专栏首页黄Java的地盘正则表达式之入门篇
原创

正则表达式之入门篇

概述

本文主要通过对正则表达式的语法进行一些简单的介绍,从而让没有接触过或者想学习正则表达式的同学有一个基础的了解,从而能够看懂和编写使用一般的正则表达式。

本文的主要内容为:

  • 正则表达式的字符匹配
  • 正则表达式的位置匹配
  • 正则表达式的括号与捕获组

本文的主要受众是想要学习正则表达式又不知道从何入手的同学。如果你已经使用过正则表达式,可以快速浏览本文,强化自己的记忆即可。

字符匹配

匹配规则

在正则表达式中,分为精确匹配和模糊匹配两种。顾名思义,精确匹配就是匹配特定的字符或者位置;而非精确匹配就是带有一定的范围的匹配。具体示例如下:

const reg1 = /ab/; //精确匹配

const reg2 = /ab+/; //模糊匹配

不同的匹配适用于不同的场景,大家根据自己的需求进行选择即可。

字符组

在正则表达式中,我们经常会遇到从N个字符里面选取任意字符进行匹配的需求。这个时候,我们就需要一个字符组。具体示例如下:

const reg = /[abc]/; // 与上面示例完全相同,匹配a或b或者c

当匹配的字符多了以后,我们不可能全部都列到字符组里,因此我们可以使用范围表示法。具体示例如下:

const reg = /[a-c]/; // 匹配a或b或c

相同类的字符可以用范围,如1-9、A-Z或者a-z。在字符组中,-是一个特殊字符,如果需要匹配-,则需要使用\进行转义。

当然,如果我们是不想匹配N个字符中的任意一个,我们可以用排除字符组的方式来进行匹配。具体示例如下:

const reg = /[^abc]/; // 不匹配a、b、c中任意一个

排除字符组中也可以使用范围。

量词

当我们需要匹配单个字符时,我们可以使用上面示例中的方法。但是,如果我们需要匹配单个字符若干次呢?最简单的方法就是将匹配的正则表达式写若干次,但是这样不仅费时费力,还不方便阅读。因此,正则表达式中使用了量词来表示重复匹配N次的情况。

量词含义如下:

  • {m, },至少出现m次。
  • {m, n},最少出现m次,最多出现n次(最多出现N次的写法为{0, n},而不是{, n})
  • ,匹配0或者1次
  • +,最少匹配1次,与{1, }等价
  • *,匹配任意次,与{0, }等价

了解了上述量词,下面我们来看下这些量词在示例中到底是如何应用的:

const reg1 = /a+/; //至少匹配一次a

const reg2 = /a?b*/; //匹配0或者1次a,再匹配任意次的b

现在问题来了,上面示例中的/a+/这个正则表达式,如果遇到了字符串'aaa',那么得到的匹配结果是什么呢?这个就涉及到了我们下一节要介绍的内容。

贪婪匹配与非贪婪匹配

贪婪匹配:所有的量词都会尽可能多的进行匹配,默认值。以/a+/'aaa'为例,匹配的结果是'aaa'

非贪婪匹配:所有的两次都会尽可能少的匹配。以/a+?/'aaa'为例,匹配的结果是'a'

因为贪婪匹配是默认值,所以当我们写正则表达式时,默认就是贪婪匹配。那么我们应该如何来表示非贪婪匹配呢?具体示例如下:

const reg1 = /a+/; //贪婪匹配

const reg2 = /a+?/; // 非贪婪匹配

通过上面的示例我们可以看到,我们只需要在两次后加上一个?,就表示是一个非贪婪匹配。

注:非贪婪匹配只会向后作用,不会向前作用。即\/a+?bb\/匹配'aabb'是'aabb',而不是'abb';而\/aab+?\/则是匹配'aab'。(这个与正则表达式匹配和回溯的原理有关,有兴趣的可以阅读我的下一篇关于正则表达式的博客)

