是 “a”、“b”、“c” 之一。

####　1.2.1. 范围表示法

如果字符组里的字符特别多的话，怎么办？可以使用范围表示法。

比如[123456abcdefGHIJKLM]，可以写成 [1-6a-fG-M]。用连字符- 来省略和简写。

因为连字符有特殊用途，那么要匹配 “a”、"-"、“z” 这三者中任意一个字符，该怎么做呢？

不能写成 [a-z]，因为其表示小写字符中的任何一个字符。

可以写成如下的方式：[-az] 或 [az-] 或 [a\-z]。

即要么放在开头，要么放在结尾，要么转义。总之不会让引擎认为是范围表示法就行了。

####　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。当然，也有相应的范围表示法。

1.2.3. 常见的简写形式

有了字符组的概念后，一些常见的符号我们也就理解了。

因为它们都是系统自带的简写形式。

在这里插入图片描述

如果要匹配任意字符怎么办？可以使用 [\d\D]、[\w\W]、[\s\S] 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

在这里插入图片描述

####　1.3.2. 贪婪匹配与惰性匹配

var regex = /\d{2,5}/g;
var 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;

而惰性匹配，就是尽可能少的匹配：

var regex = /\d{2,5}?/g;
var 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：

在这里插入图片描述

TIP 对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？

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/。

var regex = /good|nice/g;
var 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”：

var regex = /good|goodbye/g; 
var string = "goodbye"; 
console.log( string.match(regex) ); 
// => ["good"]

而把正则改成 /goodbye|good/，结果是：

var regex = /goodbye|good/g; 
var 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

匹配字符，无非就是字符组、量词和分支结构的组合使用罢了。

1.5.1 匹配16进制颜色值

要求匹配： #ffbbad #Fc01DF #FFF #ffE

let reg = /#([a-fA-F0-9]{6}|[a-fA-F0-9]{3})/g;

为什么{6}在前{3} 在后? 分支|是惰性匹配, 若是{3}在前, 则一直不会匹配到{6}的情况

1.5.2 匹配时间

要求匹配

23:59
02:07
let reg = /^([01]\d|2[0-3]):[0-5]\d$/;
// 如果也要求匹配 "7:9"，也就是说时分前面的 "0" 可以省略。
let reg = /^(0?\d|1\d|2[0-3]):(0?|[1-5])\d$/;

正则中使用了 ^ 和 $，分别表示字符串开头和结尾

1.5.3 匹配日期

比如 yyyy-mm-dd 格式为例。要求匹配： 2017-06-10

let reg =/^\d{4}-(0\d|1[012])-(0[1-9]|[12]\d|3[01])$/;

1.5.4. window 操作系统文件路径

要求匹配：

F:\study\javascript\regex\regular expression.pdf 
F:\study\javascript\regex\ 
F:\study\javascript
F:\

var regex = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;

1.5.5. 匹配 id

要求从

<div id="container" class="main"></div>

提取出 id=“container”。

let reg = /id=".*"/;

var string = '<div id="container" class="main"></div>';
console.log(string.match(reg)[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：

var regex = /id=".*?"/
var string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"

第二章正则表达式位置匹配攻略

2.1. 什么是位置呢？

位置（锚）是相邻字符之间的位置。比如，下图中箭头所指的地方：

在这里插入图片描述

2.2. 如何匹配位置呢？

在 ES5 中，共有 6 个锚：

^、$、\b、\B、(?=p)、(?!p)

2.2.1. ^ 和 $

^（脱字符）匹配开头，在多行匹配中匹配行开头。

$（美元符号）匹配结尾，在多行匹配中匹配行结尾。

比如我们把字符串的开头和结尾用 “#” 替换（位置可以替换成字符的！)

var result = "hello".replace(/^|$/g, '#'); 
console.log(result); 
// => "#hello#"

多行匹配模式（即有修饰符m）时，二者是行的概念，这一点需要我们注意：

var result = "I\nlove\njavascript".replace(/^|$/gm, '#');
console.log(result);
/*
#I#
#love#
#javascript#
*/

2.2.2. \b 和 \B

\b 是单词边界，具体就是 \w 与 \W 之间的位置，也包括 \w 与 ^ 之间的位置，和 \w 与 $ 之间的位置。

var result = "[JS] Lesson_01.mp4".replace(/\b/g, '#');
console.log(result);
// => "[#JS#] #Lesson_01#.#mp4#"

