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 >JS正则表达式--从入门到精分

JS正则表达式--从入门到精分

作者头像
江米小枣
发布2020-06-15 14:52:51
1.5K0
发布2020-06-15 14:52:51
举报
文章被收录于专栏:云前端
  • 正则表达式是被用来匹配字符串中的字符组合的模式
  • 在JavaScript中,正则表达式也是对象
  • 这种模式可以被用于 RegExp 的 exec 和 test 方法 以及 String 的 match、replace、search 和 split 方法

创建一个正则表达式

  1. 字面量
代码语言:javascript
复制
var re = /http\:\/{2}/;
re.test('http://jobs.douban.com') //true
  1. 构造函数
代码语言:javascript
复制
//用构造函数创建正则往往要对特殊字符双重转义var re = new RegExp('http\\:\\/{2}');
re.test('http://jobs.douban.com') //true

//ES6允许用第二个参数覆盖默认的标志修饰符,ES5则会报错
var re2 = new RegExp(/abc/ig, 'i');
console.log(re2.flags); //i

使用正则表达式的方法

方法

所属

描述

exec

RegExp

在字符串中查找匹配,返回一个特殊数组(未匹配到则返回null)

test

RegExp

在字符串中测试是否匹配,返回true或false

match

String

在字符串中查找匹配,返回一个特殊数组或者在未匹配到时返回null

search

String

在字符串中测试匹配,返回匹配到的位置索引,或者在失败时返回-1

replace

String

在字符串中查找匹配,并且使用替换字符串替换掉匹配到的子字符串

split

String

使用正则或字符串分隔一个字符串,并将分隔后的子字符串存储为数组

常用特殊字符

代码语言:javascript
复制
将其后的特殊字符,转义为字面量

正则表达式标志修饰符

标志

描述

g

全局搜索

i

不区分大小写搜索

m

多行搜索

y

ES6新增,执行“粘性”搜索,匹配从目标字符串的当前位置开始

u

ES6新增,含义为“Unicode模式”,会正确处理四个字节的UTF-16编码(大于\uFFFF)

每个RegExp实例都具有以下属性

代码语言:javascript
复制
global //是否设置了g
ignoreCase //是否设置了i
multiline //是否设置了m
lastIndex //0开始的整数,开始搜索下一个匹配项的位置
source //正则字面量的字符串表示
sticky //ES6新增,表示是否设置了y修饰符
flags //ES6新增,会返回正则表达式的修饰符

几个例子

exec() 返回 null 或 一个特殊数组(有index和input属性)

代码语言:javascript
复制
var exec = /abc\s\"h\d/.exec('helloabc "h2elloabc"'); // ["abc "h2"]
exec.index // 5
exec.input // 'helloabc "h2elloabc"'

//在global情况下
var re = /\del/g, txt = '1ello, 2elabc';
console.log(re.exec(txt)); // ["1el"], index: 0, input: "1ello, 2elabc"
console.log(re.exec(txt)); // ["2el"], index: 7, input: "1ello, 2elabc"

标志修饰符

代码语言:javascript
复制
//特殊字符`?`, 编码U+10437
/?{2}/u.test('??') //true
/?{2}/.test('??') //false

//y和g的区别在于不是紧跟着的粘连模式,相当于隐含的^头部匹配
var str = "applewatch";
var re = /a/g;
re.exec(str); //['a'] index:0
re.exec(str); //['a'] index:6
re.exec(str); //null
var re2 = /a/y;
re2.exec(str); //['a'] index:0
re2.exec(str); //null

调用exec()或test()后,最多9个构造函数属性被自动填充为 RegExp.$1...RegExp.$9,存放括号中匹配的项

代码语言:javascript
复制
var re = /(\de(l.))/g, txt = '1ello, 2elabc';
re.exec(txt);
console.log(RegExp.$1, RegExp.$2);//'1ell', 'll'
re.exec(txt);
console.log(RegExp.$1, RegExp.$2);//'2ela', 'la'

