前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >正则表达式-学习2 - 语法语法学习重点详解

正则表达式-学习2 - 语法语法学习重点详解

作者头像
贺贺V5
发布2018-08-21 12:08:20
4030
发布2018-08-21 12:08:20
举报
文章被收录于专栏:贺贺的前端工程师之路

2017年11月08日09:57:27再次重新系统的开始学习正则表达式,希望这次可以真正的学会!

语法学习

1. Character classes

Character classes match a character from a specific set. There are a number of predefined(预定的) character classes and you can also define your own sets.

用法

匹配

.

匹配任何字符,除了换行符(any character except newline)

\w,\d ,\s

字符,数字,空白(word, digit, whitespace)

\W,\D,\S

非字符,非数字,非空白( not word, digit, whitespace)

[abc]

any of a, b, or c 【中间没有任何字符分隔】

[^abc]

not a,b or c (出了个a,b,c其余的)

[a-g]

character between a & g

\b

匹配单词(word)边界位置,如空格,标点符号或字符串的开始/结尾。这匹配一个位置,而不是一个字符。(Matches a word boundary position such as whitespace, punctuation, or the start/end of the string. This matches a position, not a character.)

\B

匹配不是单词边界的任意位置,这匹配的是一个位置,不是一个字符。

\w

匹配任何单词字符(字母数字和下划线)。只匹配low-ascii字符(没有重音或非罗马字符)。相当于[A-Za-z0-9_](Matches any word character (alphanumeric & underscore). Only matches low-ascii characters (no accented or non-roman characters). Equivalent to [A-Za-z0-9_])

\W

Matches any character that is not a word character (alphanumeric & underscore). Equivalent to [^A-Za-z0-9_]

\d

Matches any digit character (0-9). Equivalent to [0-9].

\D

Matches any character that is not a digit character (0-9). Equivalent to [^0-9].

\s

Matches any whitespace character (spaces, tabs, line breaks(换行符)).

\S

Matches any character that is not a whitespace character (spaces, tabs, line breaks).

character set(字符集)[aeiou]

Match any character in the set.

negated set(非字符集)[^aeiou]

Match any character that is not in the set.

range: [a-z]

Matches a character having a character code between the two specified characters inclusive.(在两个指定的字符之间匹配具有字符代码的字符)

2. Anchors (锚)

Anchors are unique in that they match a position within a string, not a character.

是独一无二的,它们匹配的位置在一个字符串,而不是一个字符。

用法

匹配

begining : ^

Matches the beginning of the string, or the beginning of a line if the multiline flag (m) is enabled. This matches a position, not a character. e.g.: /^\w+/gm -- He is a boy.

end: $

Matches the end of the string, or the end of a line if the multiline flag (m) is enabled. This matches a position, not a character. e.g.:/\w+$/g -- I am a girl_

word boundary(边界)\b

Matches a word boundary position such as whitespace(空白), punctuation(标点符号), or the start/end of the string. This matches a position, not a character. e.g.:/m\b/gm -- me em ;/\bm/gm -- me em ;

not word boundary \B

Matches any position that is not a word boundary. This matches a position, not a character. e.g.:/\w\B/gm --I am a girl_ me em

3. Escapaed characters(转义字符)

Some characters have special meaning in regular expressions and must be escaped(避免). All escaped characters begin with the \ character.

Within a character set, only , -, and ] need to be escaped.

用法

匹配

octal escape:\251

Octal(八进制) escaped character in the form \000. Value must be less than 255 (\377).(八进制需要转义的字符是从\000到\377(十进制的255))e.g.: /\255/g -- RegExr is ©2017.(其中©是被匹配的)

Hexadecimal(16进制) escape:\xA9

Hexadecimal escaped character in the form \xFF. e.g.: /\xA9/g -- RegExr is ©2017.(其中©是被匹配的)

Unicode escape:\u00A9

Unicode escaped character in the form \uFFFF. e.g.: /\u00A9/g -- RegExr is ©2017.(其中©是被匹配的)

control character escape

Escaped control character in the form \cZ. This can range from \cA (NULL, char code 0) to \cZ (EM, char code 25). e.g.: \cI matches TAB (char code 9).

tab: \t

Matches a TAB character (char code 9).

line feed : \n

Matches a LINE FEED character (char code 10 - 换行键).

vertical tab: \v

Matches a VERTICAL TAB character (char code 11 - 垂直制表符).

form feed:\f

Matches a FORM FEED character (char code 12-换行键).

carriage return :\r

Matches a CARRIAGE RETURN character (char code 13 - 回车键).

null : \0

Matches a NULL character (char code 0 - 空字符).