\B 就是 \b 的反面的意思，非单词边界。例如在字符串中所有位置中，扣掉 \b，剩下的都是 \B 的。

具体说来就是 \w 与 \w、 \W 与 \W、^ 与 \W，\W 与 $ 之间的位置。

var result = "[JS] Lesson_01.mp4".replace(/\B/g, '#');
console.log(result);
// => "#[J#S]# L#e#s#s#o#n#_#0#1.m#p#4"

2.2.3. (?=p) 和 (?!p)

(?=p)，其中 p 是一个子模式，即 p 前面的位置，或者说，该位置后面的字符要匹配 p。

比如 (?=l)，表示 “l” 字符前面的位置，例如：

var result = "hello".replace(/(?=l)/g, '#'); 
console.log(result); 
// => "he#l#lo"

而 (?!p) 就是 (?=p) 的反面意思，该位置后面的字符不能匹配 p。比如：

var result = "hello".replace(/(?!l)/g, '#'); 
console.log(result); 
// => "#h#ell#o#"

####　2.3. 位置的特性

对于位置的理解，我们可以理解成空字符 “”。

比如 “hello” 字符串等价于如下的形式：

"hello" == "" + "h" + "" + "e" + "" + "l" + "" + "l" + "" + "o" + "";

2.4. 相关案例

2.4.1. 不匹配任何东西的正则

让你写个正则不匹配任何东西

easy，/.^/。

因为此正则要求只有一个字符，但该字符后面是开头，而这样的字符串是不存在的。

2.4.2 数字的千位分隔符表示法

比如把 “12345678”，变成 “12,345,678”。可见是需要把相应的位置替换成 “,”。思路是什么呢？

3,345
123,445
12,345,678

// 1. 弄出最后一个逗号
let reg = /(?=\d{3}$)/;
let str= "1234";
str.replace(reg, ',')
// => "1,234"

// 2. 弄出所有的逗号
var result = "12345678".replace(/(?=(\d{3})+$)/g, ',')
console.log(result);
// => "12,345,678"

// 3. 验证问题
var result = "123456789".replace(/(?=(\d{3})+$)/g, ',')
console.log(result);
// => ",123,456,789"
// 怎么解决呢？我们要求匹配的到这个位置不能是开头。 ，(?!^)，

// 4. 最终答案
var regex = /(?!^)(?=(\d{3})+$)/g;

// 5 如果要把 "12345678 123456789" 替换成 "12,345,678 123,456,789"。
// 此时我们需要修改正则，把里面的开头 ^ 和结尾 $，修改成 \b：
var string = "12345678 123456789",
regex = /(?!\b)(?=(\d{3})+\b)/g;
var result = string.replace(regex, ',')
console.log(result);
// => "12,345,678 123,456,789"

其中 (?!\b) 怎么理解呢？
要求当前是一个位置，但不是 \b 前面的位置，其实 (?!\b) 说的就是 \B。
因此最终正则变成了：/\B(?=(\d{3})+\b)/g。

2.4.3. 验证密码问题

密码长度 6-12 位，由数字、小写字符和大写字母组成，但必须至少包括 2 种字符。

// 先不考虑“但必须至少包括 2 种字符”这一条件 可得
let reg = /^[0-9a-zA-Z]{6,12}$/;
// 假设，要求的必须包含数字，怎么办？此时我们可以使用 (?=.*[0-9]) 来做。
let regex = /(?=.*[0-9])^[0-9A-Za-z]{6,12}$/;
// 再次假设, 同时包含数字和小写字母，可以用 (?=.*[0-9])(?=.*[a-z]) 来做
let regex = /(?=.*[0-9])(?=.*[a-z])^[0-9A-Za-z]{6,12}$/;
// 最终答案
let regex = /((?=.*[0-9])(?=.*[a-z])|(?=.*[0-9])(?=.*[A-Z])|(?=.*[a-z])(?=.*[AZ]))^[0-9A-Za-z]{6,12}$/;

另外一种解法

“至少包含两种字符”的意思就是说，不能全部都是数字，也不能全部都是小写字母，也不能全部都是大写字母。

// 那么要求“不能全部都是数字”，怎么做呢？ `(?!p)` 出马！
var regex = /(?!^[0-9]{6,12}$)^[0-9A-Za-z]{6,12}$/;
// 最终答案
var regex = /(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/;

第三章正则表达式括号的作用

括号提供了分组，便于我们引用它。

引用某个分组，会有两种情形：在 JavaScript 里引用它，在正则表达式里引用它。

3.1. 分组和分支结构

这二者是括号最直觉的作用，也是最原始的功能，强调括号内的正则是一个整体，即提供子表达式。

3.1.1. 分组

我们知道 /a+/ 匹配连续出现的 “a”，而要匹配连续出现的 “ab” 时，需要使用 /(ab)+/。

其中括号是提供分组功能，使量词 + 作用于 “ab” 这个整体.

