60 分钟正则表达式从入门到深入

作者:水墨寒湘

链接:https://juejin.im/post/582dfcfda22b9d006b726d11

正则表达式对于我来说一直像黑暗魔法一样的存在。手机正则去网上搜,邮箱正则去网上搜,复杂点的看看文档拼凑一下,再复杂只能厚着脸皮让其他同事给写一个,从来没有系统的学习过。关于作者这几句话,我是深有感触,有幸畅游网络看到这篇博文和对应的慕课网视频,让我收获颇多,在此转载,希望给更多需要的朋友带来帮助。

视频地址:http://www.imooc.com/learn/706

一、学习目标:

了解正则表达式语法

在IDE中使用正则表达式

在javascript 中使用正则表达式处理字符串

二、什么是正则表达式

正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。

通俗的讲就是按照某种规则去匹配符合条件的字符串。

三、利用图形化工具理解正则表达式

辅助理解正则表达的在线工具(https://regexper.com/)我们利用这个工具辅助理解,正则表达式。语法没懂表着急,后面会有,这里只是学会用工具帮助我们学习。

手机号正则

tips:以1开头,第二位为3 4 5 7 9 其中一个,以9位(本身1次加重复8次)0-9数字结尾。

单词边界

tips:is前后都是单词的边界,比较晦涩难懂?感受下两者的区别,\b 会方道语法部分讲解

URL分组替换

看不懂的不要慌语法部分后面会有介绍,这里只是展示利用可视化的图形帮助我们理解正则表达式,可以回来再看木有关系。

正则表达式中括号用来分组,这个时候我们可以通过用$1来获取 group#1 的内容。

说下这个正则的意义,如果网站用了https,网站引用静态资源也必须是https,否则报错。如果写成 // 会自动识别 http 或者 https。

日期匹配与分组替换

这个正则比较复杂,画符念咒的地方太多了,一一分析:

1、Start of line 是由^生效的表示以此开头

2、对应结尾End of line 由$生效表示以此结尾

3、接着看digit 由 \d 生效表示数字

4、3times 由 生效表示重复4次

开始的时候有疑问,为什么不是 4times,后来明白作者的用意,正则表达式是一个规则,用这个规则去从字符串开始匹配到结束(注意计算机读字符串可是不会分行的,都是一个串,我们看到的多行,人家会认为是个 \t )这里设计好像小火车的轨道一直开到末尾。digit 传过一次,3times表示再来三次循环,共4次,后面的once同理。 自己被自己啰嗦到了。

5、接下来,是 one of 在手机正则里面已经出现了。表示什么都行。只要符合这两个都让通过。

好了这个正则解释完了,接下来用它做什么呢?

我们可以验证日期的合法性。结合URL分组替换所用到的分组特性,我们可以轻松写出日期格式化的方法。

改造下这个正则:

轻松的可以拿到 group#1 #2 #3 的内容,对应 $1 $2 $3。

到现在已经能结合图形化工具看懂正则表达式表达式了,如果想自己写,还要在正则语法上下点功夫

四、JS中REGEXP对象

Javascript 通过内置对象RegExp支持正则表达式,有两种方法实例化RegExp对象。

字面量方法

构造函数

五、正则表达式语法修饰符(三个 g 、i、m)

修饰符与其他语法特殊,字面量方法声名的时候放到//后,构造函数声明的时候,作为第二个参数传入。整个正则表达式可以理解为正则表达式规则字符串+修饰符。

g:global 执行一个全局匹配

i:ignore case执行一个不区分大小写的匹配

m:multiple lines多行匹配

修饰符可以一起用。

来说说他们有什么作用。

有g和没有g的区别

没有g只替换了第一个,有g 所有的都换了

有i和没有i的区别

有i忽略大小写,没有i严格区分大小写

元字符

正则表达式由两种基本字符组成:

原义字符

非打印字符

元字符 (* + ? $ ^ . | \ ( ) { } [ ])

原义字符

这个没什么好解释的,我们一直在举例的 /is/ 匹配字符串'is'。

将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,n”匹配字符“n”。“\n”匹配一个换行符。序列“\”匹配“\”而“(”则匹配“(”。

非打印字符

非打印字符,以\n为例。

其他的在前端引用比较少,应该在后端处理文本文件的时候会用到。

字符类 []

