正则表达式与其匹配规则

1. 字面量字符和元字符

   大部分字符在正则表达式中,就是字面的含义,比如 /a/ 匹配 a , 就像这种,字符只表示它字面的含义,那么它们就叫做”字面量字符”

   /dog/.test(‘old dog’) // true

   除了字面量字符以外,还有一部分字符有特殊含义,不代表字面的意思,被称为元字符,主要有以下几个:

   (1) 点字符 (.)

   点字符匹配 除了回车(\r) 换行(\n) 分隔符(\u2028) 和段分隔符 (\u2029) 以外的所有字符.但是对于码点大于0xFFFF字符,点字符不能正确匹配,会认为是两个字符.

   (2) 位置字符

   位置字符用来提示字符所处的位置,主要有两个字符

   • ^ 表示字符串的开始位置

   • $ 表示字符串的结束位置

     /^text/.test(’text123’) // true
     /text$/.test(‘123text’) // true
     /^text$/.test(’text’)  // true
     

   (3) 选择符(|)

   在正则表达式中表示”或关系"(OR),也就是 cat|dog 表示匹配cat 或者 dog

   其它的元字符还包括

   \  \* +  ?  () [] {} 等
   

2. 转义字符

   正则表达式中对于上面那些元字符来说,如果匹配它们本身,就需要在它们前面加上反斜杠.比如要匹配+ 就要写成 \+

   /1+1/.test('1+1') //false
   /1\+1/.test('1+1') //true
   

   正则表达式中，需要反斜杠转义的，一共有12个字符：^、.、[、$、(、)、|、*、+、?、{和\。需要特别注意的是，如果使用RegExp方法生成正则对象，转义需要使用两个斜杠，因为字符串内部会先转义一次。

3. 特殊字符

   正则表达式对一些不能打印的特殊字符，提供了表达方法。

   • \cX 表示Ctrl-[X]，其中的X是A-Z之中任一个英文字母，用来匹配控制字符。
   • [\b] 匹配退格键(U+0008)，不要与\b混淆。
   • \n 匹配换行键。
   • \r 匹配回车键。
   • \t 匹配制表符 tab（U+0009）。
   • \v 匹配垂直制表符（U+000B）。
   • \f 匹配换页符（U+000C）。
   • \0 匹配null字符（U+0000）。
   • \xhh 匹配一个以两位十六进制数（\x00-\xFF）表示的字符。
   • \uhhhh 匹配一个以四位十六进制数（\u0000-\uFFFF）表示的 Unicode 字符。

4. 字符类

   字符类 (class) 表示有一系列字符可供选择,只要匹配其中一个就可以了,所有可供选择的字符都放在方括号内,比如 [xyz] 表示x,y,z 任何一个匹配上就行.

   /[abc]/.test('hello world') //false
   /[abc]/.test('apple')  //true
   

   有两个字符在字符类中有特殊含义

   (1) 脱字符 (^)

   如果[ ] 内的第一个字符是 ^,则表示除了字符类这中的字符,其它字符都可以匹配. 比如

   [^xyz] 表示除了 x y z 之外都算匹配成功
   

   /[^abc]/.test('bbc news') //true
   //bbc news 包含除了abc之外的字符,所以匹配成功
   /[^abc]/.test('bbc') //false
   //bbc 中不包含除了abc之外的字符,匹配失败
   

   如果[ ]内没有其它字符 ,只有[^],就表示匹配一切字符,包括换行符,相比之下,点字符是不能匹配换行符的.

   另外 脱字符(^)只有在字符类的第一个位置才有特殊含义,否则就是字面含义.

   （2）连字符（-）

   某些情况下，对于连续序列的字符，连字符（-）用来提供简写形式，表示字符的连续范围。比如，[abc]可以写成[a-c]，[0123456789]可以写成[0-9]，同理[A-Z]表示26个大写字母。

   /a-z/.test('b') // false
   /[a-z]/.test('b') // true
   

   上面代码中，当连字号（dash）不出现在方括号之中，就不具备简写的作用，只代表字面的含义，所以不匹配字符b。只有当连字号用在方括号之中，才表示连续的字符序列。

5. 预定义模式

   指的是某些常见模式的简写方式.

   • \d 匹配0-9之间的任一数字 相当于[0-9]
   • \D 匹配所有0-9以外的字符 相当于[ ^0-9]
   • \w 匹配任意的字母/数字和下划线,相当于 [A-Za-z0-9_]
   • \W 匹配除了字母数字下划线以外的字符 相当于[ ^A-Za-z0-9_]
   • \s 匹配空格(包括换行符 制表符 空格符等),相当于[ \t\r\n\v\f]
   • \S 匹配非空格字符 相当于[ ^ \t\r\n\v\f]
   • \b 匹配词的边界
   • \B 匹配词的非边界,即在词的内部

6. 重复类

   模式的精确匹配次数,使用大括号{}表示 ,{n}表示恰好重复n次,{n,}表示至少重复n次,{n,m}表示不少于n次,不多于m次.

