多是最好的正则表达式的教程笔记了吧...

时间 2019-11-05

原文原文链接

笔记是由油管的@The Coding Train老师发布系列教程。由于正则我本身看了不少次，可是很快又忘记。因此为了完全搞懂，一边学习一边记笔记，以给别人讲课的方式记笔记，我本身的印象会更深，因此就有了如下内容。小白的晋级路在我的github会持续更新哦: 传送门,欢迎starjavascript

秋招&面试系列：html

1.VK的秋招前端奇遇记(一)前端

2.VK的秋招前端奇遇记(二)java

3.VK的秋招前端奇遇记(三)git

4.VK的秋招前端奇遇记(四)github

5.番外篇：前端面试&笔试算法 Algorithm面试

正则表达式

1.1. 基本语法

经过一张图表来对正则表达式的基本进行一个回顾正则表达式

single char	quantifiers(数量)	position(位置)
\d 匹配数字	* 0个或者更多	^一行的开头
\w 匹配word(数字、字母)	+ 1个或更多，至少1个	$一行的结尾
\W 匹配非word(数字、字母)	? 0个或1个,一个Optional	\b 单词"结界"(word bounds)
\s 匹配white space(包括空格、tab等)	{min,max}出现次数在一个范围内
\S 匹配非white space(包括空格、tab等)	{n}匹配出现n次的
. 匹配任何，任何的字符

1.1.1. single char

假设你有一段字符以下：算法

\w

将匹配全部word，固然，() - 等字符除外数组

\w\w\w

发现匹配的有'These are some phone numbers ...' 注意正则表达式是匹配一个连续串的规则，因此能够看到三个字母的单词能够匹配到，6个单词的也能够匹配到。

\s\s

匹配到一行中连续两个空格

quantifiers

假设咱们有这一段话：

The colors of the rainbow have many colours 
and the rainbow does not  have a single colour.
复制代码

咱们想把全部的颜色找出来colors colours colour

答案 colou?rs? 嗯，看起来很简单，很方便。

好了，如今想要匹配一行中的4个数字，或者一行中的5个字母等，这时候用quantifiers就很是方便了。

我如今想找5个字母组成的单词

\w{5} 这样能够吗？嗯..不行的，看下它匹配的内容,以下: 'These are some phone numbers 915-555-1234...' 的确，咱们模板给的很简单，它只找一行中，连续出现5个字母的序列。因此如今改进一下好了
\w{5}\s 为了能找到单词，因此我但愿5个字母后，跟一个空格的序列，这样应该能够了吧，看下匹配状况： 'Theseare some phonenumbers915-555-1234...' 嗯，是的，只有目前这些方法，是作不到的。因此，咱们须要第三个工具 "position"

1.1.2. position

回到刚才的问题以前，先熟悉下^ $ 和 \b

This is somthing
is about
a blah
words
sequence of words
Hello and
GoodBye and 
Go gogo!
复制代码

来看下各类正则所匹配的内容

\w+ 这个应该毫无疑问，匹配全部的words
^\w+ 多了一个^，这样子，就只能匹配到每一行开头的单词了This is a words sequence Hello GoodBye Go
\w+$ 这样就能匹配到每行的最后一个字母

回到刚才的问题

如今想找5个字母组成的单词

就变得很简单了，使用单词结界符\b

答案就是\b\w{5}\b

1.1.3. 找个电话号码吧

最后，找一个刚才出现的电话号123-456-1231

用以上最基本的正则方法就是 \d{3}-\d{3}-\d{4}，这样就找到了。可是有的时候，电话号码是123.456.1234 或者 (212)867-4233的结构怎么办呢？

正则表达式中的或或者其余表达方式，下面一一来介绍。

1.2. 字符分类(char class)

前面记录了最基本的方法，接下来讲一下分类符[]

这个符号用来表示逻辑关系或，好比[abc]表示a或者b或c.[-.]表示符号-或者.号(注意这里，在[]中的.号表明的就是这个符号，可是若是在其外面，表示个匹配全部。因此若是不在[]之中，想要匹配'.'，就要经过转意符号\.)

