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 >正则表达式理论篇

正则表达式理论篇

作者头像
陈大鱼头
发布2021-10-09 16:03:13
1.2K0
发布2021-10-09 16:03:13
举报
文章被收录于专栏:鱼头的Web海洋

学习正则表达式的你们,有没有发现,一开始总是记不住语法。嗯,加深大家的印象的同时,我也是来找同道中人的。

首先你要记住它的名字

正则表达式 regular expression 缩写 regexp 、regex 、egrep。

正则表达式可以干嘛

  • 数据验证。
  • 复杂的字符串搜寻、替换。
  • 基于模式匹配从字符串中提取子字符串。

概述

正则表达式包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为“元字符”)。

若要匹配这些特殊字符,必须首先转义字符,即,在字符前面加反斜杠字符 \**。 例如,若要搜索 “+”文本字符,可使用表达式 \+。 但是大多数 特殊字符 在中括号表达式内出现时失去本来的意义,并恢复为普通字符。

构造函数(四种写法)

代码语言:javascript
复制
var regex = new RegExp('xyz', 'i');  
var regex = new RegExp(/xyz/i); 
var regex = /xyz/i; 

// ES6的写法。ES5在第一个参数是正则时,不允许此时使用第二个参数,会报错。
// 返回的正则表达式会忽略原有的正则表达式的修饰符,只使用新指定的修饰符。
// 下面代码返回”i”。
new RegExp(/abc/ig, 'i').flags

用于模式匹配的String方法

  • String.search() 参数:要搜索的子字符串,或者一个正则表达式。 返回:第一个与参数匹配的子串的起始位置,如果找不到,返回-1。 说明:不支持全局搜索,如果参数是字符串,会先通过RegExp构造函数转换成正则表达式。
  • String.replace() 作用:查找并替换字符串。 第一个参数:字符串或正则表达式, 第二个参数:要进行替换的字符串,也可以是函数。 用法:

替换文本中的$字符有特殊含义:

代码语言:javascript
复制
$1、$2、...、$99 与 regexp 中的第 1 到第 99 个子表达式相匹配的文本。
$&  与 regexp 相匹配的子串。
$`  位于匹配子串左侧的文本。
$'  位于匹配子串右侧的文本。
$$  普通字符$。

如:

代码语言:javascript
复制
'abc'.replace(/b/g, "{$$$`$&$'}")
// 结果为 "a{$abc}c",即把b换成了{$abc}
  • String.match() 参数:要搜索的子字符串,或者一个正则表达式。返回:一个由匹配结果组成的数组

非全局检索:如果没有找到任何匹配的文本返回null;否则数组的第一个元素是匹配的字符串,剩下的是小括号中的子表达式,即a[n]中存放的是$n的内容。非全局检索返回三个属性:length 属性;index 属性声明的是匹配文本的第一个字符的位置;input 属性则存放的是被检索的字符串 string。

全局检索:设置标志g则返回所有匹配子字符串,即不提供与子表达式相关的信息。没有 index 属性或 input 属性。

  • String.split() 作用:把一个字符串分割成字符串数组。 参数:正则表达式或字符串。返回:子串组成的数组。

RegExp的方法

  • RegExpObject.exec() 参数:字符串。返回:

非全局检索:与String.macth()非全局检索相同,返回一个数组或null。

全局检索:尽管是全局匹配的正则表达式,但是exec方法只对指定的字符串进行一次匹配。但是可以反复调用来实现全局检索。在 RegExpObject 的lastIndex 属性指定的字符处开始检索字符串;匹配后,将更新lastIndex为匹配文本的最后一个字符的下一个位置;再也找不到匹配的文本时,将返回null,并把 lastIndex 属性重置为 0。

如:

  • RegExpObject.test() 参数:字符串。 返回:true或false。
  • RegExpObject.toString() 返回:字符串

字符

| 指示在两个或多个项之间进行选择。类似js中的或,又称分支条件/ 正则表达式模式的开始或结尾。 \ 反斜杠字符,用来转义。 - 连字符 当且仅当在字符组[]的内部表示一个范围,比如[A-Z]就是表示范围从A到Z;如果需要在字符组里面表示普通字符-,放在字符组的开头即可。