分支逻辑

在一个正则表达式中,我们会遇到做选择的情况。单个元素进行选择时,我们可以使用字符组。但是,如果需要多个元素比如ab或者cd进行选择时,这个时候我们就需要分支逻辑。具体示例代码如下:

const reg = /ab|cd/; //表示选择ab或者cd。为什么不是b和c呢?这个我们在下一篇博客——进阶篇中将会讲述操作符优先级问题。

位置匹配

正则表达式除了捕获字符,还可以捕获字符串中的位置。所谓的位置,指的就是两个字符之间。比如'ab'这个字符串,就有3个位置,分别位于a前面、a后面b前面和b后面。如果我们将位置当成是一个空字符串'',其实对于位置的匹配也可以归纳到对字符的匹配中。

匹配位置的方式也有不少,我们来看下:

  • ^,匹配开头,多行模式下匹配行开头,即每行开头都会被匹配。
  • $,匹配结尾,多行模式下匹配行结尾,即每行结尾都会被匹配。
  • \b\w\W之间的位置(\w表示0-9A-Za-z,而\W就是\w的补集),包括开头结尾(即也包括\w^之间的位置,和\w$之间的位置)
  • \B,与\b相反,\w\w之间的位置,和\W\W之间的位置,包括开头结尾(相对的,即包括\W^之间的位置,和\W$之间的位置)
  • (?=p),正向肯定断言。p是一个子模式,匹配要在p这个模式之前的位置
  • (?!p),正向否定断言。与(?=p)相反,匹配不要在p这个模式之前的位置

上面说了这么多,下面我们通过一个示例来一下:

const reg1 = /^ab/; //对于字符串'abab'来说,只会匹配到开头的'ab'
const reg2 = /ab$/; //对于字符串'abab'来说,只会匹配到结尾的'ab'
const reg3 = /\b/; //对于字符串'a b'来说,会匹配到'a'前面的位置、'a'和' '之间的位置、' '和'b'之间的位置、'b'后面的位置
const reg4 = /\B/; //对于字符串'aa bb[/来说,会匹配到'a'和'a'之间的位置、'b'和'b'之间的位置、'['后面的位置
const reg5 = /(?=a)/; //对于字符串'bac'来说,会匹配到'a'之前的位置
const reg6 = /(?!a)/; //对于字符串'bac'来说,会匹配到'b'之前的位置、'c'之前的位置以及'c'之后的位置

通过上面的例子,大家应该能够理解正则表达式在捕获位置时候所发挥的作用。

ES2018新特性

在ES2018中,增加了反向肯定断言反向否定断言。具体格式如下:

  • (?<=p),反向肯定断言。p是一个子模式,匹配要在p模式之后的位置
  • (?<!p),反向否定断言。与(?<=p)相反,匹配不要在p模式之后的位置

我们通过一个具体的示例来看下:

const reg1 = /(?<=a)b/ //对于字符串'abb'来说,只会匹配到'a'和'b'之间的位置。
const reg2 = /(?<=a)b/ //对于字符串'abb'来说,会匹配到'b'和'b'之间的位置。

括号与捕获组

在正则表达式中,括号是一个功能非常多的操作符。本章我们将会详细介绍正则表达式中的括号的各种作用。

提高优先级

在正则表达式中,运算符操作也有优先级之分,如下例所示:

const reg1 = /ab|cd/; //匹配'ab'或者'cd'
const reg2 = /a(b|c)d/;//匹配'a'后,匹配一个'b'或者'c',再匹配一个'd'

关于正则表达式优先级相关的讨论,我们在此就不做展开了,有兴趣的同学可以阅读我的后一篇关于正则表达式高级进阶的文章。

捕获组与非捕获组

如果我们在正则表达式中,我们需要获取特定的匹配内容,那么我们就要用到捕获组。捕获组通常使用(p),其中p是一个子模式,表示需要捕获的内容。具体使用示例如下:

const reg = /a(bc)d/;

let result = 'abcd'.match(reg); // 得到的result[1]就是第一个捕获组匹配的字符'ab'