1.2.1. 分类的简单应用

字符序列：

The lynk is quite a link don't you think? l nk l(nk 复制代码

正则表达式： l[yi (]nk

结果:

lynk  link  l nk   l(nk
复制代码

很容易理解的，就是表达或逻辑。

1.2.2. 匹配全部可能的电话号码

好了，如今回到以前遗留的问题，有如下字段，请匹配全部可能的电话号码：

These are some phone numbers 915-134-3122. Also,
you can call me at 643.123.1333 and of course,
I'm always reachable at (212)867-5509 复制代码

好的，一步一步来，刚才咱们使用\d{3}-\d{3}-\d{4}匹配了连字符的状况。如今咱们能够很轻松的把.这种状况加进去了

第一步： \d{3}[-.]\d{3}[-.]\d{4}

第二步: 为了可以匹配括号，可使用?来，由于这是一个option选择。因此最后就成了

\(?\d{3}[-.)]\d{3}[-.]\d{4}

这里仍是要说明，在[]中，特殊字符不须要转义，能够直接使用，好比[.()],可是在外面，是须要转义的\( \.等

1.2.3. []的特殊语法

刚才介绍了最简单和基本的功能，可是有些特殊的地方须要注意

-链接符是第一个字符时

好比[-.]的含义是连字符-或者点符.。可是，若是当连字符不是第一个字符时，好比[a-z]，这就表示是从字母a到字符z。

[]中的^

^在以前介绍中，是表示一行开头，可是在[]中，有着不一样的含义。 [ab] 表示a或者b [^ab] 啥都行，只要不是a或b(anythings except a and b)，至关于取反

1.2.4. []和()

除了使用[]表示或逻辑,()也是能够的。用法是(a|b)表示a或者b

好比下面的例子，匹配全部email

gaoyaqi411@126.com  
dyumc@google.net 
sam@sjtu.edu
复制代码

思路：

首先要想我到底相匹配什么，这里我想匹配的是

任何一个以words开头的，一个或更多 \w+
紧接着是一个@符号 \w+@
接着有一个或者更多的words \w+@\w+
接着一个.标点 \w+@\w+\.
接着一个com net 或 edu \w+@\w+\.(com|net|edu)

仍是提醒注意第四步的\.转义符号

好了，这样几能够匹配以上的全部邮箱了。可是还有一个问题，由于邮箱用户名是能够有.的，好比vincent.ko@126.com

其实仍然很简单，修复以下： [\w.]+@\w+\.(com|net|edu)

1.2.5. 总结

[]的做用，用英文表达就是"alternation",表达一个或的逻辑；
/[-.(]/ 在符号中的连字符-放在第一位表示连字符自己，若是放在中间，表示"从..到.."，好比[a-z]表示a-z
[.)] 括号中的特殊符号不须要转义，就表示其自己
[^ab] 括号中的^表示非，anythings except a and b
(a|b)也可表示选择，可是它有更强大的功能....

因此，()的强大功能是什么呢？分组捕获，这对序列的替换、交换是颇有帮助的。后面一节进行学习记录

1.3. 分组捕获(capturing groups)

什么是分组捕获，如今回到以前电话号码的例子

212-555-1234
915-412-1333

//我想要保留区号，把后面的电话号码变为通用性的
👇👇👇👇👇👇👇👇👇👇👇👇

212-xxx-xxxx
915-xxx-xxxx
复制代码

按照以前的作法\d{3}-\d{3}-\d{4},这种匹配的方式，是将整个电话号码做为一个组(group)匹配起来。咱们把212-555-1234这样的叫Group0。

这个时候，若是咱们加了一个括号\d{3}-(\d{3})-\d{4}，那么匹配到的555就叫Group1。以此类推，若是有两个小括号\d{3}-(\d{3})-(\d{4})那么分组就是下面的状况：

212-555-1234   Group0
555            Group1
1234           Group2
复制代码

1.3.1. 选择分组

如今组已经分好，那么如何选择已经匹配的分组？

这里有两种方法，第一种使用$符号，好比$1 表明555,$2表明1234；第二种，使用\,好比\1表明555。两种的使用场景不同，先讲$

如今为了知足最开始的要求，咱们能够这么作

reg: \(?(\d{3})[-.)]\d{3}[-.]\d{4}

replace: $1-xxx-xxxx
复制代码

ps: 这里能够直接用JS的replace函数进行操做，可是正则不是JS专属的，因此这里先介绍通用方法，以后对JS部分进行总结

1.3.2. 实景训练

如今有一个名单列表，可是姓和名称是反的，我须要把他交换过来

shiffina, Daniel
shifafl, Daniell
shquer, Danny
...
复制代码

实现方法:

reg: (\w+),\s(\w+)

replace: $2 $1
复制代码

注意：$0 是全部匹配到的，因此第一个加括号的是$1

匹配markdown中的link标签，并替换为html标签

[google](http://google.com)
[itp](http://itp.nyu.edu)
[Coding Rainbow](http://codingrainbow.com)
复制代码

解析：这道题有些坑，须要慢慢来。

看到这个，第一个想考虑匹配[google]这个东西，立马想到正则表达式\[.*\]。这个是巨大的坑，在当前来看，它的确能正确匹配到上面的三条。可是若是文本是这样的：

