第五章 正则表达式的拆分
5.1. 结构和操作符
编程语言一般都有操作符。只要有操作符,就会出现一个问题。
当一大堆操作在一起时,先操作谁,又后操 作谁呢?
为了不产生歧义,就需要语言本身定义好操作顺序,即所谓的优先级。
上面操作符的优先级从上至下,由高到低。
5.2. 注意要点
关于结构和操作符,还是有几点需要强调:
5.2.1 匹配字符串整体问题
因为是要匹配整个字符串,我们经常会在正则前后中加上锚 ^ 和 $。
比如要匹配目标字符串 “abc” 或者 “bcd” 时,如果一不小心,就会写成 /^abc|bcd$/。
而位置字符和字符序列优先级要比竖杠高,
应该修改成 /^(abc|bcd)$/
。
5.2.2 量词连缀问题
假设,要匹配这样的字符串:
1 每个字符为 "a、“b”、“c” 任选其一,
2 字符串的长度是 3 的倍数。
此时正则不能想当然地写成 /1{3}+$/,这样会报错,说 + 前面没什么可重复的:
此时要修改成:/^([abc]{3})+$/
5.2.3 元字符转义问题
所谓元字符,就是正则中有特殊含义的字符。
所有结构里,用到的元字符总结如下:
^、$、.、*、+、?、|、\、/、(、)、[、]、{、}、=、!、:、- ,
当匹配上面的字符本身时,可以一律转义:
var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,/;
console.log( regex.test(string) );
// => true
其中 string 中的 \ 字符也要转义的。
5.2.3.1. 匹配 “[abc]” 和 “{3,5}”
我们知道 [abc],是个字符组。如果要匹配字符串 “[abc]” 时,该怎么办?
可以写成 /\[abc\]/,
,也可以写成 /\[abc]/
,
括号需要前后都转义的,如 /(123)/。
5.3. 案例分析
接下来分析两个例子,一个简单的,一个复杂的。
5.3.1 身份证
正则表达式是: /^(\d{15}|\d{17}[\dxX])$/
因为竖杠 | 的优先级最低,所以正则分成了两部分 \d{15} 和 \d{17}[\dxX]。
\d{15} 表示 15 位连续数字。
\d{17}[\dxX] 表示 17 位连续数字,最后一位可以是数字,可以大小写字母 “x”。
第七章 正则表达式编程
7.1. 正则表达式的四种操作
正则表达式是匹配模式,不管如何使用正则表达式,万变不离其宗,都需要先“匹配”。
有了匹配这一基本操作后,才有其他的操作:验证、切分、提取、替换。
7.1.1. 验证
验证是正则表达式最直接的应用,比如表单验证。
在说验证之前,先要说清楚匹配是什么概念。
所谓匹配,就是看目标字符串里是否有满足匹配的子串。因此,“匹配”的本质就是“查找”。
有没有匹配,是不是匹配上,判断是否的操作,即称为“验证”。
比如,判断一个字符串中是否有数字。
//1. 使用 search:
var regex = /\d/;
var string = "abc123";
console.log( !!~string.search(regex) );
// => true
// 2. 使用 test:
var regex = /\d/;
var string = "abc123";
console.log( regex.test(string) );
// => true
//3. 使用 match:
var regex = /\d/;
var string = "abc123";
console.log( !!string.match(regex) );
// => true
// 4使用 exec:
var regex = /\d/;
var string = "abc123";
console.log( !!regex.exec(string) );
// => true
其中,最常用的是 test。
7.1.2. 切分
匹配上了,我们就可以进行一些操作,比如切分。
所谓“切分”,就是把目标字符串,切成一段一段的。在 JavaScript 中使用的是 split。
比如,目标字符串是 “html,css,javascript”,按逗号来切分:
var regex = /,/;
var string = "html,css,javascript";
console.log( string.split(regex) );
// => ["html", "css", "javascript"]
又比如,如下的日期格式:
2017/06/26
2017.06.26
2017-06-26
可以使用 split “切出”年月日:
var regex = /\D/;
console.log( "2017/06/26".split(regex) );
console.log( "2017.06.26".split(regex) );
console.log( "2017-06-26".split(regex) );
// => ["2017", "06", "26"]
// => ["2017", "06", "26"]
// => ["2017", "06", "26"]
7.1.3. 提取
虽然整体匹配上了,但有时需要提取部分匹配的数据。
此时正则通常要使用分组引用(分组捕获)功能,还需要配合使用相关 API。
这里,还是以日期为例,提取出年月日。注意下面正则中的括号:
// 使用 match:
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
console.log( string.match(regex) );
// =>["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"]
// 使用 exec:
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
console.log( regex.exec(string) );
// =>["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"]
// 使用 test
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
regex.test(string);
console.log( RegExp.$1, RegExp.$2, RegExp.$3 );
// => "2017" "06" "26"
// 使用 search:
