Javascript 正则05- 正则表达式的拆分

正则表达式

正则表达式是匹配模式，要么匹配字符，要么匹配位置

正则表达式的拆分

从读和写角度来校验对一个门语言的掌握程度。

如何能正确地将一大串正则拆分成 一块一块的，成为了破解 ‘天书’的关键

主要内容

1. 结构和操作符
2. 注意要点
3. 案例分析

1. 结构和操作符

编程语言一般都会有操作符。只要有操作符就会产生一个问题，当一大堆操作符在一起的时候，先操作谁，后操作谁？ 为了不产生歧义（冲突）需要语言本身定义好操作顺序，即运算符的优先级。

正则表达式中，操作符都体现在结构中，即由特殊字符和普通字符所代表的一个一个特殊整体。

js正则中，都有哪些结构呢？

1. 字面量： 匹配一个具体的字符，包括需要转义的和不需要转义的。如： /a/;/\./;/1/
2. 字符组：匹配一个字符，可以有多种可能。 如： [0-9]; \D
3. 量词： 匹配一个字符连续出现的次数。 如： /a{1,3}/
4. 锚点： 匹配一个位置，而不是字符。如： 6个锚字符^,$,\b,\B,(?=...),(?!...)
5. 分组： 用括号表示一个整体。如 (ab)+ ,非捕获分组： (?:ab)+
6. 分支： 多个子表达式，多选一。 如： ab|cd
7. 反向引用： 引用之前出现过的匹配子串。如： \2 表示引用第二个分组

其中涉及的操作符：

1. \
2. (...)
3. (?:...)
4. (?=...)
5. (?!...)
6. [...]
7. {m}
8. {m,n}
9. {m,}
10. ?
11. *
12. +
13. ^
14. $
15. 元字符
16. 一般字符
17. |

上面的操作符优先级从上至下，由高到低

一般记住： 分组（括号）优先级高，分支结构 优先级最低够用了

我们来分析一个正则：/ab?(c|de*)+|fg/

1. 由于括号存在， (c|de*) 是一个整体结构
2. 在 (c|de*) 中，注意其中的量词 * ， 因此 e* 是一个整体结构
3. 又因为分支结构 | 优先级最低，因此 c 是一个整体，而 de* 是一个整体
4. 同理， 整个正则分成了 a、b?、(...)+、f、g 而由于分支存在，又可以分成 ab?(c|de*)+ 和 fg 这两部分

2. 注意要点

关于结构和操作符， 有以下几点强调

2.1 匹配字符串整体问题

因为要匹配整个字符串，我们经常会在正则前后加上锚字符 ^ 和 $

比如要匹配字符串是 “abc” 和 “bcd” 时候，如不小心写错， 就会写成 /^abc|bcd$/

而位置字符和字符序列优先级高于 竖杠高，匹配结构变成了了: abc开头或者 bcd 结尾

应该修改成： /^(abc|bcd)$/

分组还有个作用是 提高运算优先级

2.2 量词连缀问题

假设，匹配如下的字符串：

1. 每个字符为 a, b, c 中任选一个 [abc]
2. 字符串的长度是 3 的倍数 {3}

想当然的实现/^[abc]{3}+$/

上述正则是错误的，正确写法为 ： /^([abc]{3})+$/, 需要使用分组来表示分组字符连续出现

2.3 元字符的转义问题

所谓的元字符， 就是正则中有特殊含义的字符。

所有结构中用到的元字符如下：

1. ^
2. $
3. .
4. *
5. +
6. ?
7. |
8. \
9. /
10. (
11. )
12. {
13. }
14. [
15. ]
16. =
17. !
18. :
19. -
20. ,

当匹配上述字符本身时候，可以一律使用转义

其中，在字符串中转义符号 \ 在使用的是时候需要转义的。

是不是每个字符都需要转义呢？ 否， 是否需要转义看情况

一般情况下， 会引起歧义的地方，元字符使用的时候需要转义

如： 匹配 [abc] 这个字符串, /\[abc]/

2.3.1 其余情况

Note: () 需要前后都转义的

=!:-, 等符号，只要不在特殊结构中，都是不需要转义的

^.*+?$ 只要不在字符组内，都是需要转义的

3. 案例分析

3.1 身份证

正则表达式： /^(\d{15}|\d{17}[\dxX])$/

因为 竖杠 ‘|’ 优先级最低， 所以正则被分成了两部分， \d{15} 和 \d{17}[\dXx]

3.2 IPV4 地址

正则表达式： /^((0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])\.){3}((0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5]))$/

这个正则看起来吓人，仔细观察后，得到如下结构：

((..)\.){3}(...)

上述： (...) 是一样的结构，表示一个三位数字。

下面分析： (...) 结构

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

这是一个多选分支结构，分成 5 个部分：

1. 0{0,2}\d : 匹配一位数，包括 0 补齐。 比如： 0, 09 ,009
2. 0?\d{2}: 匹配两位数， 包括 0 补齐。也包括一位数。
3. 1\d{2}: 匹配： 100-199
4. 2[0-4]\d: 匹配： 200-249
5. 25[0-5]: 匹配： 250 - 255

ipv4 案例给我启示如下：

1. 通过分支结构来罗列各种情况，一般就可以满足 正确性
2. 在 step2 中， 也包含了 step1 中的部分情况（也就是说有交集）
3. 一位数，两位数以及对应补全零的情况有可以使用

小结

1. 竖杠（分支结构）优先级最低，即最后运算
2. 关于元字符是否转义问题， 不确定是否转义的时候，尽管去转义，总之，不会错的。