I年少有为 首页归档标签类别
正则表达式

做自己喜欢的事保持进步。

首先推荐两个网址，用图形化解释你写的正则,很方便测试正则的网站

正则表达式基础可参看菜鸟教程~正则表达式,后面本文中的基础语法只是对教程中的一些解释。推荐用一小时过一遍菜鸟教程，再继续看下文。

语法

你可以把正则表达式，看成是一门编程语言，其中有一些字符，就是规定了一些基础的语法，像JavaScript的 function 表示函数，let声明变量,用 + - * / () 表示四则运算一样。

基本写法和修饰符

可以直接采用 /正则表达式/修饰符 这种,把正则表达式直接写在// 注释符号双斜杠中间，或者采用ES6的 RegExp("正则表达式","修饰符") 的形式(ES5,也有RegExp,不过没有第二个参数)。

1
2
3
4
5
new RegExp('xyz','i')
//等价于
/xyz/i
//等价于ES5中的
new RegExp('/xyz/i')

对于修饰符ES5中只有igm也是比较常用的三种。

i表示不区分匹配的大小写，即 a 可以匹配到A或a

区分大小写匹配

不区分大小写匹配

g 表示全局匹配，有点递归执行函数的意思。

如果用/a/i 匹配Aa,从上图可知匹配到 A 后，正则函数将不再继续向后执行。如果使用/a/ig ,匹配到A后将继续向后执行,匹配到a。两次匹配是相互独立的，每次匹配的结果都存在数组里面最后返回 [A,a]

全局匹配

m 表示,多行(multiline)匹配。你可能会想 g 全局匹配吗？为什么还要多行匹配呢？

可以看到下图中通过g的全局匹配，我们的确匹配到了多行文本中所有的Aa(图中红色箭头是指换行符可以用\x0a匹配)。

现在分析一下 /^Aa\x0a/g 这个表达式。猜猜这个会匹配到什么？(^表示必须以A字符开头)。首先肯定可以匹配到第一行的Aa。对于第二行和第三行的字符还能匹配到吗？

当我们全局扫描到第一行时匹配到了Aa\n (\n 表示末尾的换行符哈),但是我们接着往下继续扫描时候，正则表达式还记着我的第一行还有东西呢，因此再后面匹配的时候，正则表达式发现，开始的字符就不是A了，于是就停止了匹配。

如果我们加上m修饰符，能让正则表达式变成一个健忘症患者，忘记上一行的内容。那么 /^Aa\x0a/gm 就会是像下面这样

  • 第一次表达式面对的文本(\n表示换行符)

    1
    2
    3
    Aa\n
    Aa\n
    Aa\n

    匹配到Aa\n

  • 第二次表达式面对的文本，(忘掉了第一行)

    1
    2
    Aa\n
    Aa\n

    匹配到Aa\n

  • 第三次表达式面对的文本，(忘掉了前两行)

    1
    Aa\n

    匹配到Aa\n

所以最后我们可以看到，又成功的匹配到了三行以A开始的文本

下面继续分析通过/^Aa\x0a$/m(表示字符串必须已A开始换行符结束，中间是a)，匹配相同的文本，结果又是什么？

从上面的的分析可知，第一次正则表达式面对的是三行完整的文字，的确是A开始但是后面不满足,中间是a,结尾是换行符的条件。同样面对第二行时，也不满足条件。直到面对第三行文本的时候(此时忘记了前两行了)，刚刚好就是 Aa\n

ES6新增u和y修饰符

u 修饰符是针对Unicode编码的,

为了让正则表达式能正确处理四个字节的 UTF-16 编码.类似于(\ud83d\ude18) 。 ES5 不支持四个字节的 UTF-16 编码，会将其识别为两个字符。直接来图吧。

对比上面两个图, 可以先说明一下表情😘对应的Unicode编码就是 \ud83d\ude18,正则表达式最初的意思就是想匹配最开始的😘。
可是你会发现，什么情况 /^\ud83d/ 为啥也命中了这个表情，很明显就是在没有指定u修饰符的情况下，ES5 把 😘 这个可爱的表情拆成了，两个字符 \ud83d 和 \ude18。

果然我们加上u修饰符之后,只有\ud83d\ude18能匹配到 😘 了。

除了u修饰符，ES6 还为正则表达式添加了y修饰符，叫做“粘连”（sticky）修饰符。

前面说过正则有点递归调用的意思，g修饰符每次进行新的调用的时候，不用在意字符串的位置，而y修饰符相当于每次都在正则表达式上加了一个 ^ 指定了，必须是开始第一个。

1
2
3
4
let str = "AaAaAa"
let rg = /A/g
let ry = /A/y
let ryAa = /Aa/y

执行 rg.exec(str) ,可以看到字符串中的三个A都被匹配到了

执行 ry.exec(str) ,可以看到字符串中只有第一个A被匹配到了,因为y修饰符的原因，第一次执行的时候相当于/^A/去匹配，匹配完之后剩下字符串aAaAa,然后/^A/ 再去匹配。然后就什么都匹配不到了

