分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow
也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!
引言
亲爱的读者朋友,如果你点开了这篇文章,说明你对正则很感兴趣。
想必你也了解正则的重要性,在我看来正则表达式是衡量程序员水平的一个侧面标准。
关于正则表达式的教程,网上也有很多,相信你也看了一些。
与之不同的是,本文的目的是希望所有认真读完的童鞋们,都有实质性的提高。
本文内容共有七章,用JavaScript语言完整地讨论了正则表达式的方方面面。
如果觉得文章某块儿没有说明白清楚,欢迎留言,能力范围之内,老姚必做详细解答。
具体章节如下:
- 引言
- 第一章 正则表达式字符匹配攻略
- 第二章 正则表达式位置匹配攻略
- 第三章 正则表达式括号的作用
- 第四章 正则表达式回溯法原理
- 第五章 正则表达式的拆分
- 第六章 正则表达式的构建
- 第七章 正则表达式编程
- 后记
下面简单地说说每一章都讨论了什么?
正则是匹配模式,要么匹配字符,要么匹配位置。
第1章和第2章以这个角度去讲解了正则的基础。
在正则中可以使用括号捕获数据,要么在API中进行分组引用,要么在正则里进行反向引用。
这是第3章的主题,讲解了正则中括号的作用。
学习正则表达式,是需要了解其匹配原理的。
第4章,讲解了正则了正则表达式的回溯法原理。另外在第6章里,也讲解了正则的表达式的整体工作原理。
不仅能看懂别人的正则,还要自己会写正则。
第5章,是从读的角度,去拆分一个正则表达式,而第6章是从写的角度,去构建一个正则表达式。
学习正则,是为了在真实世界里应用的。
第7章讲解了正则的用法,和相关API需要注意的地方。
如何阅读本文?
我的建议是阅读两遍。第一遍,不求甚解地快速阅读一遍。阅读过程中遇到的问题不妨记录下来,也许阅读完毕后就能解决很多。然后有时间的话,再带着问题去精读第二遍。
深呼吸,开始我们的正则表达式旅程吧。我在终点等你。
第一章 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。请记住这句话。
然而关于正则如何匹配字符的学习,大部分人都觉得这块比较杂乱。
毕竟元字符太多了,看起来没有系统性,不好记。本章就解决这个问题。
内容包括:
- 两种模糊匹配
- 字符组
- 量词
- 分支结构
- 案例分析
1 两种模糊匹配
如果正则只有精确匹配是没多大意义的,比如/hello/
,也只能匹配字符串中的"hello"这个子串。
var regex = /hello/;console.log( regex.test("hello") ); // => true
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。
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/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:
var regex = /ab{2,5}c/g;var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";console.log( string.match(regex) ); // => ["abbc", "abbbc", "abbbbc", "abbbbbc"]
注意:案例中用的正则是/ab{2,5}c/g
,后面多了g
,它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。
1.2 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:
var regex = /a[123]b/g;var string = "a0b a1b a2b a3b a4b";console.log( string.match(regex) ); // => ["a1b", "a2b", "a3b"]
以上就是本章讲的主体内容,只要掌握横向和纵向模糊匹配,就能解决很大部分正则匹配问题。
接下来的内容就是展开说了,如果对此都比较熟悉的话,可以跳过,直接看本章案例那节。
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。
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。
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。
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。
\d
就是[0-9]
。表示是一位数字。记忆方式:其英文是digit(数字)。
\D
就是[^0-9]
。表示除数字外的任意字符。
\w
就是[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
是[^0-9a-zA-Z_]
。非单词字符。
\s
是[ \t\v\n\r\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 character的首字母。
\S
是[^ \t\v\n\r\f]
。 非空白符。
.
就是[^\n\r\u2028\u2029]
。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[\d\D]
、[\w\W]
、[\s\S]
和[^]
中任何的一个。
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。
3.1 简写形式
{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。
3.2 贪婪匹配和惰性匹配
看如下的例子:
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3要个。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(请看文章最后一个例子)。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,就不在往下尝试了。
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:
{m,n}?
{m,}?
??
+?
*?
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?