但是,如果我们在一些需要保证优先级的地方使用了小括号,但是又不想成为捕获组来干扰匹配,我们应该怎么办呢?这个时候我们就需要非捕获组。我们只需要在括号最开始加上一个?即可。具体使用示例如下:

const reg = /a(?:bc)d/;

let result = 'abcd'.match(reg); // 得到的result没有捕获组

反向引用

当我们在正则表达式中需要使用前面捕获组匹配的内容时,我们可以使用反向引用。这在匹配一些成对的字符如'"等时非常有效。具体使用方式如下:

const reg = /(a)b\1/; //匹配字符'aba'

这里需要注意的有三点:

  1. 如果出现括号嵌套的情况,那么从左到右以第一个括号(即左开括号)的顺序为准。
  2. \10表示的含义为第10个捕获组,而不是第一个捕获组加上一个字符0。需要表示后者可以用/(\1)0/。即使是在第三种情况下,转移符优先级仍然高于字符顺序。
  3. 如果在正则表达式中出现的捕获组个数小于使用的捕获组,那么\字符就会被当成一个转移符而非反向引用。注:\2表示对2进行转义的话,不同的浏览器对转义后的结果是不一样的。下图是Chrome浏览器转义后的结果
image.png

总结

通过阅读本文,你已经学到了正则表达式的最基础的语法和使用规则。如果你想提高正则表达式的效率,加快正则表达式的阅读和理解,可以阅读正则表达式系列第二篇文章。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

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

我来说两句

0 条评论
登录 后参与评论

相关文章

  • WebSocket系列之如何建立和维护可靠的连接

    通过前四篇博客,相信读者对于WebSocket的使用和数据(不论是ArrayBuffer还是String)传输都有了一个深刻的了解。现在我们来介绍下,我在使用W...

    黄Java
  • 正则表达式之进阶篇

    本文主要通过介绍正则表达式中的一些进阶内容,让读者了解正则表达式在日常使用中用到的比较少但是又比较重要的一部分内容,从而让大家对正则表达式有一个更加深刻的认识。

    黄Java
  • 【译】 WebSocket 协议第十章——安全性考虑(Security Considerations)

    本文为 WebSocket 协议的第九章,本文翻译的主要内容为 WebSocket 安全性相关内容。

    黄Java
  • 正则表达式-2.重复匹配

    在上面例子中,第一个<B>和最后一个</B>中间的内容被/.*/全部匹配出来了。这就是“贪婪型”的元字符。 要想分别匹配两个B标签中中间的内容,需要使用“懒惰...

    悠扬前奏
  • 优秀攻城师必知的正则表达式语法

    最近公司的一个项目,大量用到了正则来处理文本,以前对正则使用仅限于小打小闹,用的也是一知半解,经过本次的深入使用,发现正则表达式真的是每一位开发者都需要具备的一...

    我是攻城师
  • 正则表达式教程

    张子阳
  • 正则表达式简介

    正则表达式(Regular Expression),又称规则表达式,在代码中常简写作regex、regexp或RE。正则表达式通常用来检索、替换那些符合某个模式...

    Dabelv
  • (待整理完)正则表达式30分钟入门教程

    Regular Expression(regex、regexp或RE):记录文本规则的代码

    wuweixiang
  • 中文分词算法总结

    基于词典的双向匹配算法的中文分词算法的实现。 例子:[我们经常有意见分歧] 词典:[我们,经常,有,有意见,意见,分歧]

    故事尾音
  • 系统地学习正则表达式(一):基础篇

    正则表达式就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,用来表达对字符串的一种过滤逻辑。

    公众号---志学Python

扫码关注云+社区

领取腾讯云代金券