学习目标
正则表达式-教程
- 一周掌握 正则表达式用法
计划学习内容
- 正则表达式-基本概念
- 正则表达式-语法
- 正则表达式-修饰符
- 正则表达式-元字符
- 正则表达式-运算符优先级
- 正则表达式-匹配规则
- 正则表达式-实例
今日学习内容
语法
则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
runoo+b
可以匹配 runoob、runooob、runoooooob 等,+ 号代表前面的字符必须至少出现一次(即出现1次或多次)。
runoo*b
可以匹配 runob、runoob、runoooooob 等,* 号代表前面的字符可以不出现,也可以出现一次或者多次(0次、或1次、或多次)。
colou?r
可以匹配 color 或者 colour,? 问号代表前面的字符最多只可以出现一次(0次或1次)。
构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。
正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。
正则表达式=普通字符(例如字符 a 到 z)+ 特殊字符(称为"元字符")
正则表达式的作用描述为:在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
普通字符
普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。也就是包括**所有大写和小写字母、所有数字、所有标点符号和一些其他符号**。
- [ABC]
匹配 […] 中的所有字符,例如 [aeiou] 匹配字符串 “google runoob taobao” 中所有的 e o u a 字母。
- [^ABC]
匹配除了 […] 中字符的所有字符,例如 [^aeiou] 匹配字符串 “google runoob taobao” 中除了 e o u a 字母的所有字母。
- [A-Z]
[A-Z] 表示一个区间,匹配所有大写字母,[a-z] 表示所有小写字母。
- . (一个点,应该能看到叭)
匹配除换行符(\n、\r)之外的任何单个字符,相等于 [^\n\r]。
- [\s\S]
匹配所有。\s 是匹配所有空白符,包括换行,\S 非空白符,不包括换行。
- \w
匹配字母、数字、下划线。等价于 [A-Za-z0-9_]
上面都是一些可打印字符,下面是一个不可打印字符,即转义符
- \cx
匹配由x指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c’ 字符。 - \f
匹配一个换页符。等价于 \x0c 和 \cL。 - \n
匹配一个换行符。等价于 \x0a 和 \cJ。 - \r
匹配一个回车符。等价于 \x0d 和 \cM。 - \s
匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。 - \S
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 - \t
匹配一个制表符。等价于 \x09 和 \cI。 - \v
匹配一个垂直制表符。等价于 \x0b 和 \cK。
特殊字符
所谓特殊字符,就是一些有特殊含义的字符,如上面说的 runoo*b 中的 *,简单的说就是表示任何字符串的意思。如果要查找字符串中的 *符号,则需要对 *进行转义,即在其前加一个 \,runo\*ob 匹配字符串 runo*ob。
许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符,必须首先使字符"转义",即,将反斜杠字符\放在它们前面。下表列出了正则表达式中的特殊字符:
比如我在编写这篇博客的时候,需要对*号进行转义。
特别字符 | 描述 |
---|---|
$ | 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性,则 $ 也匹配 ‘\n’ 或 ‘\r’。要匹配 $ 字符本身,请使用 \$。 |
( ) | 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符,请使用 \( 和 \)。 |
* | 匹配前面的子表达式零次或多次。要匹配 * 字符,请使用 \*。 |
+ | 匹配前面的子表达式一次或多次。要匹配 + 字符,请使用 +。 |
. | 匹配除换行符 \n 之外的任何单字符。要匹配 . ,请使用 \. 。 |
[ | 标记一个中括号表达式的开始。要匹配 [,请使用 \[。 |
? | 匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 ?。 |
\ | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如, ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\’ 匹配 “\”,而 ‘\(’ 则匹配 “(”。 |
^ | 匹配输入字符串的开始位置,除非在方括号表达式中使用,当该符号在方括号表达式中使用时,表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身,请使用 \^。 |