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"good"和"nice"可以使用/good|nice/
。测试如下:
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。
5. 案例分析
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。
下面找几个例子演练一下(其中,每个正则并不是只有唯一写法):
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:
var regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;var string = "#ffbbad #Fc01DF #FFF #ffE";console.log( string.match(regex) ); // => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]
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:
var regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;console.log( regex.test("23:59") ); console.log( regex.test("02:07") ); // => true// => true
如果也要求匹配7:9,也就是说时分前面的0可以省略。
此时正则变成:
var regex = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;console.log( regex.test("23:59") ); console.log( regex.test("02:07") ); console.log( regex.test("7:9") ); // => true// => true// => true
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:
var regex = /^[0-9]{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/;console.log( regex.test("2017-06-10") ); // => true
5.4 window操作系统文件路径
要求匹配:
F:\study\javascript\regex\regular expression.pdf
F:\study\javascript\regex\
F:\study\javascript
F:\
分析:
整体模式是: 盘符:\文件夹\文件夹\文件夹\
其中匹配F:\,需要使用[a-zA-Z]:\\
,其中盘符不区分大小写,注意\
字符需要转义。
文件名或者文件夹名,不能包含一些特殊字符,此时我们需要排除字符组[^\\:*<>|"?\r\n/]
来表示合法字符。另外不能为空名,至少有一个字符,也就是要使用量词+
。因此匹配“文件夹\”,可用[^\\:*<>|"?\r\n/]+\\
。
另外“文件夹\”,可以出现任意次。也就是([^\\:*<>|"?\r\n/]+\\)*
。其中括号提供子表达式。
路径的最后一部分可以是“文件夹”,没有\
,因此需要添加([^\\:*<>|"?\r\n/]+)?
。
最后拼接成了一个看起来比较复杂的正则:
var regex = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;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,JS中字符串表示\
时,也要转义。
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:
var regex = /id=".*"/var 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,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"
当然,这样也会有个问题。效率比较低,因为其匹配原理会涉及到“回溯”这个概念(这里也只是顺便提一下,第四章会详细说明)。可以优化如下:
var regex = /id="[^"]*"/var string = '<div id="container" class="main"></div>';console.log(string.match(regex)[0]); // => id="container"
第1章 小结
字符匹配相关的案例,挺多的,不一而足。
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,JS正则算是入门了。
第二章 正则表达式位置匹配攻略
正则表达式是匹配模式,要么匹配字符,要么匹配位置。请记住这句话。
然而大部分人学习正则时,对于匹配位置的重视程度没有那么高。
本章讲讲正则匹配位置的总总。
内容包括:
- 什么是位置?
- 如何匹配位置?
- 位置的特性
- 几个应用实例分析
1. 什么是位置呢?
位置是相邻字符之间的位置。比如,下图中箭头所指的地方:
2. 如何匹配位置呢?
在ES5中,共有6个锚字符:
^
$
\b
\B
(?=p)
(?!p)
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(/^|$/g, '#');console.log(result); // => "#hello#"
多行匹配模式时,二者是行的概念,这个需要我们的注意:
var result = "I\nlove\njavascript".replace(/^|$/gm, '#');console.log(result);/*#I##love##javascript#*/
2.2 \b和\B
\b
是单词边界,具体就是\w
和\W
之间的位置,也包括\w
和^
之间的位置,也包括\w
和$
之间的位置。
比如一个文件名是"[JS] Lesson_01.mp4"中的\b
,如下:
var result = "[JS] Lesson_01.mp4".replace(/\b/g, '#');console.log(result); // => "[#JS#] #Lesson_01#.#mp4#"