点.: \.

Matches a "." character (char code 46).

斜杠 \ : \\

Matches a "" character (char code 92).

+ : \+

Matches a "+" character (char code 43).

* : \*

Matches a "*" character (char code 42).

?:\?

Matches a "?" character (char code 63).

^: \^

Matches a "^" character (char code 94).

$: \$

Matches a "$" character (char code 36).

[: \[

Matches a "[" character (char code 91).

]: \]

Matches a "]" character (char code 93).

{:\{

Matches a "{" character (char code 123).

}: \}

Matches a "}" character (char code 125).

(: \(

Matches a "(" character (char code 40).

): \)

Matches a ")" character (char code 41).

: \|

Matches a "|" character (char code 124).

/: \/

Matches a "/" character (char code 47).

4. Groups & Lookaround(组和查看)

组允许您将一系列令牌组合在一起操作。捕获组可以通过反向引用来引用,并在结果中单独访问。 (Groups allow you to combine a sequence of tokens to operate on them together. Capture groups can be referenced by a backreference and accessed separately in the results.)

Lookaround让你匹配一个组,而不会在结果中包含它。 (Lookaround lets you match a group without including it in the result.)

用法

匹配

capturing group(捕获组): (ABC)

将多个标记组合在一起,并创建一个提取子字符串或使用反向引用的捕获组。(Groups multiple tokens together and creates a capture group for extracting a substring or using a backreference.) (备注1)

backreference(对捕获组的反向引用): \1,\3, \num

Matches the results of a previous capture group. For example \1 matches the results of the first capture group & \3 matches the third. 对前面捕获分组的引用。 e.g. : var str = 'abccab abc aba cbc dbd;'结果:str.match(/(\w)b\1/g) -> (3) ["aba", "cbc", "dbd"](\num代表捕获到的第一个值)

non-capturing group:(?:ABC)

Groups multiple tokens together without creating a capture group. (没有搞明白)

以下是断言

--

positive lookahead: (?=ABC)

Matches a group after the main expression without including it in the result. 向指定xxx后边肯定会出现ABC,就用正先行断言,表达式:(?=ABC) e.g.: \d(?=px) -- 1pt 2px 3em 4px

nagative lookahead: (?!ABC)

Specifies a group that can not match after the main expression (if it matches, the result is discarded). 向指定xxx后边肯定不会出现ABC,就用正先行断言,表达式:(?!ABC) e.g.: \d(?=px) -- 1pt 2px 3em 4px

备注1 - 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。当然,这种引用既可以是在正则表达式内部,也可以是在正则表达式外部。


备注2 - 断言: 所谓断言,就是指明某个字符串前边或者后边,将会出现满足某种规律的字符串。

5. Quantifiers & Alternation

量词指示前面的标记必须匹配一定的次数。在默认情况下,量词是贪婪的,并且会匹配尽可能多的字符。

交替行为像一个布尔OR,匹配一个或另一个序列。(Alternation acts like a boolean OR, matching one sequence or another.)

用法

匹配

plus: +

Matches 1 or more of the preceding token.

star: *

Matches 0 or more of the preceding token.

quantifier: {1,3}

Matches the specified quantity of the previous token. {1,3} will match 1 to 3. {3} will match exactly 3. {3,} will match 3 or more.

optional: ?

Matches 0 or 1 of the preceding token(上述标记), effectively making it optional.(使其成为可选项) eg. : /colou?r/g -- color colour

lazy: ?

