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
- 结构和操作符
- 注意要点
- 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?
- 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/
- 字符组:匹配一个字符,可以有多种可能。 如:
[0-9]; \D
- 量词: 匹配一个字符连续出现的次数。 如:
/a{1,3}/
- 锚点: 匹配一个位置,而不是字符。如: 6个锚字符
^,$,\b,\B,(?=...),(?!...)
- 分组: 用括号表示一个整体。如
(ab)+
,非捕获分组:(?:ab)+
- 分支: 多个子表达式,多选一。 如:
ab|cd
- 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:
\
(...)
(?:...)
(?=...)
(?!...)
[...]
{m}
{m,n}
{m,}
?
*
+
^
$
- 元字符
- 一般字符
|
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/
- 由于括号存在, (c|de*) 是一个整体结构
- 在 (c|de*) 中,注意其中的量词 * , 因此 e* 是一个整体结构
- 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
- 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:
- 每个字符为 a, b, c 中任选一个
[abc]
- 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:
- ^
- $
- .
- *
- +
- ?
- |
- \
- /
- (
- )
- {
- }
- [
- ]
- =
- !
- :
- -
- ,
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:
0{0,2}\d
: 匹配一位数,包括 0 补齐。 比如:0, 09 ,009
0?\d{2}
: 匹配两位数, 包括 0 补齐。也包括一位数。1\d{2}
: 匹配: 100-1992[0-4]\d
: 匹配: 200-24925[0-5]
: 匹配: 250 - 255
ipv4 案例给我启示如下:
- 通过分支结构来罗列各种情况,一般就可以满足 正确性
- 在 step2 中, 也包含了 step1 中的部分情况(也就是说有交集)
- 一位数,两位数以及对应补全零的情况有可以使用
小结
- 竖杠(分支结构)优先级最低,即最后运算
- 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。