为什么是这样呢?这需要仔细看看。
首先,我们知道,\w
是字符组[0-9a-zA-Z_]
的简写形式,即\w
是字母数字或者下划线的中任何一个字符。而\W
是排除字符组[^0-9a-zA-Z_]
的简写形式,即\W
是\w
以外的任何一个字符。
此时我们可以看看"[#JS#] #Lesson_01#.#mp4#"中的每一个"#",是怎么来的。
- 第一个"#",两边是"["与"J",是
\W
和\w
之间的位置。 - 第二个"#",两边是"S"与"]",也就是
\w
和\W
之间的位置。 - 第三个"#",两边是空格与"L",也就是
\W
和\w
之间的位置。 - 第四个"#",两边是"1"与".",也就是
\w
和\W
之间的位置。 - 第五个"#",两边是"."与"m",也就是
\W
和\w
之间的位置。 - 第六个"#",其对应的位置是结尾,但其前面的字符"4"是
\w
,即\w
和$
之间的位置。
知道了\b
的概念后,那么\B
也就相对好理解了。
\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。
比如上面的例子,把所有\B
替换成"#":
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"
2.3 (?=p)和(?!p)
(?=p)
,其中p
是一个子模式,即p
前面的位置。
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,比如:
var result = "hello".replace(/(?!l)/g, '#');console.log(result); // => "#h#ell#o#"
二者的学名分别是positive lookahead和negative lookahead。
中文翻译分别是正向先行断言和负向先行断言。
ES6中,还支持positive lookbehind和negative lookbehind。
具体是(?<=p)
和(?<!p)
。
也有书上把这四个东西,翻译成环视,即看看右边或看看左边。
但一般书上,没有很好强调这四者是个位置。
比如(?=p)
,一般都理解成:要求接下来的字符与p
匹配,但不能包括p
的那些字符。
而在本人看来(?=p)
就与^
一样好理解,就是p
前面的那个位置。
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" + "";
也等价于:
"hello" == "" + "" + "hello"
因此,把/^hello$/
写成/^^hello$$$/
,是没有任何问题的:
var result = /^^hello$$$/.test("hello");console.log(result); // => true
甚至可以写成更复杂的:
var result = /(?=he)^^he(?=\w)llo$\b\b$/.test("hello");console.log(result); // => true
也就是说字符之间的位置,可以写成多个。
把位置理解空字符,是对位置非常有效的理解方式。
4. 相关案例
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。
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?
4.2.1 弄出最后一个逗号
使用(?=\d{3}$)
就可以做到:
var result = "12345678".replace(/(?=\d{3}$)/g, ',')console.log(result); // => "12345,678"
4.2.2 弄出所有的逗号
因为逗号出现的位置,要求后面3个数字一组,也就是\d{3}
至少出现一次。
此时可以使用量词+
:
var result = "12345678".replace(/(?=(\d{3})+$)/g, ',')console.log(result); // => "12,345,678"
4.2.3 匹配其余案例
写完正则后,要多验证几个案例,此时我们会发现问题:
var result = "123456789".replace(/(?=(\d{3})+$)/g, ',')console.log(result); // => ",123,456,789"
因为上面的正则,仅仅表示把从结尾向前数,一但是3的倍数,就把其前面的位置替换成逗号。因此才会出现这个问题。
怎么解决呢?我们要求匹配的到这个位置不能是开头。
我们知道匹配开头可以使用^
,但要求这个位置不是开头怎么办?
easy,(?!^)
,你想到了吗?测试如下:
var string1 = "12345678",string2 = "123456789";reg = /(?!^)(?=(\d{3})+$)/g;var result = string1.replace(reg, ',')console.log(result); // => "12,345,678"result = string2.replace(reg, ',');console.log(result); // => "123,456,789"
4.2.4 支持其他形式
如果要把"12345678 123456789"替换成"12,345,678 123,456,789"。
此时我们需要修改正则,把里面的开头^
和结尾$
,替换成\b
:
var string = "12345678 123456789",reg = /(?!\b)(?=(\d{3})+\b)/g;var result = string.replace(reg, ',')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
。
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。
此题,如果写成多个正则来判断,比较容易。但要写成一个正则就比较困难。
那么,我们就来挑战一下。看看我们对位置的理解是否深刻。
4.3.1 简化
不考虑“但必须至少包括2种字符”这一条件。我们可以容易写出:
var reg = /^[0-9A-Za-z]{6,12}$/;
4.3.2 判断是否包含有某一种字符
假设,要求的必须包含数字,怎么办?此时我们可以使用(?=.*[0-9])
来做。
因此正则变成:
var reg = /(?=.*[0-9])^[0-9A-Za-z]{6,12}$/;
4.3.3 同时包含具体两种字符
比如同时包含数字和小写字母,可以用(?=.*[0-9])(?=.*[a-z])
来做。
因此正则变成:
var reg = /(?=.*[0-9])(?=.*[a-z])^[0-9A-Za-z]{6,12}$/;
4.3.4 解答
我们可以把原题变成下列几种情况之一:
- 同时包含数字和小写字母
- 同时包含数字和大写字母
- 同时包含小写字母和大写字母
- 同时包含数字、小写字母和大写字母
以上的4种情况是或的关系(实际上,可以不用第4条)。
最终答案是:
var reg = /((?=.*[0-9])(?=.*[a-z])|(?=.*[0-9])(?=.*[A-Z])|(?=.*[a-z])(?=.*[A-Z]))^[0-9A-Za-z]{6,12}$/;console.log( reg.test("1234567") ); // false 全是数字console.log( reg.test("abcdef") ); // false 全是小写字母console.log( reg.test("ABCDEFGH") ); // false 全是大写字母console.log( reg.test("ab23C") ); // false 不足6位console.log( reg.test("ABCDEF234") ); // true 大写字母和数字console.log( reg.test("abcdEF234") ); // true 三者都有
4.3.5 解惑
上面的正则看起来比较复杂,只要理解了第二步,其余就全部理解了。
/(?=.*[0-9])^[0-9A-Za-z]{6,12}$/
对于这个正则,我们只需要弄明白(?=.*[0-9])^
即可。
分开来看就是(?=.*[0-9])
和^
。
表示开头前面还有个位置(当然也是开头,即同一个位置,想想之前的空字符类比)。
(?=.*[0-9])
表示该位置后面的字符匹配.*[0-9]
,即,有任何多个任意字符,后面再跟个数字。
翻译成大白话,就是接下来的字符,必须包含个数字。
4.3.6 另外一种解法
“至少包含两种字符”的意思就是说,不能全部都是数字,也不能全部都是小写字母,也不能全部都是大写字母。
那么要求“不能全部都是数字”,怎么做呢?(?!p)
出马!
对应的正则是:
var reg = /(?!^[0-9]{6,12}$)^[0-9A-Za-z]{6,12}$/;
三种“都不能”呢?
最终答案是:
var reg = /(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/;console.log( reg.test("1234567") ); // false 全是数字console.log( reg.test("abcdef") ); // false 全是小写字母console.log( reg.test("ABCDEFGH") ); // false 全是大写字母console.log( reg.test("ab23C") ); // false 不足6位console.log( reg.test("ABCDEF234") ); // true 大写字母和数字console.log( reg.test("abcdEF234") ); // true 三者都有
第二章小结
位置匹配相关的案例,挺多的,不一而足。
掌握匹配位置的这6个锚字符,给我们解决正则问题一个新工具。
第三章 正则表达式括号的作用
不管哪门语言中都有括号。正则表达式也是一门语言,而括号的存在使这门语言更为强大。
对括号的使用是否得心应手,是衡量对正则的掌握水平的一个侧面标准。
括号的作用,其实三言两语就能说明白,括号提供了分组,便于我们引用它。
引用某个分组,会有两种情形:在JavaScript里引用它,在正则表达式里引用它。
本章内容虽相对简单,但我也要写长点。
内容包括:
- 分组和分支结构
- 捕获分组
- 反向引用
- 非捕获分组
- 相关案例
1. 分组和分支结构
这二者是括号最直觉的作用,也是最原始的功能。
1.1 分组
我们知道/a+/
匹配连续出现的“a”,而要匹配连续出现的“ab”时,需要使用/(ab)+/
。
其中括号是提供分组功能,使量词+
作用于“ab”这个整体,测试如下:
var regex = /(ab)+/g;var string = "ababa abbb ababab";console.log( string.match(regex) ); // => ["abab", "ab", "ababab"]
1.2 分支结构
而在多选分支结构(p1|p2)
中,此处括号的作用也是不言而喻的,提供了子表达式的所有可能。
比如,要匹配如下的字符串:
I love JavaScript
I love Regular Expression
可以使用正则:
var regex = /^I love (JavaScript|Regular Expression)$/;console.log( regex.test("I love JavaScript") );console.log( regex.test("I love Regular Expression") );// => true// => true
如果去掉正则中的括号,即/^I love JavaScript|Regular Expression$/
,匹配字符串是"I love JavaScript"和"Regular Expression",当然这不是我们想要的。
2. 引用分组
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。
而要使用它带来的好处,必须配合使用实现环境的API。
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}/;
然后再修改成括号版的:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
为什么要使用这个正则呢?
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"]
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。(注意:如果正则是否有修饰符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"
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. 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";