JS正则表达式③

一.分组和分支结构

分组

我们知道 /a+/ 匹配连续出现的 “a”，而要匹配连续出现的 “ab” 时，需要使用 /(ab)+/。
其中括号是提供分组功能，使量词 + 作用于 “ab” 这个整体，测试如下：

var regex = /(ab)+/g; 
var string = "ababa abbb ababab"; 
console.log( string.match(regex) ); 
// => ["abab", "ab", "ababab"]

分支结构

而在多选分支结构 (p1|p2) 中，此处括号的作用也是不言而喻的，提供了分支表达式的所有可能。
比如，要匹配如下的字符串：
I love JavaScript I love Regular Expression
可以使用正则：

var regex = /^I love (JavaScript|Regular Expression)$/; 
console.log( regex.test("I love JavaScript") ); 
console.log( regex.test("I love Regular Expression") ); 
// => true // => true

二.分组引用

提取数据

比如提取出年、月、日，可以这么做：

var regex = /(\d{4})-(\d{2})-(\d{2})/; 
var string = "2017-06-12"; 
console.log( string.match(regex) ); 
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]

match 返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的 内容，然后是匹配下标，最后是输入的文本。另外，正则表达式是否有修饰符 g，match 返回的数组格式是不一样的。
另外也可以使用正则实例对象的 exec 方法：

var regex = /(\d{4})-(\d{2})-(\d{2})/; 
var string = "2017-06-12"; 
console.log( regex.exec(string) ); 
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]

同时，也可以使用构造函数的全局属性 $1 至 $9 来获取：

var regex = /(\d{4})-(\d{2})-(\d{2})/; 
var string = "2017-06-12";
regex.test(string); // 正则操作即可，例如 
//regex.exec(string); 
//string.match(regex);
console.log(RegExp.$1); // "2017" 
console.log(RegExp.$2); // "06" 
console.log(RegExp.$3); // "12"

替换

比如，想把 yyyy-mm-dd 格式，替换成 mm/dd/yyyy 怎么做？

var regex = /(\d{4})-(\d{2})-(\d{2})/; 
var string = "2017-06-12"; 
var result = string.replace(regex, "$2/$3/$1"); 
console.log(result); 
// => "06/12/2017"

其中 replace 中的，第二个参数里用 $1、$2、$3 指代相应的分组。等价于如下的形式：

var regex = /(\d{4})-(\d{2})-(\d{2})/; 
var string = "2017-06-12"; 
var result = string.replace(regex, function () {
     return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1; 
}); 
console.log(result); 
// => "06/12/2017"

也等价于：

var regex = /(\d{4})-(\d{2})-(\d{2})/; 
var string = "2017-06-12"; 
var result = string.replace(regex, function (match, year, month, day) {
     return month + "/" + day + "/" + year;
}); 
console.log(result); 
// => "06/12/2017"

三.反向引用

比如要写一个正则支持匹配如下三种格式：
2016-06-12 2016/06/12 2016.06.12
最先可能想到的正则是:

var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/; 
var string1 = "2017-06-12"; 
var string2 = "2017/06/12"; 
var string3 = "2017.06.12"; 
var string4 = "2016-06/12"; 
console.log( regex.test(string1) ); // true 
console.log( regex.test(string2) ); // true 
console.log( regex.test(string3) ); // true 
console.log( regex.test(string4) ); // true

其中 / 和 . 需要转义。虽然匹配了要求的情况，但也匹配 “2016-06/12” 这样的数据。
假设我们想要求分割符前后一致怎么办？此时需要使用反向引用：

var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/; 
var string1 = "2017-06-12"; 
var string2 = "2017/06/12"; 
var string3 = "2017.06.12"; 
var string4 = "2016-06/12"; 
console.log( regex.test(string1) ); // true 
console.log( regex.test(string2) ); // true 
console.log( regex.test(string3) ); // true 
console.log( regex.test(string4) ); // false

注意里面的 \1，表示的引用之前的那个分组 (-|/|.)。不管它匹配到什么（比如 -），\1 都匹配那个同 样的具体某个字符。
我们知道了 \1 的含义后，那么 \2 和 \3 的概念也就理解了，即分别指代第二个和第三个分组。

括号嵌套怎么办？

以左括号（开括号）为准。比如：

var regex = /^((\d)(\d(\d)))\1\2\3\4$/; 
var string = "1231231233"; 
console.log( regex.test(string) ); // true 
console.log( RegExp.$1 ); // 123 
console.log( RegExp.$2 ); // 1 
console.log( RegExp.$3 ); // 23 
console.log( RegExp.$4 ); // 3