var regex = /(ab)+/g;
var string = "ababa abbb ababab";
console.log( string.match(regex) );
// => ["abab", "ab", "ababab"]

3.1.2. 分支结构

而在多选分支结构 (p1|p2) 中，此处括号的作用也是不言而喻的，提供了分支表达式的所有可能。

比如，要匹配如下的字符串：

I love JavaScript

I love Regular Expression

var regex = /^I love (JavaScript|Regular Expression)$/;
console.log( regex.test("I love JavaScript") );
console.log( regex.test("I love Regular Expression") );
// => true
// => true

3.2. 分组引用

这是括号一个重要的作用，有了它，我们就可以进行数据提取，以及更强大的替换操作。

以日期为例。假设格式是 yyyy-mm-dd 的，我们可以先写一个简单的正则：

var regex = /\d{4}-\d{2}-\d{2}/;

在这里插入图片描述

然后再修改成括号版的：

var regex = /(\d{4})-(\d{2})-(\d{2})/;

在这里插入图片描述

对比这两个可视化图片，我们发现，与前者相比，后者多了分组编号，如 Group #1。

其实正则引擎也是这么做的，在匹配过程中，给每一个分组都开辟一个空间，用来存储每一个分组匹配到的数据。

既然分组可以捕获数据，那么我们就可以使用它们。

3.2.1. 提取数据

比如提取出年、月、日，可以这么做：

var regex = /(\d{4})-(\d{2})-(\d{2})/; 
var string = "2017-06-12"; 
console.log( string.match(regex) ); 
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]

var regex = /(\d{4})-(\d{2})-(\d{2})/g; 
var string = "2017-06-12"; 
console.log( string.match(regex) ); 
// ['2017-06-12']

match 返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的内容，然后是匹配下标，最后是输入的文本。另外，正则表达式是否有修饰符 g，match 返回的数组格式是不一样的。

另外也可以使用正则实例对象的 exec 方法：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log( regex.exec(string) );
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]

同时，也可以使用构造函数的全局属性 $1 至 $9 来获取：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
regex.test(string); // 正则操作即可，例如
//regex.exec(string);
//string.match(regex);
console.log(RegExp.$1); // "2017"
console.log(RegExp.$2); // "06"
console.log(RegExp.$3); // "12"

3.2.2. 替换

比如，想把 yyyy-mm-dd 格式，替换成 mm/dd/yyyy 怎么做？

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, "$2/$3/$1");
console.log(result);
// => "06/12/2017"

其中 replace 中的，第二个参数里用 $1、$2、$3 指代相应的分组。等价于如下的形式：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function () {
  return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;
});
console.log(result);
// => "06/12/2017"

也等价于：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function (match, year, month, day) {
  return month + "/" + day + "/" + year;
});
console.log(result);
// => "06/12/2017"

3.3. 反向引用

除了使用相应 API 来引用分组，也可以在正则本身里引用分组。但只能引用之前出现的分组，即反向引用.

还是以日期为例。比如要写一个正则支持匹配如下三种格式：

2016-06-12

2016/06/12

2016.06.12

最先可能想到的正则是:

var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // true

其中 / 和 . 需要转义。虽然匹配了要求的情况，但也匹配 “2016-06/12” 这样的数据。

假设我们想要求分割符前后一致怎么办？此时需要使用反向引用：

var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // false

注意里面的 \1，表示的引用之前的那个分组 (-|/|.)。不管它匹配到什么（比如 -），\1 都匹配那个同样的具体某个字符。

我们知道了 \1 的含义后，那么 \2 和 \3 的概念也就理解了，即分别指代第二个和第三个分组。

看到这里，此时，恐怕你会有几个问题。

3.3.1. 括号嵌套怎么办？

以左括号（开括号）为准。比如：

var regex = /^((\d)(\d(\d)))\1\2\3\4$/;
var string = "1231231233";
console.log( regex.test(string) ); // true
console.log( RegExp.$1 ); // 123
console.log( RegExp.$2 ); // 1
console.log( RegExp.$3 ); // 23
console.log( RegExp.$4 ); // 3

我们可以看看这个正则匹配模式：

第一个字符是数字，比如说 “1”，
第二个字符是数字，比如说 “2”，
第三个字符是数字，比如说 “3”，
接下来的是 \1，是第一个分组内容，那么看第一个开括号对应的分组是什么，是 “123”，
接下来的是 \2，找到第2个开括号，对应的分组，匹配的内容是 “1”，
接下来的是 \3，找到第3个开括号，对应的分组，匹配的内容是 “23”，
最后的是 \4，找到第3个开括号，对应的分组，匹配的内容是 “3”。