用function作为replace方法第二个参数

  • 可以指定一个函数作为String.prototype.replace()第二个参数
  • 当匹配执行后, 该函数就会执行。 函数的返回值作为替换字符串
  • 该函数的参数为:match, p1, p2, p3..., offset, string
    • match : 匹配的子串
    • p1,p2,p3 ... : 括号分组中匹配的字符串(对应于 1,2,
    • offset : 匹配到的子字符串在原字符串中的偏移量
    • string : 被匹配的原字符串
代码语言:javascript
复制
var str = "吃葡萄不吐putao皮,不吃putao倒吐葡萄皮~";
var str2 = str.replace(/葡萄|putao/g, pt=>{
	console.log(pt);
	return '苹果';
});
//葡萄
//putao
//putao
//葡萄
//str2 == "吃苹果不吐苹果皮,不吃苹果倒吐苹果皮~"

一些常用的正则表达式

代码语言:javascript
复制
//中文、英文、数字及下划线
^[\u4e00-\u9fa5_a-zA-Z0-9]+$//中国邮政编码
[1-9]{1}(\d+){5}//email地址
/^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$/;//根据useragent判断是否ios
/iP(od|ad|hone)\;?.*\sOS\s([\_0-9]+)///去掉首位空格
str.replace(/(^\s+|\s+$)/g, '')//格式化手机号
tel.replace(/(.{4})/g, '$1 ') //"1332 3385 333"/**
* 获取基于模板的文本值
* @param  {String} tmpl - 文本模板,格式为 'hello{0},world{1}'
* @param  {...String} args - 用于替换的若干参数
* @return {String}
*/
function read_i18n(tmpl, ...args) {
   let rtn = tmpl.substr(0);
   if (args.length) {
       let flagArr = tmpl.match(/\{\d+\}/g); //{1},{0},{2}...
       if (flagArr) {
           for (let i = 0; i < flagArr.length; i++) {
               rtn = rtn.replace(
                   new RegExp("\\{" + i + "\\}", "g"),
                   args[i]
               );
           }
       }
   }
   return rtn;
}read_i18n('hello{0}world{1}', '!', ':)'); // 'hello!world:)'

贪婪模式和懒惰模式

代码语言:javascript
复制
var txt = '<a href=”http://google.com”>谷歌</a><a href=”http://baidu.com”>百度</a>'
var re1 = /\<a (.*?)\<\/a\>/g; //懒惰模式,尽可能少的匹配
var re2 = /\<a (.*)\<\/a\>/g; //贪婪模式,尽可能多的匹配, 区别在不加问号console.log(re1.exec(txt));
//["<a href=”http://google.com”>谷歌</a>", "href=”http://google.com”>谷歌"]console.log(re1.exec(txt));
//["<a href=”http://baidu.com”>百度</a>", "href=”http://baidu.com”>百度"]console.log(re2.exec(txt));
//["<a href=”http://google.com”>谷歌</a><a href=”http://baidu.com”>百度</a>",
//"href=”http://google.com”>谷歌</a><a href=”http://baidu.com”>百度"]console.log(re2.exec(txt));
//null
代码语言:javascript
复制

捕获和非捕获分组

  • 一般的括号被称为捕获分组
    • /(foo) (bar) \1 \2/ 中的 '(foo)' 和 '(bar)' 匹配并记住字符串 "foo bar foo bar" 中前两个单词。
    • 模式中的后向引用 \1 和 \2 匹配字符串的后两个单词。注意 \1、\2、\n 是用在正则表达式的匹配环节。
    • 在正则表达式的替换环节,则要使用像 1、2、n 这样的语法,例如,'bar foo'.replace( /(...) (...)/, '2
  • (?:x)模式的括号被成为非捕获分组,从而不让这个分组被类似 macth exec 这样的函数所获取到
  • var reg = /test(?:\d)+/; var str = 'new test001 test002'; console.log(str.match(reg)); //["test001", index: 4, input: "new test001 test002"]

工作原理

  1. 创建正则表达式后,浏览器检查无误后将其 编译 成本机代码;如果将正则赋给一个变量,可以避免重复执行此步骤
  2. 正则表达式开始工作时, 起始位置 位于字符串的开头或由正则的lastIndex指定;匹配失败后起始位置则重置到最后一次尝试的后一个字符上
  3. 根据目标字符串和正则模版 逐个搜索 ,匹配失败后 回溯(sù) 到该次扫描之前的位置上,并尝试其他可能的分支
  4. 在字符串的当前位置上的所有可能分支都尝试失败后,回到第二步;字符串中每个字符(包括结尾位置)都无法匹配则彻底失败