Makes the preceding(前) quantifier(量词) lazy, causing it to match as few characters as possible. By default, quantifiers are greedy(贪婪的), and will match as many characters as possible. eg. : b\w+? -- b be bee beer beers

alternation:|

Acts like a boolean OR. Matches the expression before or after the |.It can operate within a group, or on a whole expression. The patterns will be tested in order.(它可以在一个小组内或者是整个表达内内运行,模式将按顺序进行测试) eg. :b(a|e|i)d -- bad bud bod bed bid

6. Substitution (代替)

These tokens are used in a substitution string to insert different parts of the match.(这些令牌用于替换字符串插入的不同部分匹配。)

用法

匹配

match:$&

Inserts the matched text. eg. 题目:'意见-rightClick-modal'.replace(/([^-]*)-/,'===$&====') 结果:"===意见-====rightClick-modal"

capture group: $1

Inserts the results of the specified capture group. For example, $3 would insert the third capture group. 详细解释在下:1.2 捕获组编号规则

before match: $`

Inserts the portion of the source string that precedes the match.(插入匹配之前的源字符串部分)

after match : $'

Inserts the portion of the source string that follows the match.

escaped: $

Inserts a dollar sign character ($). e.g.. > test = 'abcdefg'; > test.replace(/ab(\w+?)[\D\d]*e(\w+?).*/g, '$2$') < "f$"

7. Flags

用法

匹配

ignore case : i

Makes the whole expression case-insensitive(不区分大小写). For example, /aBc/i would match AbC.

global search: g

Retain the index of the last match, allowing subsequent(后续的) searches to start from the end of the previous match.

multiline: m

When the multiline flag is enabled, beginning and end anchors (^ and $) will match the start and end of a line, instead of the start and end of the whole string.((^ and $) 将匹配行的开始和结束,而不是整个字符串的开始和结束)

Unicode:u

When the unicode flag is enabled, you can use extended(扩展) unicode escapes in the form \x{FFFFF}.It also makes other escapes stricter, causing unrecognized escapes (ex. \j) to throw an error.

sticky:y

It also makes other escapes stricter, causing unrecognized escapes (ex. \j) to throw an error.(该表达式只能匹配lastIndex的位置,如果设置则忽略全局(g)标志。 由于RegExr中的每个搜索都是离散的,因此此标志对显示的结果没有进一步的影响。)

重点详解

1. 捕获组

1.1 what

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。当然,这种引用既可以是在正则表达式内部,也可以是在正则表达式外部。

捕获组有两种形式,一种是普通捕获组,另一种是命名捕获组,通常所说的捕获组指的是普通捕获组。语法如下:

普通捕获组:(Expression) 命名捕获组:(?<name>Expression)

普通捕获组在大多数支持正则表达式的语言或工具中都是支持的,而命名捕获组目前只有.NET、PHP、Python等部分语言支持,据说Java会在7.0中提供对这一特性的支持。上面给出的命名捕获组的语法是.NET中的语法,另外在.NET中使(?’name’Expression)与使用(?<name>Expression)等价的。在PHP和Python中命名捕获组语法为:(?P<name>Expression)

另外需要说明的一点是,除(Expression)(?<name>Expression)语法外,其它的(?...)语法都不是捕获组。

1.2 捕获组编号规则:$1\$2\$3...$n

编号规则指的是以数字为捕获组进行编号的规则,在普通捕获组命名捕获组单独出现的正则表达式中,编号规则比较清晰,在普通捕获组与命名捕获组混合出现的正则表达式中,捕获组的编号规则稍显复杂。

在展开讨论之前,需要说明的是,编号为0的捕获组,指的是正则表达式整体,这一规则在支持捕获组的语言中,基本上都是适用的。下面对其它编号规则逐一展开讨论。

通俗的解释: $1,$2...是表示的小括号里的内容 ,$1是第一个小括号里的 ,$2是第2个小括号里的 e.g. var test = 'abcde acerfade sdfjawide hello dfwaf'; test.replace(/a(\w+?)[\D\d]he(\w+?)[\D\D]/g, '$1-$2') 结果: "b-l" 第一个分组匹配出来的是“b”,第二个分组匹配出来的是"l",所以将$1-$2的结果就是b-l。 而[\D\d]是匹配任意字符

