前言
本文介绍一些正则中的常用名词以及对应概念,譬如字符组,捕获组、非捕获组、反向引用、转义和\s \b等
大纲
字符组
捕获组
反向引用
非捕获组
.、\s和\S
\b
\转义
字符组
[]字符组表示在同一个位置可能出现的各种字符,也就是说它的匹配结果只能是一个字符,不能是多个
例如[hello]匹配的不是hello而是h或e或l或o
特点
结果只会匹配一个字符
内部特殊字符无需转义\ [ ] 除外
另外,^出现在最开始位置时需要转义
-前后构成区间范围时需要转义(推荐永远使用转义\-)
-表示连字符
^表示排除符
示例
特殊字符无需转义
[\^*\-+|(a)]
这个示例的含义是,匹配以下字符中的任意一个
^ * - + | ( a )
可以看到,这些特殊字符在字符组中仅仅就是字符本身
连字符的作用
[z-a]
匹配这个正则表达式会报错(Range out of order in character class)
原因是连字符后面的字符码要大于等于前面的字符码
var str = 'abc-';
var reg = /[a-z-]/g;
// 最后的连字符没有构成区间,所以仅仅表示 - 这个字符
str.match(reg); // ["a", "b", "c", "-"]
var str = "aAbc-";
var reg = /[A-a-z]/g;
// 通用,A-a 构成一个区间 之后的 -z 无法构成区间,于是它只能作为-字符本身
str.match(reg); // ["a", "A", "-"]
排除型
var str = '01ABabc-';
var reg = /[^a-z]/g;
// 匹配了除a-z范围外的任意字符
str.match(reg); // ["0", "1", "A", "B", "-"]
排除型字符组用法和普通的一样,但是唯一区别是
排除型代表符合条件的都不匹配(功能相反)
\b特殊情况
var str = 'ab\bd,cdef';
var reg = /[\b]/g;
var reg2 = /\bc/g;
var reg3 = /[\b]c/g;
str.match(reg); // [""] 匹配\b本身
str.match(reg2); // ["c"] 即匹配,号后面的c
str.match(reg3); // null 因为\b后面没有c
\b在字符组以外表示单词边界
在字符组内,表示退格符(\b)
捕获组
捕获组就是把正则表达式中子表达式匹配的内容,保存到内存中以数字编号或显式命名的组里,方便后面引用
例如: /(a)(b)(c)/中的捕获组编号为
组0: abc
组1: a
组2: b
组3: c
其中,组0是正则表达式整体匹配结果,组1`2`3才是子表达式匹配结果
特点
子表达式捕获组编号从1开始,顺序从左到右(例如编号1是左侧第一个()包裹的子表达式的结果)
可以在正则表达式中对前面捕获的内容进行引用(反向引用)
也可以在程序中,对捕获组捕获的内容进行引用(比如replace中)
示例
子表达式捕获组编号从1开始,顺序从左到右
var str = "2017-07-29";
var reg = /(\d{4})-(\d{2})-(\d{2})/;
// 非全局模式有捕获组结果
str.match(reg); // ["2017-07-29", "2017", "07", "29", index: 0, input: "2017-07-29"]
上述匹配中,除了整个正则表达式的结果外,还有各个捕获组的结果,其中,子表达式的捕获组从编号1开始,如下
编号
捕获组
匹配内容
0
(d{4})-(d{2})-(d{2})
2017-07-29
1
d{4}
2017
2
d{2}
07
3
d{2}
29
JS程序内的引用
在replace中,JS通过$number引用捕获组内容
在外部匹配引用,JS通过RegExp.$number引用捕获组内容
var str = '
var reg = /]*>/g;
//
str = str.replace(reg, "");
可以看到,在去除div中的属性时,先是整个匹配,然后再把整个内容替换成,其中$1就是第一个捕获组结果div的引用
注,请不要引用$0,因为它不属于子表达式的捕获组,在replace中引用$0没有任何效果
var str = 'abcd0123ABCD';
var reg = /([a-z]+)(\d+)([A-Z]+)/g;
reg.test(str); // true
console.log(RegExp.$0); // undefined
console.log(RegExp.$1); // abcd
console.log(RegExp.$2); // 0123