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
string.search(regex);
console.log( RegExp.$1, RegExp.$2, RegExp.$3 );
// => "2017" "06" "26"
//使用 replace:
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
var date = [];
string.replace(regex, function (match, year, month, day) {
// 回调函数参数 可选为["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"]
date.push(year, month, day);
});
console.log(date);
// => ["2017", "06", "26"]
其中,最常用的是 match。
#### 7.1.4. 替换
找,往往不是目的,通常下一步是为了替换。
在 JavaScript 中,使用 replace 进行替换。
比如把日期格式,从 yyyy-mm-dd 替换成 yyyy/mm/dd:
var string = "2017-06-26";
var today = new Date( string.replace(/-/g, "/") );
console.log( today );
// => Mon Jun 26 2017 00:00:00 GMT+0800 (中国标准时间)
这里只是简单地应用了一下 replace。但,replace 方法很是强大的,是需要重点掌握的。
### 7.2. 相关 API 注意要点
从上面可以看出用于正则操作的方法,共有 6 个,字符串实例 4 个,正则实例 2 个:
String#search
String#split
String#match
String#replace
RegExp#test
RegExp#exec
7.2.1. search 和 match 的参数问题
我们知道字符串实例的那 4 个方法参数都支持正则和字符串。
但 search 和 match,会把字符串转换为正则的。
var string = "2017.06.27";
console.log( string.search(".") );
// => 0
//需要修改成下列形式之一
console.log( string.search("\\.") );
console.log( string.search(/\./) );
// => 4
// => 4
console.log( string.match(".") );
// => ["2", index: 0, input: "2017.06.27"]
//需要修改成下列形式之一
console.log( string.match("\\.") );
console.log( string.match(/\./) );
// => [".", index: 4, input: "2017.06.27"]
// => [".", index: 4, input: "2017.06.27"]
console.log( string.split(".") );
// => ["2017", "06", "27"]
console.log( string.replace(".", "/") );
// => "2017/06.27"
7.2.2. match 返回结果的格式问题
match 返回结果的格式,与正则对象是否有修饰符 g 有关。
var string = "2017.06.27";
var regex1 = /\b(\d+)\b/;
var regex2 = /\b(\d+)\b/g;
console.log( string.match(regex1) );
console.log( string.match(regex2) );
// => ["2017", "2017", index: 0, input: "2017.06.27"]
// => ["2017", "06", "27"]
没有 g,返回的是标准匹配格式,即,数组的第一个元素是整体匹配的内容,接下来是分组捕获的内容,
然 后是整体匹配的第一个下标,最后是输入的目标字符串。 有 g,返回的是所有匹配的内容。
当没有匹配时,不管有无 g,都返回 null。
7.2.3. exec 比 match 更强大
当正则没有 g 时,使用 match 返回的信息比较多。但是有 g 后,就没有关键的信息 index 了。 而 exec 方法就能解决这个问题,它能接着上一次匹配后继续匹配:
var string = "2017.06.27";
var regex2 = /\b(\d+)\b/g;
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
// => ["2017", "2017", index: 0, input: "2017.06.27"]
// => 4
// => ["06", "06", index: 5, input: "2017.06.27"]
// => 7
// => ["27", "27", index: 8, input: "2017.06.27"]
// => 10
// => null
// => 0
其中正则实例 lastIndex 属性,表示下一次匹配开始的位置。
比如第一次匹配了 “2017”,开始下标是 0,共 4 个字符,因此这次匹配结束的位置是 3,下一次开始匹配 的位置是 4。
从上述代码看出,在使用 exec 时,经常需要配合使用 while 循环:
var string = "2017.06.27";
var regex2 = /\b(\d+)\b/g;
var result;
while ( result = regex2.exec(string) ) {
console.log( result, regex2.lastIndex );
}
// => ["2017", "2017", index: 0, input: "2017.06.27"] 4
// => ["06", "06", index: 5, input: "2017.06.27"] 7
// => ["27", "27", index: 8, input: "2017.06.27"] 10
7.2.4. 修饰符 g,对 exex 和 test 的影响