. 匹配除换行符 \n 之外的任何单个字符。 \d 等价[0-9],匹配0到9字符。 \D 等价[^0-9],与\d相反。 \w 与以下任意字符匹配:A-Z、a-z、0-9 和下划线,等价于 [A-Za-z0-9_]。 \W 与\w相反,即 [^A-Za-z0-9_]

限定符(量词字符)

显示限定符位于大括号 {} 中,并包含指示出现次数上下限的数值;*+? 这三个字符属于单字符限定符

{n} 正好匹配 n 次。 {n,} 至少匹配 n 次。 {n,m} 匹配至少 n 次,至多 m 次。 * 等价{0,} + 等价{1,} ? 等价{0,1}

注意:

  • 显示限定符中,逗号和数字之间不能有空格,否则返回null!
  • 贪婪量词*+:javascript默认是贪婪匹配,也就是说匹配重复字符是尽可能多地匹配。
  • 惰性(最少重复匹配)量词?:当进行非贪婪匹配,只需要在待匹配的字符后面跟随一个?即可。
代码语言:javascript
复制
var reg = /a+/;
var reg2 = /a+?/;
var str = 'aaab';

str.match(reg); // ["aaa"]
str.match(reg2); // ["a"]

定位点(锚字符、边界)

^ 匹配开始的位置。将 ^ 用作括号[]表达式中的第一个字符,则会对字符集求反。 $ 匹配结尾的位置。 \b 与一个字边界匹配,如er\b 与“never”中的“er”匹配,但与“verb”中的“er”不匹配。 \B 非边界字匹配。

标记

  • 中括号[] 字符组;标记括号表达式的开始和结尾,起到的作用是匹配这个或者匹配那个。 [...] 匹配方括号内任意字符。很多字符在[]都会失去本来的意义:[^...]匹配不在方括号内的任意字符;[?.]匹配普通的问号和点号。 但是不要滥用字符组这个失去意义的特性,比如不要使用[.]来代替\:转义点号,因为需要付出处理字符组的代价
  • 大括号{} 标记限定符表达式的开始和结尾。
  • 小括号() 标记子表达式的开始和结尾,主要作用是分组,对内容进行区分。

(模式) 可以记住和这个模式匹配的匹配项(捕获分组)。不要滥用括号,如果不需要保存子表达式,可使用非捕获型括号(?:)来进行性能优化(?:模式) 与模式 匹配,但不保存匹配项(非捕获分组)。 (?=模式) 零宽正向先行断言,要求匹配与模式 匹配的搜索字符串。找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项;但不会保存匹配项。 (?!模式) 零宽负向先行断言,要求匹配与模式 不匹配的搜索字符串。找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项;但不会保存匹配项。

有点晕? 好,换个说法。。。

先行断言(?=模式):x只有在y前面才匹配,必须写成/x(?=y)/。解释:找一个x,那个x的后面有y。 先行否定断言(?!模式):x只有不在y前面才匹配,必须写成/x(?!y)/。解释:找一个x,那个x的后面没有y。

稳住,又来了两个断言,来自ES7提案:

后行断言(?<=模式):与"先行断言”相反, x只有在y后面才匹配,必须写成/(?<=y)x/。解释:找一个x,那个x的前面要有y。 后行否定断言(?<!模式):与”先行否定断言“相反,x只有不在y后面才匹配,必须写成/(?<!y)x/。解释:找一个x,那个x的前面没有y。

可以看出,后行断言先匹配/(?<=y)x/的x,然后再回到左边,匹配y的部分,即先右后左"的执行顺序。

零宽负向先行断言的例子:

代码语言:javascript
复制
var str=`<div class="o2">
            <div class="o2_team">
                <img src="img/logo.jpg" />
            </div>
        </div>`;
// <(?!img) 表示找一个左尖括号<,而且左尖括号<的后面没有img字符;
// (?:.|\r|\n)*? 表示匹配左右尖括号<>里面的.或\r或\n,而且匹配次数为*?;(?:)不保存匹配项,提高性能;
// *后面加个? 表示非贪婪匹配。
var reg = /<(?!img)(?:.|\r|\n)*?>/gi;
str.match(reg);
// 返回结果 ["<div class="o2">", "<div class="o2_team">", "</div>", "</div>"]
  • 反向引用:主要作用是给分组加上标识符\n。 \n 表示引用字符,与第n个子表达式第一次匹配的字符相匹配。

