无法将多信息文本转换为url_干货！如何用正则表达式简化前端开发常见六大文本处理和操作任务

全文共4719字，预计学习时长14分钟

来源：Pexels

正则表达式已经成为程序员的必备工具。几乎所有流行的编程语言都支持正则表达式，原因如下：正则表达式为开发人员提供了强有力的工具，使之能快速执行需要几十行代码才能完成的任务。

本文主要研究前端开发人员经常要面对的六大文本处理和操作任务，并进一步了解正则表达式如何简化这一过程。但也只是触及了正则表达式潜力之皮毛。

1. 将URL转换为链接

假设文本中有一个或多个URL，且均不是HTML锚元素，因此不能单击。要将url自动转换为链接，首先需要找到URL，然后用指向URL的的href属性将每个URL装入标签…：

const str = "Visit https://en.wikipedia.org/ for moreinfo.";str.replace(/b(https?|ftp|file)://S+[/w]/g, '$&');// => "Visit https://en.wikipedia.org/ for more info."

注意：使用该正则表达式时要小心，因为它不会匹配以标点符号结尾的URL，也可能无法匹配更复杂的URL。

下面来看看其原理：

· b 在被称为“单词边界”的位置进行匹配。

· (https?|ftp|file) 匹配字符“https”，或“http”，或“ftp”，或“file”

· : 按字面意义匹配冒号字符

· / 按字面意义匹配正斜杠字符

· S 匹配除空白之外的单个字符

· + 与前一项匹配一次或多次

· [/w] 匹配正斜杠或单词字符。如果没有这个，该正则表达式将匹配URL结尾的任何标点符号。

· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止

· $& 在replace()的第二个参数中，将匹配的子字符串插入到替换字符串中

2. 删除重复的单词

文章和教程包含不必要的重复单词并不少见。即使是专业作家也要为这些错误进行校对。在谷歌新闻上简单地搜索“the”，就会发现数百家知名新闻机构的文章中都有重复的“the”。幸运的是，正则表达式可以用一行代码修复这个问题：

const str = "This thissentence has has double words.";str.replace(/b(w+)s+1b/gi, '$1');//=> "This sentence has double words."

· b 在“单词边界”的位置进行匹配(后跟或前接ASCII字母、数字或下划线的位置)。

· w 匹配单词字符(ASCII字母、数字或下划线)

· + 与前一项匹配一次或多次

· s 匹配空白字符

· + 将前一项匹配一次或多次，以便能够检测到含多个空白字符的重复单词

· 1 反向引用和匹配的文本是否与第一对括号中匹配的文本相同

· b 匹配单词边界

· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止

· i 使搜索不区分大小写(忽略大小写差异)

· $1 在replace()的第二个参数中插入第一对括号中匹配的文本

3. 从文件名中去除无效字符

在提供要下载的文件时，文件名中不应包含某些字符。例如，在Windows操作系统中，以下字符在文件名中无效，应删除：

·

· > (大于)

· : (冒号)

· “ (双引号)

· / (正斜杠)

· (反斜杠)

· | (竖线)

· ? (问号)

· * (星号)

使用正则表达式删除无效字符非常简单。来看一个例子：

const str ="https://en.wikipedia.org/";str.replace(/[<>|:"*?/]+/g,''); // =>"httpsen.wikipedia.org"

[], 被称为字符类，可匹配方括号之间的一个字符。因此，通过将所有无效字符放在其中并在正则表达式的末尾添加一个全局(g)标志，可从字符串中有效删除这些字符。

注意，在字符类中，反斜杠具有特殊含义，必须用另一个反斜杠进行转义:。操作符+重复字符类，以便同时替换无效字符序列，这有助于提升性能。可省略它而不影响结果。

请记住，除非想用另一个字符替换无效字符，否则replace()方法的第二个参数必须是空字符串。

还有几个保留的名称被Windows内部用于各种任务，不允许作为文件名。保留的名称如下:

CON, PRN, AUX, NUL, COM1, COM2, COM3, COM4, COM5,COM6, COM7, COM8, COM9, LPT1, LPT2, LPT3, LPT4, LPT5, LPT6, LPT7, LPT8, andLPT9

若要去掉保留的名称，请运行以下代码：

str.replace(/^(CON|PRN|AUX|NUL|COM1|COM2|COM3|COM4|COM5|COM6|COM7|COM8|COM9|LPT1|LPT2|LPT3|LPT4|LPT5|LPT6|LPT7|LPT8|LPT9)$/i,'file');

基本上，这段代码命令正则表达式引擎替换str中的字符(若其构成由竖线字符(|)分隔的单词之一)。本例中不能使用空字符串作为第二个参数，因为文件没有名称。

注意，若字符串包含任何附加字符，则不会被替换。例如，“con”会被替换，但“concord”不会，这是一个有效的文件名。这是通过在正则表达式中使用^和$来实现的。^匹配字符串的开头，可确保在要匹配的字符串之前没有其他字符。$匹配字符串的结尾。