上面提到了正则实例的 lastIndex 属性,表示尝试匹配时,从字符串的 lastIndex 位开始去匹配。
字符串的四个方法,每次匹配时,都是从 0 开始的,即 lastIndex 属性始终不变。
而正则实例的两个方法 exec、test,当正则是全局匹配时,每一次匹配完成后,都会修改 lastIndex。下面 让我们以 test 为例,看看你是否会迷糊:
var regex = /a/g;
console.log( regex.test("a"), regex.lastIndex );
console.log( regex.test("aba"), regex.lastIndex );
console.log( regex.test("ababc"), regex.lastIndex );
// => true 1
// => true 3
// => false 0
注意上面代码中的第三次调用 test,因为这一次尝试匹配,开始从下标 lastIndex,即 3 位置处开始查 找,自然就找不到了。
如果没有 g,自然都是从字符串第 0 个字符处开始尝试匹配
var regex = /a/;
console.log( regex.test("a"), regex.lastIndex );
console.log( regex.test("aba"), regex.lastIndex );
console.log( regex.test("ababc"), regex.lastIndex );
// => true 0
// => true 0
// => true 0
7.2.5. test 整体匹配时需要使用 ^ 和 $
这个相对容易理解,因为 test 是看目标字符串中是否有子串匹配正则,即有部分匹配即可。
如果,要整体匹配,正则前后需要添加开头和结尾:
console.log( /123/.test("a123b") );
// => true
console.log( /^123$/.test("a123b") );
// => false
console.log( /^123$/.test("123") );
// => true
7.2.6. split 相关注意事项
split 方法看起来不起眼,但要注意的地方有两个的。
第一,它可以有第二个参数,表示结果数组的最大长度:
var string = "html,css,javascript";
console.log( string.split(/,/, 2) );
// =>["html", "css"]
第二,正则使用分组时,结果数组中是包含分隔符的:
var string = "html,css,javascript";
console.log( string.split(/(,)/) );
// =>["html", ",", "css", ",", "javascript"]
7.2.7. replace 是很强大的
replace 有两种使用形式,这是因为它的第二个参数,可以是字符串,也可以是函数。
当第二个参数是字符串时,如下的字符有特殊的含义:
例如,把 “2,3,5”,变成 “5=2+3”:
var result = "2,3,5".replace(/(\d+),(\d+),(\d+)/, "$3=$1+$2");
console.log(result);
// => "5=2+3"
又例如,把 “2,3,5”,变成 “222,333,555”:
var result = "2,3,5".replace(/(\d+)/g, "$&$&$&");
console.log(result);
// => "222,333,555"
再例如,把 “2+3=5”,变成 “2+3=2+3=5=5”:
var result = "2+3=5".replace(/=/, "$&$`$&$'$&");
console.log(result);
// => "2+3=2+3=5=5"
我们对最后这个进行一下说明。要把 “2+3=5”,变成 “2+3=2+3=5=5”,其实就是想办法把 = 替换成 =2+3=5=,
其中,$& 匹配的是 =, ‘ 匹 配 的 是 2 + 3 , ` 匹配的是 2+3, ‘匹配的是2+3,’ 匹配的是 5。因此使用 “KaTeX parse error: Expected 'EOF', got '&' at position 1: &̲`KaTeX parse error: Expected 'EOF', got '&' at position 1: &̲’$&” 便达成了 目的。
当第二个参数是函数时,我们需要注意该回调函数的参数具体是什么:
"1234 2345 3456".replace(/(\d)\d{2}(\d)/g, function (match, $1, $2, index, input) {
console.log([match, $1, $2, index, input]);
});
// => ["1234", "1", "4", 0, "1234 2345 3456"]
// => ["2345", "2", "5", 5, "1234 2345 3456"]
// => ["3456", "3", "6", 10, "1234 2345 3456"]
此时我们可以看到 replace 拿到的信息,并不比 exec 少。
7.2.8. 使用构造函数需要注意的问题
一般不推荐使用构造函数生成正则,而应该优先使用字面量。因为用构造函数会多写很多 \。
var string = "2017-06-27 2017.06.27 2017/06/27";
var regex = /\d{4}(-|\.|\/)\d{2}\1\d{2}/g;
console.log( string.match(regex) );
// => ["2017-06-27", "2017.06.27", "2017/06/27"]
regex = new RegExp("\\d{4}(-|\\.|\\/)\\d{2}\\1\\d{2}", "g");
console.log( string.match(regex) );
// => ["2017-06-27", "2017.06.27", "2017/06/27"]
7.2.9. 修饰符
ES5 中修饰符,共 3 个:
当然正则对象也有相应的只读属性:
var regex = /\w/img;
console.log( regex.global );
console.log( regex.ignoreCase );