理解回溯

蒹葭苍苍,白露为霜。所谓伊人,在水一方。溯洄从之,道阻且长。溯游从之,宛在水中央

  • 回溯是正则匹配的基础组成部分,但代价也很昂贵,尽量减少其使用频率,才能编写高效的表达式
  • 正则表达式扫描目标注字符串时,从左到右逐个测试其组成部分,看是否能找到匹配项
  • 对每个量词(诸如*,+?或{2,})和分支都必须决定接下来如何处理
  • 每当正则表达式做决定时,如果有必要的话,都会记住其他选择,以备返回时使用
  • 如果当前选项找不到匹配值,或后面的部分匹配失败,那么正则表达式会回溯到最后一个决策点,然后在剩余的选项中选择一个。这个过程直到最终匹配成功或匹配失败

分支与回溯

代码语言:javascript
复制
/h(ello|appy) hippo/.test("hello there, happy hippo");
  1. 匹配第一个h,成功
  2. 匹配子表达式中的第一个分支,成功
  3. 匹配空格,成功
  4. 匹配t,失败
  5. 尝试2中的另一个分支,第一个字母的匹配都失败了
  6. 回退到第一个字母后面的位置,依次向右挨个字母重复上述匹配
  7. 知道第14个字母h,又匹配成功正则中第一个h
  8. 重复2至5的过程,匹配了子表达式中第二个分支appy
  9. 接下来匹配了整个正则
  10. 得到了匹配的字符串 "happy hippo"

重复与回溯

代码语言:javascript
复制
var re1 = /<p>.*<\/p>/i;
var re2 = /<p>.*?<\/p>/i; //非贪婪(懒惰)
var str1 = "<p>Para.1.</p><img src='smiley.jpg'><p>Para.2.</p><div>Div.</div>";
var str2 = "<p>Para.1.</p>";
  • 参考上面“贪婪模式和懒惰模式”部分的说明
    • 贪婪模式尽可能多的匹配,也就是先吞噬整个剩余字符串,然后从右向左一个个的回溯尝试
    • 懒惰模式尽可能少的匹配,从左向右一个个匹配
  • 对于str1来说,re1能得到比re2更长的字符串,
  • 对于str2来说,re1和re2的结果等效,re1还比re2所用的步骤少一些

回溯失控

失控情况1:不完整的html页面代码
代码语言:javascript
复制
/<html>[\s\S]*?<head>[\s\S]*?<\/head>[\s\S]*?<body>[\s\S]*?<\/body>[\s\S]*?<\/html>/
  • 该正则对于完整的html页面工作良好
  • 如果页面中的标签缺失,则正则将大量回溯,可能导致浏览器假死崩溃等
  • 比如遗漏了</html>,则最后一个[\s\S]*?扩展到字符串末尾且无法匹配成功
  • 此时正则不会结束匹配过程,而是回溯到倒数第二个[\s\S]*?,并将其扩展到字符串末尾,尝试 "....</body>...</body>...</html>" 的情况
  • 上一步过程失败后将从右至左以此把其他[\s\S]*?扩展到字符串末尾并失败,从而引发失控
代码语言:javascript
复制
/<html>(?:(?!<head>)[\s\S])*<head>(?:(?!<title>)[\s\S])*<title>(?:(?!<\/title>)[\s\S])*<\/title>(?:(?!<\/head>)[\s\S])*<\/head>(?:(?!<body>)[\s\S])*<body>(?:(?!<\/body>)[\s\S])*<\/body>(?:(?!<\/html>)[\s\S])*<\/html>/
  • 解决方法1: 用 一个包含正向否定查找的非捕获分组 代替了[\s\S]*?
  • 这种结构阻塞了下一个所需的标签,但为每个匹配字符多次正向查找缺乏效率
  • 消除了潜在的回溯失控,且匹配短字符串时良好,但对实际html文件效率没有提高,可能依然要正向预查找上千次
代码语言:javascript
复制
/<html>(?=([\s\S]*?<head>))\1(?=([\s\S]*?<title>))\2(?=([\s\S]*?<\/title>))\3(?=([\s\S]*?<\/head>))\4(?=([\s\S]*?<body>))\5(?=([\s\S]*?<\/body>))\6[\s\S]*?<\/html>/
  • 解决方法2:用 正向肯定查找和匹配环节替换 模拟原子组
  • 该方法更优于‘解决方法1’
  • 匹配环节替换的 后向引用\x 语法在“捕获和非捕获分组”中介绍过
  • 在javascript中不支持其他有些语言中的 原子组(atomic groups),或称 “贪婪子表达式”, 但可以通过 (?=(pattern))\x 模拟;其特点是其中的分组中的任何回溯点都将被丢弃
  • 遗漏了</html>,则最后一个[\s\S]*?扩展到字符串末尾,且整个表达式立即失败,因为没有位置可以回溯了
失控情况2:嵌套量词
代码语言:javascript
复制
/(A+A+)+B/.test('AAAAAAAAAA')
  • 一个典型的例子如上所示
  • 第一个A+匹配全部、第一个匹配9个第二个匹配1个、第一个匹配m个第二个匹配n个再重复分组 等各种情况
  • 最坏的情况下其复杂度为2的n次方,20个长度的A就会回溯百万次,足够造成某些浏览器的崩溃
  • 较好的写法是 /AA+B/
  • 同样,使用模拟原子组,也可以很好的解决问题 /((?=(A+A+))\2)+B/