看到了，第一行的内容会所有匹配下来，而不能区分[google]和[test]。之因此这样，是由于.是贪婪的，他表示全部，全部能匹配到的，因此固然也包括了]，一直到这一行的最后一个]，它才中止。

因此为了让它能正确匹配，须要去掉这种贪婪的属性。这里用到？ 。当?放在了quantifiers符号后，表示去掉贪婪属性，匹配到终止条件，便可停下。

\[.*?\]这样子，就能够将[google]和[test]分开,效果以下：

接下来完成全部内容：

reg: \[(.*?)\]\((http.*?)\)

replace: <a href="$2">$1</a>
复制代码

1.3.3. 使用`\`选择器

$选择符是在替换的时候进行的标志或选择，可是若是在正则表达式自己，就要使用\选择了。好比如下的场景

This is is a a dog , I think think this is is really
a a good good dog. Don't you you thinks so so ? 复制代码

咱们想要匹配好比is is so so这样连续的序列，就用到了下面的表达方式: (\w+)\s\1

效果:

嗯，差很少达到效果，可是有一些小的bug。好比第一句话This is is a 这个就匹配不许确，会把第一个This的后面字母匹配进去。 这就用到第一节说的字符结界 \b了，就变成了\b(\w+)\s\1\b

好了，大功告成，就不贴效果图了，自行脑补就行了。

1.3.4. 总结

分组捕获，使用()进行数据分组，编号0表明整个匹配项，选择的分组从1号开始
选择器可使用$1和\1，可是使用场景不一样，\用在正则表达式本身身上
?符号能够禁止贪婪属性，放在.*以后，表示一次匹配遇到重点就能够中止。不然将会一直向后匹配。

1.4. 在JavaScript中的应用

在js中，主要的正则表达式都是涉及到string的应用。

var str = "hello"
var r = /w+/
复制代码

这两个分别是string和reg的字面量建立方法。当要使用正则来进行操做的时候，使用了r.test()和str.match() 以及str.replace等方法。

1.4.1. reg.test()

正则表达式自己有一个test的方法，这个方法只能测试是否包含，返回一个bool变量。

var r = /\d{3}/;
var a = '123';
var b = '123ABC';
var c = 'abc';

r.test(a)  //true
r.test(b) //true
r.test(c) //false
复制代码

嗯，这个很简单，并且用的实际很少，下面着重讲str上的一些方法。

1.4.2. str.match()

与test()不一样，不仅是返回bool变量，它会返回你所匹配到的内容。

var r = /compus/
var reg = /w+/
var s = "compus, I know something about you"
r.test(s)  //true
s.match(r)  //["compus"]
s.match(reg) //["compus"]

复制代码

等等，好像有点问题，为何最后一个返回的也是"compus"？这不科学。

好吧，实际上，match()返回了第一个能够匹配的序列。想要实现以前的效果，就要用到JS里关于正则的几个flag

1.4.2.1. flag

这个标志就在创建正则的时候就要有的，主要有三个

flag	含义
g	所有的，给我匹配所有的
i	忽略大小写
m	多行匹配

因此为了解决刚才的问题，只要这样子设置reg就能够了

var reg = /w+/g
复制代码

看下面一个练习

var str = "Here is a Phone Number 111-2313 and 133-2311"

var r = /\d{3}[-.]\d{4}/
var rg = /\d{3}[-.]d{4}/g

console.log(str.match(r)); //["111-2313"]
console.log(str.match(rg));//["111-2313","133-2311"]
复制代码

嗯，找电话号码，是的，很方便。可是还有一个问题，刚才说的分组，那么match会返回分组吗？

var sr = /(\d{3})[-.]\d{4}/
var srg = /(\d{3})[-.]\d{4}/g

console.log(str.match(sr)); //["111-2313","111"]
console.log(str.match(srg)); //["111-2313","133-2311"]
复制代码

因此结论是：当使用了全局flagg的时候，不会返回分组，而是所有的匹配结果；若是没有使用g，会将匹配到的结果和分组以数组的形式返回。

那么如何实现全局的分组？

1.4.3. reg.exec()

从字面意思来看，正则表达式的执行方法。这个方法能够实现匹配全局，并返回分组的结果。

reg.exec()每次调用，返回一个匹配的结果，匹配结果和分组以数组的形式返回，不断的调用便可返回下一个结果，直到返回null

var str = "Here is a Phone Number 111-2313 and 133-2311" ;
var srg = /(\d{3})[-.]\d{4}/g;
var result = srg.exec(str);
while(result !== null) {
    console.log(result);
    result = srg.exec(str);
}

复制代码

result包含的内容可能比想象中的多，它是一个数组，好比第一次执行，他的结果为：

["133-2311", "133", index: 36, 
input: "Here is a Phone Number 111-2313 and 133-2311" groups: undefined]
复制代码

