第一章 正则表达式字符匹配
正则表达式是匹配模式,要么匹配字符,要么匹配位置
1 两种模糊匹配(横向模糊匹配与纵向模糊匹配)
如果正则表达式只有精准匹配是没有多大意义的,其也能实现模糊匹配。
横向模糊匹配
横向模糊是指,一个正则可匹配的字符串长度不固定,可以是多个情况,其出现方式是使用量词。譬如{m,n}
, 表示连续出现最少m次,最多n次。
例如/ab{2,5}c/
表示匹配字符串:第一个字符是"a",接下来是2-5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”。
纵向模糊匹配
纵向模糊是指,一个正则匹配的字符串,具体到某一位时,它可以不是某个确定的字符,有多种可能。其实现的方式是使用字符组。例如[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”。
var regex = /a[123]b/g;
var string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) );
// => ["a1b", "a2b", "a3b"]
2 字符组
2.1 范围表示法
如果字符组里的字符特别多的话,可以使用范围表示法。
例如[123456789abcdefGHIJKLM]
,可以写成[1-6a-fG-M]
。 用连字符-
来省略和缩写。因为连字符有特殊用途,要么匹配"a"、“-”、"z"这三者中任意一个字符,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,还有一种情形就说,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。
2.3 常见的简写形式
有字符组的概念后,一些常见符号就能理解了。因为都是系统自带的简写。
\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。
3.量词
量词也称重复。掌握{m,n}
的准确含义后,只需记住一些简写形式。
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
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。
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,就不继续尝试。通常情况下惰性匹配在量词后跟个?就能实现
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/
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"]
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。