   /lo{2}k/.test('look') //true
   /lo{2,5}k/.test('looook') //true
   

7. 量词符

   量词符用来设定某个模式出现的次数,是重复类的简写

   • ? 表示某个模式出现0次或1次 {0,1}

   • * 表示某个模式出现0次或多次 {0,}

   • + 表示某个模式出现1次或多次 {1,}

     // t 出现0次或1次
     /t?est/.test('test') // true
     /t?est/.test('est') // true
     
     // t 出现1次或多次
     /t+est/.test('test') // true
     /t+est/.test('ttest') // true
     /t+est/.test('est') // false
     
     // t 出现0次或多次
     /t*est/.test('test') // true
     /t*est/.test('ttest') // true
     /t*est/.test('tttest') // true
     /t*est/.test('est') // true
     
     

8. 贪婪模式

   上面三个量词符默认情况下都是最大可能匹配,直到匹配到不能匹配为止,这称为贪婪模式.

   如果要将贪婪模式改为非贪婪模式,可以在量词符后加一个?

   var s = 'aaa';
   s.match(/a+?/) //['a']
   
   

   一旦条件满足,就不再往下匹配.

   除了非贪婪模式的+ 还有非贪婪模式的* 和非贪婪模式的?

   • +? 表示某个模式出现1次或者多次,匹配时采用非贪婪模式
   • *? 表示某个模式出现0次或多次 ,匹配时采用非贪婪模式
   • ?? 表示某个模式出现0次或1次,匹配时采用非贪婪模式

9. 组匹配

   ( ) 表示分组匹配,括号中的模式可以用来匹配分组的内容

   /fred+/.test('fredd') //true
   /(fred)+/.test('fredfred') //true
   
   

   组匹配非常有用,下面是一个匹配网页标签的例子

   var tagName = /<([^>]+)>[^<]*<\/\1>/;
   tagName.exec("<b>bold</b>")[1]
   //b
   
   

   下面是捕获带有属性标签的代码

   var html='<b class="hello">Hello</b><i>world</i>';
   var tag = /<(\w+)([^>]*)>(.*?)<\/\1>/g;
   var match = tag.exec(html);
   match[1] //b
   match[2] //class=hello
   match[3] // Hello
   
   match = tag.exec(html);
   match[1] //i
   match[2] //""
   match[3] //world
   
   

   非捕获组

   (?:x) 称为非捕获组,表示不返回该组匹配的内容,匹配结果不计入这个括号

   有一个场景 : 需要匹配foo 或者 foofoo,正则写成/(foo){1,2}/

   这样写会占用一个组匹配,此时就可以使用非捕获组,将正则改为 /(?:foo){1,2}/ 作用一样,但是不会单独输出括号中的内容

   下面是用来分解网址的正则表达式。

   // 正常匹配
   var url = /(http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;
   
   url.exec('http://google.com/');
   // ["http://google.com/", "http", "google.com", "/"]
   
   // 非捕获组匹配
   var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;
   
   url.exec('http://google.com/');
   // ["http://google.com/", "google.com", "/"]
   
   

   上面的代码中，前一个正则表达式是正常匹配，第一个括号返回网络协议；后一个正则表达式是非捕获匹配，返回结果中不包括网络协议。

   （3）先行断言

   x(?=y)称为先行断言（Positive look-ahead），x只有在y前面才匹配，y不会被计入返回结果。比如，要匹配后面跟着百分号的数字，可以写成/\d+(?=%)/。

   “先行断言”中，括号里的部分是不会返回的。

   var m = 'abc'.match(/b(?=c)/);
   m // ["b"]
   
   

   上面的代码使用了先行断言，b在c前面所以被匹配，但是括号对应的c不会被返回。

   （4）先行否定断言

   x(?!y)称为先行否定断言（Negative look-ahead），x只有不在y前面才匹配，y不会被计入返回结果。比如，要匹配后面跟的不是百分号的数字，就要写成/\d+(?!%)/。

   /\d+(?!\.)/.exec('3.14')
   // ["14"]
   
   

   上面代码中，正则表达式指定，只有不在小数点前面的数字才会被匹配，因此返回的结果就是14。

   “先行否定断言”中，括号里的部分是不会返回的。

   var m = 'abd'.match(/b(?!c)/);
   m // ['b']
   
   

   上面的代码使用了先行否定断言，b不在c前面所以被匹配，而且括号对应的d不会被返回。

​