第五章 正则表达式的拆分
第五章 正则表达式的拆分
对于一门语言的掌握程度怎么样，可以有两个角度来衡量：读和写。
不仅要求自己能解决问题，还要看懂别人的解决方案。代码是这样，正则表达式也是这样。
正则这门语言跟其他语言有一点不同，它通常就是一大堆字符，而没有所谓“语句”的概念。
如何能正确地把一大串正则拆分成一块一块的，成为了破解“天书”的关键。
本章就解决这一问题，内容包括：
- 结构和操作符
- 注意要点
- 案例分析
1. 结构和操作符
编程语言一般都有操作符。只要有操作符，就会出现一个问题。当一大堆操作在一起时，先操作谁，又后操作谁呢？为了不产生歧义，就需要语言本身定义好操作顺序，即所谓的优先级。
而在正则表达式中，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个特殊整体。
JS正则表达式中，都有哪些结构呢？
字符字面量、字符组、量词、锚字符、分组、选择分支、反向引用。
具体含义简要回顾如下（如懂，可以略去不看）：
字面量，匹配一个具体字符，包括不用转义的和需要转义的。比如a匹配字符"a"，又比如
\n匹配换行符，又比如\.匹配小数点。 字符组，匹配一个字符，可以是多种可能之一，比如[0-9]，表示匹配一个数字。也有\d的简写形式。另外还有反义字符组，表示可以是除了特定字符之外任何一个字符，比如[^0-9]，表示一个非数字字符，也有\D的简写形式。 量词，表示一个字符连续出现，比如a{1,3}表示“a”字符连续出现3次。另外还有常见的简写形式，比如a+表示“a”字符连续出现至少一次。 锚点，匹配一个位置，而不是字符。比如^匹配字符串的开头，又比如\b匹配单词边界，又比如(?=\d)表示数字前面的位置。 分组，用括号表示一个整体，比如(ab)+，表示"ab"两个字符连续出现多次，也可以使用非捕获分组(?:ab)+。 分支，多个子表达式多选一，比如abc|bcd，表达式匹配"abc"或者"bcd"字符子串。 反向引用，比如\2，表示引用第2个分组。
其中涉及到的操作符有：
1.转义符
\2.括号和方括号(...)、(?:...)、(?=...)、(?!...)、[...]3.量词限定符{m}、{m,n}、{m,}、?、*、+4.位置和序列^、$、\元字符、一般字符\5. 管道符（竖杠）|
上面操作符的优先级从上至下，由高到低。
这里，我们来分析一个正则：
/ab?(c|de*)+|fg/
- 由于括号的存在，所以，
(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*是另一个整体。 - 同理，整个正则分成了
a、b?、(...)+、f、g。而由于分支的原因，又可以分成ab?(c|de*)+和fg这两部分。
希望你没被我绕晕，上面的分析可用其可视化**形式描述如下：
2. 注意要点
关于结构和操作符，还是有几点需要强调：
2.1 匹配字符串整体问题
因为是要匹配整个字符串，我们经常会在正则前后中加上锚字符 ^和 $。
比如要匹配目标字符串"abc"或者"bcd"时，如果一不小心，就会写成 /^abc|bcd$/。
而位置字符和字符序列优先级要比竖杠高，故其匹配的结构是：
应该修改成:
2.2 量词连缀问题
假设，要匹配这样的字符串：
\1. 每个字符为a、b、c任选其一 \2. 字符串的长度是3的倍数
此时正则不能想当然地写成 /^[abc]{3}+$/，这样会报错，说 +前面没什么可重复的：
此时要修改成：
2.3 元字符转义问题
所谓元字符，就是正则中有特殊含义的字符。
所有结构里，用到的元字符总结如下：
**^*****$****.*********+****?****|****\****/****(****)****[****]****{****}****=****!****:****-*****,**
当匹配上面的字符本身时，可以一律转义：
var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,/;
console.log( regex.test(string) ); // => true其中 string中的 \字符也要转义的。
另外，在 string中，也可以把每个字符转义，当然，转义后的结果仍是本身：
var string = "^$.*+?|\\/[]{}=!:-,";
var string2 = "\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,";
console.log( string == string2 ); // => true现在的问题是，是不是每个字符都需要转义呢？否，看情况。
2.3.1 字符组中的元字符
跟字符组相关的元字符有 []、 ^、 -。因此在会引起歧义的地方进行转义。例如开头的 ^必须转义，不然会把整个字符组，看成反义字符组。
var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /[\^$.*+?|\\/\[\]{}=!:\-,]/g;
console.log( string.match(regex) );
// => ["^", "$", ".", "*", "+", "?", "|", "\", "/", "[", "]", "{", "}", "=", "!", ":", "-", ","]2.3.2 匹配“[abc]”和“{3,5}”
我们知道 [abc]，是个字符组。如果要匹配字符串"[abc]"时，该怎么办？
可以写成 /\[abc\]/，也可以写成 /\[abc]/，测试如下：
var string = "[abc]";var regex = /\[abc]/g;console.log( string.match(regex)[0] ); // => "[abc]"只需要在第一个方括号转义即可，因为后面的方括号构不成字符组，正则不会引发歧义，自然不需要转义。
同理，要匹配字符串"{3,5}"，只需要把正则写成 /\{3,5}/即可。
另外，我们知道量词有简写形式 {m,}，却没有 {,n}的情况。虽然后者不构成量词的形式，但此时并不会报错。当然，匹配的字符串也是"{,n}"，测试如下：
var string = "{,3}";
var regex = /{,3}/g;console.log( string.match(regex)[0] ); // => "{,3}"2.3.3 其余情况
比如 = ! : - ,等符号，只要不在特殊结构中，也不需要转义。
但是，括号需要前后都转义的，如 /\(123\)/。
至于剩下的 ^ $ . * + ? | \ /等字符，只要不在字符组内，都需要转义的。
3. 案例分析
接下来分析两个例子，一个简单的，一个复杂的。
3.1 身份证
正则表达式是：
/^(\d{15}|\d{17}[\dxX])$/
因为竖杠“|”,的优先级最低，所以正则分成了两部分 \d{15}和 \d{17}[\dxX]。
\d{15}表示15位连续数字。\d{17}[\dxX]表示17位连续数字，最后一位可以是数字可以大小写字母"x"。
可视化如下：
3.2 IPV4地址
正则表达式是：
/^((0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])\.){3}(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])$/
这个正则，看起来非常吓人。但是熟悉优先级后，会立马得出如下的结构：
((...)\.){3}(...)
上面的两个 (...)是一样的结构。表示匹配的是3位数字。因此整个结构是
3位数.3位数.3位数.3位数
然后再来分析 (...)：
(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])
它是一个多选结构，分成5个部分：
0{0,2}\d，匹配一位数，包括0补齐的。比如，9、09、009；0?\d{2}，匹配两位数，包括0补齐的，也包括一位数；1\d{2}，匹配100到199;2[0-4]\d，匹配200-249；25[0-5]，匹配250-255。
最后来看一下其可视化形式：
小结
掌握正则表达式中的优先级后，再看任何正则应该都有信心分析下去了。
至于例子，不一而足，没有写太多。
这里稍微总结一下，竖杠的优先级最低，即最后运算。
只要知道这一点，就能读懂大部分正则。
另外关于元字符转义问题，当自己不确定与否时，尽管去转义，总之是不会错的。
作者：老姚 原文：https://juejin.im/post/5965943ff265da6c30653879 本文版权归作者所有，转载请经得作者授权