console.log( regex.multiline );
// => true
// => true
// => true
#### 7.2.10. source 属性
正则实例对象属性,除了 global、ingnoreCase、multiline、lastIndex 属性之外,还有一个 source 属性。
它什么时候有用呢? 比如,在构建动态的正则表达式时,可以通过查看该属性,来确认构建出的正则到底是什么:
var className = "high";
var regex = new RegExp("(^|\\s)" + className + "(\\s|$)");
console.log( regex.source )
// => (^|\s)high(\s|$) 即字符串"(^|\\s)high(\\s|$)"
#### 7.2.11. 构造函数属性
构造函数的静态属性基于所执行的最近一次正则操作而变化。
除了是 $1,…,$9 之外,还有几个不太常用的 属性(有兼容性问题):
测试代码如下:
var regex = /([abc])(\d)/g;
var string = "a1b2c3d4e5";
string.match(regex);
console.log( RegExp.input );
console.log( RegExp["$_"]);
// => "a1b2c3d4e5"
console.log( RegExp.lastMatch );
console.log( RegExp["$&"] );
// => "c3"
console.log( RegExp.lastParen );
console.log( RegExp["$+"] );
// => "3"
console.log( RegExp.leftContext );
console.log( RegExp["$`"] );
// => "a1b2"
console.log( RegExp.rightContext );
console.log( RegExp["$'"] );
// => "d4e5"
7.3. 真实案例
7.3.1. 使用构造函数生成正则表达式
我们知道要优先使用字面量来创建正则,但有时正则表达式的主体是不确定的,此时可以使用构造函数来创 建
模拟 getElementsByClassName 方法,就是很能说明该问题的一个例子。
这里 getElementsByClassName 函数的实现思路是:
比如要获取 className 为 “high” 的 dom 元素;
首先生成一个正则:/(^|\s)high(\s|$)/,
然后再用其逐一验证页面上的所有dom元素的类名,拿到满足匹配的元素即可。
<p class="high">1111</p>
<p class="high">2222</p>
<p>3333</p>
<script>
function getElementsByClassName (className) {
var elements = document.getElementsByTagName("*");
var regex = new RegExp("(^|\\s)" + className + "(\\s|$)");
var result = [];
for (var i = 0; i < elements.length; i++) {
var element = elements[i];
if (regex.test(element.className)) {
result.push(element)
}
}
return result;
}
var highs = getElementsByClassName('high');
highs.forEach(function (item) {
item.style.color = 'red';
});
</script>
7.3.2. 使用字符串保存数据
一般情况下,我们都愿意使用数组来保存数据。但我看到有的框架中,使用的却是字符串
使用时,仍需要把字符串切分成数组。虽然不一定用到正则,但总感觉酷酷的,这里分享如下:
var utils = {};
"Boolean|Number|String|Function|Array|Date|RegExp|Object|Error".split("|").forEach(fun
ction (item) {
utils["is" + item] = function (obj) {
return {}.toString.call(obj) == "[object " + item + "]";
};
});
console.log( utils.isArray([1, 2, 3]) );
// => true
7.3.3. if 语句中使用正则替代 &&
比如,模拟 ready 函数,即加载完毕后再执行回调(不兼容 IE 的):
var readyRE = /complete|loaded|interactive/;
function ready (callback) {
if (readyRE.test(document.readyState) && document.body) {
callback()
}
else {
document.addEventListener(
'DOMContentLoaded',
function () {
callback()
},
false
);
}
};
ready(function () {
alert("加载完毕!")
});
7.3.4. 使用强大的 replace
function compress (source) {
var keys = {};
source.replace(/([^=&]+)=([^&]*)/g, function (full, key, value) {
keys[key] = (keys[key] ? keys[key] + ',' : '') + value;
});
var result = [];
for (var key in keys) {
result.push(key + '=' + keys[key]);
}
return result.join('&');
}
console.log( compress("a=1&b=2&a=3&b=4") );
// => "a=1,3&b=2,4"
文章参考原地址: https://zhuanlan.zhihu.com/p/29707385
abc ↩︎