正则表达式的优化

调试正则时需要考虑的两个因素是准确性和效率:精确匹配需要的文本,并且速度要快

  • 正则的性能因目标文本的不同而差异很大,测试时应尽量使用接近实际的文本
  • 慢往往由过多失败引起,应多考虑让匹配尽快失败的方案
  • 以简单而明确的字元开头,比如^ 等,避免用分支开头
  • 尽量具体化,能用[a-z\r\n]*的就不用.*
  • 分支尽可能少而短,并尽量用速度更快的字符集合取代之;比如用[cb]at代替cat|bat,或用[\s\S]代替(.|\r|\n);常用字符放在集合的前面
  • 在不需要引用括号内文本的时候,尽量用非捕获分组
  • 使用预查找和正确的量词避免回溯失控
  • 将需要重用的正则赋给变量,而不是每次重新创建
  • 将复杂的表达式拆分为简单的片段,并避免一个表达式做太多事情
  • 能用字符串方法直接解决的不要用正则处理

总结图

参考资料

  • https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Guide/Regular_Expressions
  • https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Reference/Global_Objects/String/replace
  • http://www.bitscn.com/school/Javascript/201608/718959.html
  • http://www.cnblogs.com/RachelChen/p/5424954.html
  • http://caibaojian.com/es6/regex.html
  • http://keleyi.com/ziliao/js/zzbds.htm
  • http://www.jb51.net/article/31168.htm
  • http://www.cnblogs.com/liuchunmang/archive/2012/02/10/2342066.html
  • http://sentsin.com/web/143_2.html
  • https://mp.weixin.qq.com/s?__biz=MzA5NTM2MTEzNw==&mid=2736711315&idx=2&sn=46f11c955fe647c93036040516fe58eb&chksm=b6aac78d81dd4e9ba0429e863cd4b8187bf711b009a7caf5c7cee9a8212590ebd34fdbdb262d&mpshare=1&scene=1&srcid=0105h36ItjZzXc7u6uW39tlf&key=4656d9815c967482ff88e44f7c9e53cb2e65273a9a271a4f9f316299ac83108bbb9a5ed452a27ff0ce70c20538f67943ba29deaa95c46a4087dffcc62d66c15bed18749de00ee9384d4ab3d4b1ab463c&ascene=0&uin=NzY3MjA4NQ%3D%3D&devicetype=iMac12%2C1+OSX+OSX+10.12.1+build(16B2555)&version=12010210&nettype=WIFI&fontScale=100&pass_ticket=%2FhHEhMrA8QE0TZwyTsLt5VVnBAN9qnxIuiR6v463X6Y%3D
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-01-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 云前端 微信公众号,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
  • 创建一个正则表达式
  • 使用正则表达式的方法
  • 常用特殊字符
  • 正则表达式标志修饰符
  • 每个RegExp实例都具有以下属性
  • 几个例子
    • exec() 返回 null 或 一个特殊数组(有index和input属性)
      • 标志修饰符
        • 调用exec()或test()后,最多9个构造函数属性被自动填充为 RegExp.$1...RegExp.$9,存放括号中匹配的项
          • 用function作为replace方法第二个参数
            • 一些常用的正则表达式
            • 贪婪模式和懒惰模式
            • 捕获和非捕获分组
            • 工作原理
            • 理解回溯
              • 分支与回溯
                • 重复与回溯
                  • 回溯失控
                    • 失控情况1:不完整的html页面代码
                    • 失控情况2:嵌套量词
                • 正则表达式的优化
                • 总结图
                • 参考资料
                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