也可以使用字符类采用更紧凑的方式编写该正则表达式：

str.replace(/^(CON|PRN|AUX|NUL|COM[1-9]|LPT[1-9])$/i,'file');

[1–9]匹配1-9的数字

来源：Pexels

4.用单个空白替换多个空白

当呈现网页时，重复的空白字符将显示为单个空白。然而，有时需要清理用户输入或其他数据，并将重复的空白替换为单个空白。下面将演示如何使用正则表达式实现这一点:

const str = " My opinions may have changed, but not the fact that I'mright."; // Ashleigh Brilliantstr.replace(/ss+/g,' ');// => " My opinions may have changed, but not the fact that I'mright."

该正则表达式仅包含两个元字符、一个操作符和一个标记：

· s 匹配单个空白字符，包括ASCII空格、制表符、换行符、回车符、垂直制表符和表单换行符

· s 再次匹配单个空白字符

· + 与前一项匹配一次或多次

· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止

结果是替换所有重复至少两次的空白字符。请注意，上面示例中的结果在开头仍然有一个应删除的空白字符。为此，只需将trim()函数添加到语句的末尾：

str.replace(/ss+/g, '').trim();// => "My opinions may have changed, but not the fact thatI'm right."

请记住，此代码使用空格(U+0020)字符替换任何类型的空白字符，包括ASCII空格、制表符、换行符、回车符、垂直制表符和表单换行符。因此，如果回车紧跟在制表符之后，那么它们将被一个空格代替。若这不是目的所在，只想替换相同类型的空白，可用下面的代码代替:

str.replace(/(s)1+/g,'$1').trim();

1 是一个反向引用，并与第一对括号(s)中匹配的字符匹配。可在replace()的第二个参数中使用$1替换它们，它插入了在括号中匹配的字符。

5. 寻找包含特定单词的句子

假设你想匹配文本中包含特定单词的所有句子。或者你想在搜索结果中突出显示这些句子，又或者想将其从文本中删除。正则表达式/[^.!?]*bwordb[^.!?]*.?/gi可实现以上需求。以下是其原理：

const str = "The apple treeoriginated in Central Asia. It is cultivated worldwide. Apple matures in latesummer or autumn.";

// en.wikipedia.org/wiki/Apple// find sentences that contain the word"apple"

str.match(/[^.!?]*bappleb[^.!?]*.?/gi);// => ["The apple treeoriginated in Central Asia.", "Apple matures in late summer orautumn."]

下文将逐步研究该正则表达式：

· [^.!?] 匹配所有除 .， !，及?以外的字符

· * 匹配前一项的零个或多个序列

· b 在“单词边界”的位置进行匹配(后跟或前接ASCII字母、数字或下划线的位置)。

· apple 按字面匹配字符(因为它区分大小写，所以将i标记添加到该正则表达式的末尾)

· b 匹配单词边界

· [^.!?] 匹配所有除 .，!，及?以外的字符

· * 匹配前一项的零个或多个序列

· . 匹配除换行符以外的所有字符

· ? 匹配前一项出现零次或一次的项

· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止

· i 使搜索不区分大小写

提示：使用Bit (Github)从代码库中“获取”组件，逐步构建UI组件库。与团队一起使用该UI组件库，以获得一致UI、快速开发和无限合作。轻松将可重用组件导入至任何项目中，使用并更新以实现跨存储库同步更改。

示例:搜索在bit.dev上共享的React组件

6. 将用户输入限制为字母数字字符

网页开发时的一个常见任务是将用户输入限制为字母数字字符(A - z、A - z和0-9)。使用正则表达式实现这个任务非常简单:使用一个字符类来定义允许的字符范围，然后在其上添加一个量词来指定可以重复的字符的数量：

const input1 = "John543";

const input2 = ":-)";/^[A-Z0-9]+$/i.test(input1); // → true

/^[A-Z0-9]+$/i.test(input2); // →false

注意：该正则表达式仅适用于英语，不匹配重音字母或其他语言的字母。

下面是其原理：

· ^ 匹配字符串的开头。确保在要匹配的字符串之前没有其他字符。

· [A-Z0–9] 匹配A和Z之间的字符，或0和9之间的字符。由于这是区分大小写的，可将i标记添加到该正则表达式的末尾。或者，可使用无标记的[A-Za-z0-9]。

· + 与前一项匹配一次或多次，因此，输入项必须至少有一个非空白字母数字字符;否则，匹配失败。若要使字段为可选的，则可以使用*量词，该量词与前一项匹配的次数须大于0。

· $ 匹配字符串的末尾.

来源：Pexels

花时间掌握正则表达式绝对是一项值得的投资，因为它将有助于解决编码时遇到的各种问题。

希望这篇文章对你有用!

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范