反向引用的例子,给MikeMike字符后加个单引号:

代码语言:javascript
复制
var reg = /(Mike)(\1)(s)/;
var str = "MikeMikes";
console.log(str.replace(reg,"$1$2'$3"));
// 返回结果 MikeMike's

非打印字符

\s 任何空白字符。即[ \f\n\r\t\v] \S 任何非空白字符。 \t Tab 字符(\u0009)。 \n 换行符(\u000A) \v 垂直制表符(\u000B)。 \f 换页符(\u000C) \r 回车符(\u000D)。

注意:\n\r一起使用,即 /[\r\n]/g来匹配换行,因为unix扩展的系统以\n标志结尾,window以\r\n标志结尾。

其他

\cx 匹配 x 指示的控制字符,要求x 的值必须在 A-Z 或 a-z 范围内。 \xn 匹配n,n 是一个十六进制转义码,两位数长。 \un 匹配 n,其中n 是以四位十六进制数表示的 Unicode 字符。

\nm 或 \n 先尝试反向引用,不可则再尝试标识为一个八进制转义码。 \nml 当n 是八进制数字 (0-3),m 和 l 是八进制数字 (0-7) 时,匹配八进制转义码 nml。

修饰符

  • i 执行不区分大小写的匹配。
  • g 执行一个全局匹配,简而言之,即找到所有的匹配,而不是在找到第一个之后就停止。
  • m 多行匹配模式,^匹配一行的开头和字符串的开头,$匹配行的结束和字符串的结束。

ES6新增u和y修饰符:

  • u修饰符

含义为“Unicode模式”,用来正确处理大于\uFFFF的Unicode字符。也就是说,会正确处理四个字节的UTF-16编码。

代码语言:javascript
复制
// 加u修饰符以后,ES6就会识别\uD83D\uDC2A为一个字符,返回false。
/^\uD83D/u.test('\uD83D\uDC2A')  // false
/^\uD83D/.test('\uD83D\uDC2A') // true
  • y修饰符

与g修饰符都是全局匹配,不同之处在于:lastIndex属性指定每次搜索的开始位置,g修饰符从这个位置开始向后搜索,直到发现匹配为止;但是y修饰符要求必须在lastIndex指定的位置发现匹配,即y修饰符确保匹配必须从剩余的第一个位置开始,这也是“粘连”的涵义。

代码语言:javascript
复制
/b/y.exec('aba')  // null 
/b/.exec('aba')  // ["b"]

优先级顺序:

  1. \ 转义符
  2. (), (?:), (?=), [] 括号和中括号
  3. *、+、?、{n}、{n,}、{n,m} 限定符
  4. 任何元字符^、$、\ 定位点和序列
  5. | 替换

关于引擎

JS 是 NFA 引擎。

NFA 引擎的特点:

  • 以贪婪方式进行,尽可能匹配更多字符
  • 急于邀功请赏,所以最左子正则式优先匹配成功,因此偶尔会错过最佳匹配结果(多选条件分支的情况)
代码语言:javascript
复制
'nfa not'.match(/nfa|nfa not/)
//  返回["nfa"]
  • 回溯(backtracking),导致速度慢

举个贪婪与回溯结合的例子:

代码语言:javascript
复制
"AB01CD23CD45CEff".match('AB.*CD')
// 返回 ["AB01CD23CD"]

匹配顺序如图所示:

参考

MDN w3school http://es6.ruanyifeng.com/#docs/regex http://imweb.io/topic/56e804ef1a5f05dc50643106 http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html http://www.cnblogs.com/hustskyking/p/how-regular-expressions-work.html

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:2021-09-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 鱼头的Web海洋 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
  • 首先你要记住它的名字
  • 正则表达式可以干嘛
  • 概述
  • 构造函数(四种写法)
  • 用于模式匹配的String方法
  • RegExp的方法
  • 字符
  • 限定符(量词字符)
  • 定位点(锚字符、边界)
  • 标记
  • 非打印字符
  • 其他
  • 修饰符
  • 优先级顺序:
  • 关于引擎
  • 参考
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