正则表达式

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。