执行 ryAa.exec(str) ,可以看到每次都拿/Aa/y去匹配，相当于/^Aa/,然后三个Aa就都匹配到了。

暂不支持的s修饰符

s修饰符(single)，意思是无论文本中有没有换行符，统一把这些文本当成一行。

友情提示一下s修饰符，现在的浏览器可能都不能支持,应该是PCRE和ES2018 引入的语法

这个修饰符与 multiline 有点相反的意思。下面我们来演示一种场景。先补充一个知识 .* 表示贪婪匹配，可以匹配到除换行符之外的任意字符。

定义 /A.*a/g 正则表达式，易知该正则表达式意思是：匹配任意位置A开始，中间可以是任何字符，最后遇到a结束。来匹配下面文本

1
Axxxyyya

易知 上面的文本可以被完整的匹配。(即 会匹配到 Axxxyyya)

如果我们把文本改成下面这个多行，会怎么样呢？正则表达式不变，还能匹配到所有文字吗？(注意上面贪婪匹配的定义)

1
2
3
4
A
xxx
yyy
a

/A.*a/gs 正则表达式改成这样会怎么样呢。不想解释了直接看图吧，看完就知道s修饰符大概怎么用了🐶

其他语法

特殊字符，限定符之类的直接从 菜鸟教程 截图了。

特殊字符

限定符

有一点想说明一下，菜鸟教程中有说，对于一些相当于是编程语言中的保留字，概念的一些正则关键字。(\n 换行符,\t制表符，\v,垂直制表符，空格，{, 以及html左标签<等…这些都是不用记的)。 对于这些特殊字符都是ASCII码表里面有的。可以统一采用\x16进制的ASCII表示,比如\x0a表示换行符，\x20 匹配空格,\x20* 匹配任意个数的空格等。

补充：边界匹配
/\bCha/ 匹配句子中的单词,且这个单词必须要以Cha开始。(Chapter)

/ter\b/ 匹配句子中的单词,且这个单词必须要以ter结束。(Chapter)

/\Bapt/ 匹配句子中的单词，且这个单词中间必须要有，apt字符。(可以匹配Chapter ，但是不能匹配 aptitude 因为这个单词中apt出现在，开始不再单词中间)

常见的一些组合语法

分组

正则表达式通过()进行分组，主要使用场景是在JavaScript replace函数中,

可以看到下图中 /(\w+)\s(\w+)/ig 根据(),将这些元素分成了两组, 然后依次对应着JS replace函数中的$1,$2...

  • 字符串前后两两交换位置
1
2
3
4
5
let str = 'Talk is cheap show me the code'
str.replace(/(\w+)\s(\w+)/ig,(_,p1,p2)=>{
  return `${p2} ${p1}`
})
// is Talk show cheap the me code

捕获于非捕获

在JavaScript中我们采用$1,$2…，依次获取每个()表达式中匹配到的文本，同样用\1\2…依次引用，正则表达式中()匹配到的文本，我们把这种行为称为捕获。看图

如果我们不想让某一个()表达式中的内容被捕获，这个过程就称为非捕获，非捕获表达式(?:xxx),如上我们将正则表达式中的 (two) 改成 (?:two) 此时依然要匹配 one,two,three,one,three,应该把\3 改成\2,因为此时two 不会被捕获,\2从之前对应two变成对应three，看图就行

前项查找

形如 待查找字符(?="查找条件), 我们把(?=xxx) 这种格式的式子称作条件表达式，一般我们把想要查找的字符放在，条件表达式前面。因此称为前项查找。

/lo(?=ck)/g

  • 否定前项查找，即对条件取反的操作

/lo(?!ck)/g

后项查找

同上 给两个单词，condition,action，同样只是条件表达式形式不一样，而且带查找字符，要放在条件表达式 (?<=xxx) 后面。

/(?<=ac)tion/g

  • 否定后项查找

/(?<!ac)tion/g

逻辑处理

或 |,[]

匹配 字符串 “tea,ten,test,term”。

/te(a|n|st|rm)/g

/te[anstrm]/g

非 [^],!