我们可以看看这个正则匹配模式：
• 第一个字符是数字，比如说 “1”，
• 第二个字符是数字，比如说 “2”，
• 第三个字符是数字，比如说 “3”，
• 接下来的是 \1，是第一个分组内容，那么看第一个开括号对应的分组是什么，是 “123”，
• 接下来的是 \2，找到第2个开括号，对应的分组，匹配的内容是 “1”，
• 接下来的是 \3，找到第3个开括号，对应的分组，匹配的内容是 “23”，
• 最后的是 \4，找到第3个开括号，对应的分组，匹配的内容是 “3”。

\10表示什么呢？

另外一个疑问可能是，即 \10 是表示第 10 个分组，还是 \1 和 0 呢？
答案是前者，虽然一个正则里出现 \10 比较罕见。测试如下：

var regex = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/; 
var string = "123456789# ######" 
console.log( regex.test(string) ); 
// => true

如果真要匹配 \1 和 0 的话，请使用 (?:\1)0 或者 \1(?:0)。

引用不存在的分组会怎样？

因为反向引用，是引用前面的分组，但我们在正则里引用了不存在的分组时，此时正则不会报错，只是匹配 反向引用的字符本身。例如 \2，就匹配 “\2”。注意 “\2” 表示对 “2” 进行了转义。

var regex = /\1\2\3\4\5\6\7\8\9/; 
console.log( regex.test("\1\2\3\4\5\6\7\8\9") ); 
console.log( "\1\2\3\4\5\6\7\8\9".split("") );

分组后面有量词会怎样？

分组后面有量词的话，分组最终捕获到的数据是最后一次的匹配。比如如下的测试案例：

var regex = /(\d)+/; 
var string = "12345"; 
console.log( string.match(regex) ); 
// => ["12345", "5", index: 0, input: "12345"]

从上面看出，分组 (\d) 捕获的数据是 “5”。
同理对于反向引用，也是这样的。测试如下：

var regex = /(\d)+ \1/; 
console.log( regex.test("12345 1") ); 
// => false 
console.log( regex.test("12345 5") ); 
// => true

四.非捕获括号

之前文中出现的括号，都会捕获它们匹配到的数据，以便后续引用，因此也称它们是捕获型分组和捕获型分 支。
如果只想要括号最原始的功能，但不会引用它，即，既不在 API 里引用，也不在正则里反向引用。 此时可以使用非捕获括号 (?:p) 和 (?:p1|p2|p3)，例如本章第一个例子可以修改为：

var regex = /(?:ab)+/g; 
var string = "ababa abbb ababab"; 
console.log( string.match(regex) ); 
// => ["abab", "ab", "ababab"]

同理，第二例子可以修改为：

var regex = /^I love (?:JavaScript|Regular Expression)$/; 
console.log( regex.test("I love JavaScript") ); 
console.log( regex.test("I love Regular Expression") ); 
// => true // => true

五.相关案例

字符串trim方法模拟

trim 方法是去掉字符串的开头和结尾的空白符。有两种思路去做。
第一种，匹配到开头和结尾的空白符，然后替换成空字符。如：

function trim(str) {
     return str.replace(/^\s+|\s+$/g, ''); 
} 
console.log( trim("  foobar   ") ); 
// => "foobar"

第二种，匹配整个字符串，然后用引用来提取出相应的数据：

function trim (str) {
     return str.replace(/^\s*(.*?)\s*$/g, "$1"); 
} 
console.log( trim("  foobar   ") ); 
// => "foobar"

将每个单词的首字母转换为大写

function titleize (str) {
     return str.toLowerCase().replace(/(?:^|\s)\w/g, function (c) {
              return c.toUpperCase();
     });
} 
console.log( titleize('my name is epeli') ); 
// => "My Name Is Epeli"

驼峰化

function camelize (str) {
     return str.replace(/[-_\s]+(.)?/g, function (match, c) {
              return c ? c.toUpperCase() : '';
     });
} 
console.log( camelize('-moz-transform') ); 
// => "MozTransform"

其中分组 (.) 表示首字母。单词的界定是，前面的字符可以是多个连字符、下划线以及空白符。正则后面 的 ? 的目的，是为了应对 str 尾部的字符可能不是单词字符，比如 str 是 '-moz-transform '。

中划线化

function dasherize (str) {
     return str.replace(/([A-Z])/g, '-$1').replace(/[-_\s]+/g, '-').toLowerCase(); } 
console.log( dasherize('MozTransform') ); 
// => "-moz-transform"

驼峰化的逆过程。