3.3.2. \10 表示什么呢？

另外一个疑问可能是，即 \10 是表示第 10 个分组，还是 \1 和 0 呢？

答案是前者，虽然一个正则里出现 \10 比较罕见。

测试如下：

var regex = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/; 
var string = "123456789# ######";
console.log( regex.test(string) ); 
// => true

TIP 如果真要匹配 \1 和 0 的话，请使用 (?:\1)0 或者 \1(?:0)。

3.3.3. 引用不存在的分组会怎样？

因为反向引用，是引用前面的分组，但我们在正则里引用了不存在的分组时，此时正则不会报错，只是匹配反向引用的字符本身。例如 \2，就匹配 “\2”。注意 “\2” 表示对 “2” 进行了转义。

var regex = /\1\2\3\4\5\6\7\8\9/;
console.log( regex.test("\1\2\3\4\5\6\7\8\9") );
console.log( "\1\2\3\4\5\6\7\8\9".split("") );

####　3.3.4. 分组后面有量词会怎样？

分组后面有量词的话，分组最终捕获到的数据是最后一次的匹配。比如如下的测试案例：

var regex = /(\d)+/;
var string = "12345";
console.log( string.match(regex) );
// => ["12345", "5", index: 0, input: "12345"]

从上面看出，分组 (\d) 捕获的数据是 “5”。

同理对于反向引用，也是这样的。测试如下：

var regex = /(\d)+ \1/;
console.log( regex.test("12345 1") );
// => false
console.log( regex.test("12345 5") );
// => true

###　3.4. 非捕获括号

之前文中出现的括号，都会捕获它们匹配到的数据，以便后续引用，因此也称它们是捕获型分组和捕获型分支。

如果只想要括号最原始的功能，但不会引用它，即，既不在 API 里引用，也不在正则里反向引用。此时可以使用

非捕获括号 (?:p) 和 (?:p1|p2|p3)，例如本章第一个例子可以修改为：

var regex = /(?:ab)+/g;
var string = "ababa abbb ababab";
console.log( string.match(regex) );
// => ["abab", "ab", "ababab"]

同理，第二例子可以修改为：

var regex = /^I love (?:JavaScript|Regular Expression)$/;
console.log( regex.test("I love JavaScript") );
console.log( regex.test("I love Regular Expression") );
// => true
// => true

3.5. 相关案例

3.5.1. 字符串 trim 方法模拟

trim方法是去掉字符串的开头和结尾的空白符。

let reg =/^\s+|\s+$/g;
let str = " 123 ";
console.log(str);
let newStr = str.replace(reg, '');
console.log(newStr);
// =>

3.5.2. 将每个单词的首字母转换为大写

function titleize (str) {
  return str.toLowerCase().replace(/(?:^|\s)\w/g, function (c) {
  return c.toUpperCase();
  });
}
console.log( titleize('my name is epeli') );
// => "My Name Is Epeli"

3.5.3. 驼峰化

function camelize (str) {
  return str.replace(/[-_\s]+(.)?/g, function (match, c) {
    console.log('match', match, 'c', c);
    return c ? c.toUpperCase() : '';
  });
}
console.log( camelize('-moz-transform') );
// match -m c m
// match -t c t
// => "MozTransform"

其中分组 (.) 表示首字母。单词的界定是，前面的字符可以是多个连字符、下划线以及空白符。

正则后面的 ? 的目的，是为了应对 str 尾部的字符可能不是单词字符，比如 str 是 '-moz-transform '。

3.5.4. 中划线化

function dasherize (str) {
  return str.replace(/([A-Z])/g, '-$1').replace(/[-_\s]+/g, '-').toLowerCase();
}
console.log( dasherize('MozTransform') );
// => "-moz-transform"

3.5.6. 匹配成对标签

要求匹配：

<title>regular expression</title>
<p>laoyao bye bye</p>

不匹配：

<title>wrong!</p>

// 匹配一个开标签，可以使用正则 <[^>]+>，
// 匹配一个闭标签，可以使用 <\/[^>]+>，
// 但是要求匹配成对标签，那就需要使用反向引用，如：

var regex = /<([^>]+)>[\d\D]*<\/\1>/;
var string1 = "<title>regular expression</title>";
var string2 = "<p>laoyao bye bye</p>";
var string3 = "<title>wrong!</p>";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // false