深入了解正则表达式

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。<br>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。<br>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。<br>等效于 {0,1}。<br>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。<br>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。<br>o+? 只与“oooo”中的单个“o”匹配，而 o+ 与所有“o”匹配。<br>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。<br>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。<br>[^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。<br>等效于 [0-9]。	在搜索字符串“12345”中，\d{2} 与“12”和“34”匹配。<br> \d 与“1”、“2”、“3”、“4”和“5”匹配。
\D	非数字字符匹配。<br>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。<br>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。<br>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。<br>* 与 {0,} 相等。<br>+ 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。<br>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。<br>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。<br>^ 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。<br>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。<br>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。 <br>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。<br>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

http://www.williamlong.info/archives/433.html

转载于:https://my.oschina.net/flyfishbay/blog/1476133