1.2.1普通捕获组

如果没有显式为捕获组命名,即没有使用命名捕获组,那么需要按数字顺序来访问所有捕获组。在只有普通捕获组的情况下,捕获组的编号是按照“(”出现的顺序,从左到右,从1开始进行编号的。

e.g.:正则表达式:(\d{4})-(\d{2}-(\d\d))

reg.png

上面的正则表达式可以用来匹配格式为yyyy-MM-dd的日期,为了在下表中得以区分,月和日分别采用了\d{2}和\d\d这两种写法。

编号

命名

捕获组

匹配内容

0

(\d{4})-(\d{2}-(\d\d))

2008-12-31

1

(\d{4})

2008

2

(\d{2}-(\d\d))

12-31

3

(\d\d)

31

用以上正则表达式匹配字符串:2008-12-31,匹配结果为:

编号

命名

捕获组

匹配内容

0

(\d{4})-(\d{2}-(\d\d))

2008-12-31

1

(\d{4})

2008

2

(\d{2}-(\d\d))

12-31

3

(\d\d)

31

e.g.: 浏览器中执行的结果:

代码语言:javascript
复制
> var dateStr = '2008-12-31';

> datestr.match(/(\d{4})-(\d{2}-(\d\d))/g);
< ["2008-12-31"]

> datestr.match(/(\d{4})-(\d{2}-(\d\d))/)
< (4) ["2008-12-31", "2008", "12-31", "31", index: 0, input: "2008-12-31"]

为什么会有这两种不同的结果呢? 这是JavaScript中match()方法的特性。match方法的返回值存放匹配结果的数组。该数组的内容依赖于 regexp 是否具有全局标志 g。

  • 如果 regexp 没有标志 g,那么 match() 方法就只能在 stringObject 中执行一次匹配。如果没有找到任何匹配的文本, match() 将返回 null。否则,它将返回一个数组,其中存放了与它找到的匹配文本有关的信息。该数组的第 0 个元素存放的是匹配文本,而其余的元素存放的是与正则表达式的子表达式匹配的文本。除了这些常规的数组元素之外,返回的数组还含有两个对象属性。index 属性声明的是匹配文本的起始字符在 stringObject 中的位置,input 属性声明的是对 stringObject 的引用
  • 如果 regexp 具有标志 g,则 match() 方法将执行全局检索,找到 stringObject 中的所有匹配子字符串。若没有找到任何匹配的子串,则返回 null。如果找到了一个或多个匹配子串,则返回一个数组。不过全局匹配返回的数组的内容与前者大不相同,它的数组元素中存放的是 stringObject 中所有的匹配子串,而且也没有 index 属性或 input 属性。

注意:在全局检索模式下,match() 即不提供与子表达式匹配的文本的信息,也不声明每个匹配子串的位置。如果您需要这些全局检索的信息,可以使用 RegExp.exec()。

由于普通捕获组编号顺序从0开始,那么可以使用$1,$2,$..来进行表示。e.g:

代码语言:javascript
复制
> datestr.replace(/(\d{4})-(\d{2}-(\d\d))/, "$1年$2号");
< "2008年12-31号"

写在后面

GitHub上集大家之力搞了一个前端面试题的项目,里面都是大家面试时所遇到的题以及一些学习资料,有兴趣的话可以关注一下。如果你也有兴趣加入我们的话,请在项目中留言。项目同时也可以在gitbook上查看。

InterviewLibrary-GitHub InterviewLibrary-gitbook

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.01.05 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 语法学习
    • 1. Character classes
      • 2. Anchors (锚)
        • 3. Escapaed characters(转义字符)
          • 4. Groups & Lookaround(组和查看)
            • 5. Quantifiers & Alternation
              • 6. Substitution (代替)
                • 7. Flags
                • 重点详解
                  • 1. 捕获组
                    • 1.1 what
                    • 1.2 捕获组编号规则:$1\$2\$3...$n
                领券
                问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档