正则表达式之子表达式与分组替换

参考地址

一、正则表达式元字符

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，’n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 '\\' 匹配 “\” 而 "\(" 则匹配 “(“。
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 “do” 或 “does” 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。'o{1,}' 等价于 ‘o+’。'o{0,}' 则等价于 ‘o*’。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 “fooooood” 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 “oooo”，'o+?' 将匹配单个 “o”，而 'o+' 将匹配所有 ‘o’。
.	匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用像`"(.
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 0…0…9 属性。要匹配圆括号字符，请使用 ‘(’ 或 ‘)’。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (|) 来组合一个模式的各个部分是很有用。例如， `'industr(?:y
(?=pattern)	正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，`"Windows(?=95
(?!pattern)	正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如`"Windows(?!95
(?<=pattern)	反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，”`(?<=95
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如”`(?<!95
`x	y`
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 “plain” 中的 ‘a’。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 “plain” 中的’p’、’l’、’i’、’n’。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。'er\B' 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [\f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\W	匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 “A”。'\x041' 则等价于 '\x04' & “1”。正则表达式中可以使用 ASCII 编码。
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

注：关于\转义字符的使用，在Java语言中需要使用\\表示转义字符，其他语言中使用\表示。例如，任意十进制数字，这个正则表达式在其他语言中为\d，而在Java中为\\d。

一、子表达式

子表达式必须出现在(和)之间，(和)是正则表达式元字符，如果需要匹配(和)需要使用\(和\)。

例一：匹配源字符串文本中的IP地址

源字符串：

Ping hog.forta.com [12.159.46.200]
with 32 bytes of data:

IP地址是以.号分隔的四组数字，每组数字可以包含1-3个数字，正则表达式为\d{1,3}，如果不使用子表达式，我们的正则表达式可以写成如下：

\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}

我们可以看到上面的正则表达式中，\d{1,3}\.多次出现在表达式中，这时就可以使用子表达式对其进行分组，如下：

(\d{1,3}\.){3}\d{1,3}

这个表达式说明分组(\d{1,3}\.)将出现三次，最后的\d{1,3}表示以1-3位数字结尾。

二、子表达式嵌套

上面我们写的匹配IP正则表达式并不完全匹配，因为IP地址的每组数字必须在0-255之内，而我们的正则表达式完全可以匹配，超出255以外的数字。

我们再来看看上面的例子如何写出一个能匹配有效IP地址的正则表达式，首先要知道一个有效的IP地址的规则，IP地址的每组数字必须符合以下规则(下面每个规则之间为||的关系)：

• 任意的 1 位或 2 位数字。\d{1,2}
• 任意的以 1 开头的 3 位数字。1\d{2}
• 任意以 2 开头的，第二位数字在0-4之间的3位数字。2[0-4]\d
• 任意以25开头的，第三位数字在0-5之间的3位数字。25[0-5]

由此我们可以用子表达式写出正则表达式，

((\d{1,2}||1\d{2}||2[0-4]\d||25[0-5])\.){3}(\d{1,2}||1\d{2}||2[0-4]\d||25[0-5])

通过子表达式分组嵌套，我们写出了可以匹配有效IP的正则表达式。

三、子表达式引用和替换

在使用子表达式的正则表达式中，有一种很有用的特性-反向引用。要理解反向引用首先得了解捕获组的概念；前面介绍子表达式时候我们知道子表达式必须出现在(和)之间，我们也把(和)的内容称为一个捕获组，正则表达式引擎会记住捕获组所匹配的内容，我们在后续的正则表达式中可以通过\1这样的符号引用这个捕获组1匹配的内容。当正则表达式中有多个分组时，序号从1开始，\1、\2、\3、…分别表示捕获组1、捕获组2、捕获组3、…匹配的内容。除了使用捕获组序号进行引用外，还可以使用命名捕获组。命名捕获组可以直接使用组名进行引用\name。

普通捕获组：(表达式内容)

命名捕获组：(?<捕获组名>表达式内容)

例二：使用捕获组正则表达式匹配日期字符串：2019-04-30

普通捕获组：([0-9]{4})-([0-9]{2})-([0-9]{2})，引用分组：\1代表捕获组([0-9]{4}),\2代表捕获组([0-9]{2}),\3代表捕获组([0-9]{2})。

命名捕获组：(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{2})，引用分组：\year代表捕获组([0-9]{4}),month代表捕获组([0-9]{2}),day代表捕获组([0-9]{2})。

列二：将字符串John Bull替换为John - Bull

普通捕获分组：

let str = "John Bull";
let regexp = /(\w+) (\w+)/;

alert( str.replace(regexp, '$2 - $1') ); // Bull - John

命名捕获分组：

let str = "John Bull";
let regexp = /(?<firstName>\w+) (?<lastName>\w+)/;

alert( str.replace(regexp, '$firstName - $lastName') ); // Bull - John

注：关于正则表达式的引用，每种语言的正则表达式引擎所实现的方式不一样，并不一定使用\1的方式引用，例如JavaScript中使用 $1的方式引用。