在前面的手机号正则例子中,我们已经使用过[] /^1[34578][0-9]$/

[34578]表示34578任意一个数字即可。在日期匹配与分组替换例子中 /^\d[/-]\d[/-]\d$/ 表示符合 / - 都可以

字符类取反 [^]

表示不属于此类

空格也不属于,好多狗

范围类[-]

正则表达式支持一定范围规则比如 [a-z] [A-Z] [0-9] 可以连写[a-z0-9] 如果你只是想匹配-在 范围类最后加-即可。请看实例。

预定义类

常用为了方便书写。

有了这些预定义类,写一些正则就很方便了,比如我们希望匹配一个 ab+数字+任意字符 的字符串,就可以这样写了 /ab\d./。

边界

边界顾名思义即定义匹配的边界条件,上面基本都在前面的例子碰到了,这里演示下\b与\B 的区别。

量词

如果没有量词,要匹配4位数字这样写就可以/\d\d\d\d/, 如果匹配50位100位呢?那不是要疯掉了?

有了量词,就可以这样写/\d/, 量词的使用我们在手机号中使用过,表现在可视化中就是循环多少次。

凑一个上面都包含的实例/\d?@\d*@\d+@\d@\d@\d@\d/。

贪婪与懒惰(非贪婪)

正则表达式默认会匹配贪婪模式,什么是贪婪模式呢?如其名尽可能多的匹配。我们看个例子。

贪婪模式下,匹配的了最多的情况。

与贪婪对应就是懒惰模式,懒惰对应的就是匹配的尽可能少的情况。如何开启懒惰模式? 在量词后面加?。继续上面的例子。

如果想知道,正则表达式是如何匹配量词的,请看进阶正则表达式文中有介绍,正则是如何回溯的。

分组与反向引用

分组,又称为子表达式。把正则表达式拆分成小表达式。概念枯燥,说个例子为嘛用分组:

不分组

量词仅作用到最后的c。

分组

注意这里 group #1,分组虽然和运算符() 很像,但是分组在正则表达式中,注意理解组的含义。经常有人滥用分组。

/^(http|https)/ 真的需要这样么?其实 /^https?/就可以了,你正则写的特别长的时候,会出现一堆没用的结果,看着都头疼吧。

分组往往和反向引用一起使用,别被概念吓到:当一个正则表达式被分组后,每个分组自动被赋予一个组号,一左到右分别是 $1 $2…

再把之前的例子拿出来。

轻松的可以拿到 group#1 #2 #3 的内容,对应 $1 $2 $3。

如果在反向引用中不想捕获年该如何操作? 加上 即可。

前瞻

这部分为进阶部分—选看。

正则表达式中有前瞻(Lookahead)和后顾(Lookbehind)的概念,这两个术语非常形象的描述了正则引擎的匹配行为。需要注意一点,正则表达式中的前和后和我们一般理解的前后有点不同。一段文本,我们一般习惯把文本开头的方向称作“前面”,文本末尾方向称为“后面”。但是对于正则表达式引擎来说,因为它是从文本头部向尾部开始解析的(可以通过正则选项控制解析方向),因此对于文本尾部方向,称为“前”,因为这个时候,正则引擎还没走到那块,而对文本头部方向,则称为“后”,因为正则引擎已经走过了那一块地方。

注意:后顾性能损耗比较大,js只支持前瞻(知乎上看到的,具体原因不详)。

上面的比较概念话,尝试用大白话讲讲,就说皇上选妃吧,先行条件得是美女吧,长得“如花”那样皇上可不要,漂亮这关过了,皇上想要这个美女也不行,皇室有规矩,必须是贵族血统。

那么“漂亮”就是正常的匹配,匹配到了,还得看看家室是不是贵族。"贵族"相当于前瞻条件。

前瞻分两种一种是正向前瞻(?=xxx), 另一种是负向前瞻(?!xxx)

是不是很简单?那我们来玩个好玩的。

题目:如何将'123456'转成货币带逗号的。'123,456'。这个是很常规格式化金额的需求。

如果在没有学习正则之前,我的思路是:

字符串转数组

反转数组

每隔三个添加个逗号

添加完了反转数组

数组转字符串

好累~~~今天学习了正则,可以一步到位:

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180207A04WV600?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励