{ | 标记限定符表达式的开始。要匹配 {,请使用 \{。 |
| | 指明两项之间的一个选择。要匹配 |,请使用 \ |
For example
以下正则表达式匹配一个正整数,[1-9]设置第一个数字不是 0,[0-9]* 表示任意多个数字:
/[1-9][0-9]*/
注意,限定符出现在范围表达式之后。因此,它应用于整个范围表达式,在本例中,指的是对0到9包括0和9的数字。
/[0-9]{1,2}/
这里的{1,2} , 1代表一位数,2代表两位数。
PS:只按顺序匹配一次
上面的表达式有个很明显的缺点,只能匹配两位数字,而且会匹配到 0、00、01等。
改进下,匹配 1~99 的正整数表达式如下:
/[1-9][0-9]?/或者/[1-9][0-9]{0,1}/
* 和 + 限定符都是贪婪的,因为它们会尽可能多的匹配文字,只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。
定位符
定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式,这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。
正则表达式的定位符有:
字符 | 描述 |
---|---|
^ | 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^ 还会与 \n 或 \r 之后的位置匹配。 |
$ | 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与 \n 或 \r 之前的位置匹配。 |
\b | 匹配一个单词边界,即字与空格间的位置。 |
\B | 非单词边界匹配。 |
单词边界是单词和空格之间的位置。非单词边界是任何其他位置。
下面的表达式匹配单词 Hello的开头两个字符,因为这两个字符出现在单词边界后面:
/ \bHe /
\b 字符的位置是非常重要的。如果它位于要匹配的字符串的开始,它在单词的开始处查找匹配项。如果它位于字符串的结尾,它在单词的结尾处查找匹配项。例如,下面的表达式匹配单词 Hello 中的字符串llo,因为它出现在单词边界的前面:
/llo\b/
下面的表达式匹配 World中的字符串 or,但不匹配 oringe 中的字符串 or:
选择
用圆括号将所有选择项括起来,相邻的选择项之间用 | 分隔。
() 表示捕获分组,() 会把每个分组里的匹配的值保存起来, 多个匹配值可以通过数字 n 来查看(n 是一个数字,表示第 n个捕获组的内容)。
不难发现,使用圆括号会将匹配到的多组信息进行缓存在一个变量里,需要索引才能找到想要的信息。
使用这几个?=、?<=、?!、?<! 可以有效的解决问题。
exp1(?=exp2)
查找 exp2 前面的 exp1。
(?<=exp2)exp1
查找 exp2 后面的 exp1。
exp1(?!exp2)
查找后面不是 exp2 的 exp1。
(?<!exp2)exp1
查找前面不是 exp2 的 exp1。
更多内容可以参考:菜鸟教程.
反向引用
对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到一个临时缓冲区中,所捕获的每个子匹配都按照在正则表达式模式中从左到右出现的顺序存储。缓冲区编号从 1 开始,最多可存储 99 个捕获的子表达式。每个缓冲区都可以使用 \n 访问,其中 n 为一个标识特定缓冲区的一位或两位十进制数。
反向引用的最简单的、最有用的应用之一,是提供查找文本中两个相同的相邻单词的匹配项的能力。以下面的句子为例:
/\b([a-z]+) \1\b/ig
-
捕获的表达式,正如 [a-z]+指定的,包括一个或多个字母。正则表达式的第二部分是对以前捕获的子匹配项的引用,即,单词的第二个匹配项正好由括号表达式匹配。\1指定第一个子匹配项。
-
单词边界元字符确保只检测整个单词。否则,诸如 “is issued” 或 “this is” 之类的词组将不能正确地被此表达式识别。
-
正则表达式后面的全局标记 g 指定将该表达式应用到输入字符串中能够查找到的尽可能多的匹配。
-
表达式的结尾处的不区分大小写 i 标记指定不区分大小写。
-
多行标记指定换行符的两边可能出现潜在的匹配。
反向引用还可以将通用资源指示符 (URI) 分解为其组件。假定您想将下面的 URI 分解为协议(ftp、http 等等)、域地址和页/路径:
/(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/
-
第三行代码 str.match(patt1) 返回一个数组,实例中的数组包含 5 个元素,索引 0 对应的是整个字符串,索引 1
对应第一个匹配符(括号内),以此类推。 -
第一个括号子表达式捕获 Web 地址的协议部分。该子表达式匹配在冒号和两个正斜杠前面的任何单词。
-
第二个括号子表达式捕获地址的域地址部分。子表达式匹配非 : 和 / 之后的一个或多个字符。
-
第三个括号子表达式捕获端口号(如果指定了的话)。该子表达式匹配冒号后面的零个或多个数字。只能重复一次该子表达式。
-
最后,第四个括号子表达式捕获 Web 地址指定的路径和 / 或页信息。该子表达式能匹配不包括 # 或空格字符的任何字符序列。
更多详情关注链接:link.