/te[^ans]/g

!操作，参看前面的前向查找和后项查找

正则表达式JS应用

部分案例来源于JS 正则迷你书,以及该书掘金地址

匹配千分位

  • 解法1
1
2
3
4
5
6
7
8
9
10
11
12
function thousands(num, sep) {
  let str = new String(num)
  const arr = str.split('.')
  let reg = /(\d+)(\d{3})/
  let integer = arr[0]
  let decimal = arr.length > 1 ? `.${arr[1]}` : ''
  while (reg.test(integer)) {
    integer = integer.replace(reg, "$1" + sep + "$2")
  }
  return `${integer}${decimal}`
}
console.log(thousands(1234567890000,',')) //
  • 解法二 利用前向查找结合 /(?!^)(?=(\d{3})+$)/g (我们假设是正整数，小数的话，和方法一一样，分割一下就行) 或者 可以写成 /(?<=\d+)(?=(\d{3})+$)/g 以及 \B(?=(\d{3})+$) 总之都是为了过滤边界条件

/(?!^)(?=(\d{3})+$)/g

1
2
3
4
"123456789".replace(/(?<=\d+)(?=(\d{3})+$)/g,',') // 123,456,789

"123456789".replace(/(?!^)(?=(\d{3})+$)/g,',') //  123,456,789

window操作系统文件路径

1
2
3
4
5
6
7
8
9
F:\study\javascript\regex\regular expression.pdf

F:\study\javascript\regex\

F:\study\\javascript

F:\

F:\x*x\

首先匹配盘符^[a-zA-Z]:\\，接着匹配文件夹，排除一些字符即可[^\\:*<>|'"?,。/]+\\ (假设中文标点啥的已经被排除了),文件夹可能出现很多次([^\\:*<>|'"?/]+\\)*,结尾的文件夹没有 \ , ([^\\:*<>|'"?/]+)?$，所以最后的正则表达式是
^[a-zA-Z]:\\([^\\:*<>|'"?/]+\\)*([^\\:*<>|'"?/]+)?$

window操作系统文件路径

匹配结果

校验密码

规定了密码只能是，大写或者小写字母，或者是数字。且至少含有三种字符中的两种,密码位数只能是6-12位

1
2
3
4
5
6
7
1234567
abcdef
ABCDEF
ABCDEF234
1ABCDEF
abcDEFG
1abcDEF

首先可以确定密码只能是大小写字母和数字组成，且位数是6~12位的情况。/^[0-9A-Za-z]{6,12}$/

接下来就是要防止全是数字，或者全是小写字母和全是大写字母的情况出现。很明显就是要给出合适的条件表达式，所以无法就是前项查找，或者后项查找，然而因为是排除，所以就要对查找表达式取反。

按照前项表达式可在 /^[0-9A-Za-z]{6,12}$/ 前添加查找条件,如添加(?!^[0-9]{6,12}$)过滤掉都是数字的情况，同理针对大小写字母可以写出如下表达式。

(?!^[0-9]{6,12}$)(?!^[A-Z]{6,12}$)(?!^[a-z]{6,12}$)^[0-9A-Za-z]{6,12}$

前项查找

同理也可采用后项查找，把查找条件放在表达式后面。

/[0-9A-Za-z]{6,12}$(?<!^[0-9]{6,12}$)(?<![a-z]{6,12})/g

匹配日期

匹配出用 -用做分割符的日期 xxxx-xx-xx,或者用 / . 做为分隔符,对于xxxx-xx.xx这种分隔符不一致的不匹配。

1
2
3
4
5
2016-06-12
2016/06/12
2016.06.12
2016-06.12
2016.06/12

需要引入一个方向引用的概念，在正则表达式中使用\1匹配第一个()表达式中的匹配到内容。 用\2 匹配第二个括号表达式中匹配的内容。例如正则表达式/(one),(two),(three),\1,\3/g直接看图吧

所以日期的正则表达式就容易写了 /^\d{4}(-|\x2f|\x2e)d{2}\1d{2}$/g (2f,2e是16进制47,46表示/和.) ，如下图：

单词首字母转成大写

1
this is a programming technique which will help you parallelize your code and speed up performance

题目的思路很明确就是如何匹配到单词的首字母的问题，因此我们可以采用 (\b\w)来匹配单词首字母。

1
2
3
4
5
6
function titleize(str) {
	return str.toLowerCase().replace(/(\b\w)/g, function(c) {
		return c.toUpperCase();
	});
}
titleize('上述文本')

代码执行结果

匹配IPv4地址

((25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(25[0-5]|2[0-4]\d|[01]?\d?\d)

IPV4匹配结果

匹配国内身份证号

身份证号(15位、18位数字)，最后一位是校验位，可能为数字或字符X。

(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)

匹配国内手机号码

三大运营商号码段~2019年

170为虚拟号码要排除，166,198,199 是新增号码段，所以正则表达式为

/^(?!170)^((13|14|15|17|18)[0-9]|166|198|199)\d{8}$/g

匹配结果

座机号码匹配

注意开始符号^和结束符号 $ 的位置，注意不要把 /^((\d{3}-)?\d{8}|(\d{4}-)?\d{7})$/g 写成了/^(\d{3}-)?\d{8}|(\d{4}-)?\d{7}$/g ,这和正则表达式运算符优先级有关，不细说了直接看图

正确的写法

错误的写法

匹配结果

文章作者: I年少有为
文章链接: https://lemonlife.top/2020/03/21/regular-expression/
版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 I年少有为！
正则表达式