console.log(RegExp.$3); // ABCD
注,同样$0的引用没有内容
反向引用
在正则表达式内部对捕获组进行引用称之为反向引用
var str = "boom==boom";
var reg = /(boom)==\1/;
str.match(reg); // ["boom==boom", "boom", index: 0, input: "boom==boom"]
可以看到,正则中\1的值就是捕获组1匹配到的结果boom
因此,这个表达式等价于(boom)==boom
示例
var str = '1234567899';
var str2 = '12345678999';
var reg = /^(?:([0-9])(?!\1{2})){1,}$/;
reg.test(str); // true
reg.test(str2); // false
上例中的效果是,匹配一个数字,但是数字中不允许连续出现3次以上的重复数字
用到反向引用可以很好的实现
非捕获组
上述可以看到()包括的内容默认匹配时都在捕获组中
但是有时候,因为特殊原因用到了(),但又没有引用它的必要,这时候就可以用非捕获组声明,防止它作为捕获组,降低内存浪费
?:可以声明一个子表达式为非捕获组
var str = 'abcd0123ABCD';
var reg = /(?:[a-z]+)(\d+)([A-Z]+)/g;
reg.test(str); // true
console.log(RegExp.$0); // undefined
console.log(RegExp.$1); // 0123
console.log(RegExp.$2); // ABCD
可以看到,(?:[a-z]+)将这个子表达式声明成了非捕获组,因此捕获组的编号直接跳过了它,从下一个(\d+)开始
.、\s和\S
首先说下.
定义是除\n以外的任何字符
但是,在一些Chrome、Firefox等内核中,代表\n和\r以外的字符
如果要匹配.本身,请用\.
再说说\s与\S
\s是匹配所有的空白字符,包括空白、换行、tab缩进等所有空白
\S是指除了空白以外的任何字符(和.区别下,.里面还多了一部分空白)
那如何匹配所有字符呢?
(.|\n)或者是[\s\S](推荐用法)
请不要试图使用[.\n]或[\.\n],这种写法只表示小数点或\n字符中的一个
示例
请写一个表达式,去除多行注释
var str = '\
var a = 1; \r\n\
/\** \r\n\
* 这里是注释 \r\n\
*/\r\n\
var b = 2;\r\n\
console.log(a)';
var reg = xxx;
str = str.replace(reg, '');
解答
var reg = /\/\*{1,}[\s\S]*\*\//g;
这里就用的了用[\s\S]来匹配所有的字符(因为仅仅是.是无法匹配\r\n的)
\b 单词边界
\b匹配单词边界,不匹配任何字符
简单的说,\b匹配的位置,一侧是构成单词的字符,另一侧是非单词字符,字符串的开始或结束
而其中单词的判断就是\w的匹配范围(正常a-zA-Z0-9_,JS举例)
注,有一特例,在字符组中[\b]表示的是退格符
特点
零宽,即匹配的是位置而不是字符
以\w来界定单词
字符组中是退格符的意思
示例
var str = 'abc_d=efg+hij哈opq%';
var reg = /.\b./g;
// ["d=", "g+", "j哈", "q%"]
str.match(reg);
可以看到,分别在如下几处有单词分界
d和=直接有一个分界
g和+之间
j和哈
q和%
\转义
var str = 'ab\\cd'; // 字符串 ab\cd
var str2 = 'ab\\\\cd'; // 字符串 ab\\cd
var reg = /ab\\\\cd/;
var reg2 = new RegExp('ab\\\\cd');
reg.test(str); // false
reg.test(str2); // true
reg2.test(str); // true
reg2.test(str2); // false
出现\的地方,得多加注意,需要梳理清楚转义逻辑,通过上例可以看到,在正则中出现的\和在字符串中出现的\意义不一样
reg中,\出现在正则中,所以\\\\的意思就是匹配\\字符串,所以测试str2通过,str失败
reg2中,\出现在字符串中,所以\\\\的意思\\,然后构建为正则表达式,最终在正则中是\\,也就是匹配\字符串本身,所以测试str通过,str2失败
附录
博客
初次发布2017.07.31于个人博客
参考资料