1.4.4. str.split

如今来到了更强的功能上，先说下split，咱们知道split是将字符串按照某个字符分隔开，好比有如下一段话，须要将其分割成单词。

var s = "unicorns and rainbows And, Cupcakes"
复制代码

分割成单词，首先想到的是空格隔开，因而能够用下面方式实现

var result = s.split(' ');
var result1 = s.split(/\s/);
//彻底同样的效果
//["unicorns", "and", "rainbows", "And,", "Cupcakes"]
复制代码

嗯，这样体现不出来正则的强大，并且最主要的是没有实现要求。由于还有一个"And,"。因此要用正则了，匹配条件是逗号或者空格

result = s.split(/[,\s]/);

//["unicorns", "and", "rainbows", "And", "", "Cupcakes"]
复制代码

结果仍然和须要的有出入，由于多了一个""。咱们并非想让它分割的依据是逗号或者空格,依据应该是逗号或空格所在的连续序列。在原来的基础上加一个+，改为/[,\s]+/，这个含义就是一个单独的逗号，或者一个单独的空格

result = s.split(/[,\s]+/);
// ["unicorns", "and", "rainbows", "And", "Cupcakes"]
复制代码

1.4.4.1. 单词分割

好了，拓展一下，实现一个段落的单词分割，一个正则表达式就是

result = s.split(/[,.!?\s]+/)
复制代码

固然，有个最简单的方法，咱们能够这样去作

result = s.split(/\W+/);
复制代码

接着，若是咱们想将一个段落的句子都分隔开，一个能够实现的表达式就是

result = s.split(/[.,!?]+/)
复制代码

最后，有一个小需求，就是在分割句子的同时，还想把相应的分隔符保留下来。

var s = 
"Hello,My name is Vincent. Nice to Meet you!What's your name? Haha."
复制代码

这是一个小小的ponit，记住若是想要保留分隔符，只要给匹配的内容分组便可

var result = s.split(/([.,!?]+)/)
//["Hello", ",", "My name is Vincent", ".", " Nice to Meet you", "!", "What's your name", "?", " Haha", ".", ""]
复制代码

能够看到，这样就会把分隔符也存储起来。

1.4.5. str.replace()

replace也是字符串的方法，它的基本用法是str.replace(reg,replace|function)，第一个参数是正则表达式，表明匹配的内容，第二个参数是替换的字符串或者一个回掉函数。

注意，replace不会修改原字符串，只是返回一个修改后的字符串;除此外，正则表达式若是没有使用g标志，也和match同样，只匹配/替换第一个

1.4.5.1. 最简单的替换

替换一个序列中的元音字母(aeiou)，将其替换成一个double。好比x->xx

var s = "Hello,My name is Vincent."
var result = s.replace(/([aeiou])/g,"$1$1")
//"Heelloo,My naamee iis Viinceent."
复制代码

注意，第二个参数必须是字符串; 注意不要忘记加g

1.4.5.2. 牛x哄哄的function参数来了

嗯，这才是最强大的地方，第二参数传入function，先看一个最简单的示例

var s = "Hello,My name is Vincent. What is your name?"
var newStr = s.replace(/\b\w{4}\b/g,replacer)
console.log(newStr)
function replacer(match) {
    console.log(match);
    return match.toUpperCase();
}
/* name What your name Hello,My NAME is Vincent. WHAT is YOUR NAME? */
复制代码

因此，函数的参数是匹配到的内容，返回的是须要替换的内容。好了，基本示例解释了基本用法，那么以前讨论的分组怎么办？如何实现分组呢？

//分组

function replacer(match,group1,group2) {
    console.log(group1);
    console.log(group2);
}

复制代码

若是正则表达式分组处理，那么在回调函数中，函数的第二个、第三参数就是group1,group2。这样子，就能够作不少神奇的事情

1.4.5.3. 综合练习题

判断一个字符串中出现次数最多的字符，并统计次数

var s = 'aaabbbcccaaabbbaaa';
var a = s.split('').sort().join("");  //"aaaaaaaaabbbbbbccc"
var ans = a.match(/(\w)\1+/g);
ans.sort(function(a,b) {
    return a.length - b.length;
})
console.log('ans is : ' + ans[ans.length-1])

复制代码

1.4.6. 总结

在js中，正则表达式字面量/reg/和字符串字面量"str"用于建立正则和字符串。其中正则上有两个方法reg.test()和reg.exec()
reg.test(str)方法，返回布尔变量，用于指示是否有所匹配； reg.exec(str)有点相似与迭代器，每次执行，返回匹配结果和分组，直到返回为null结束。
字符串方法主要有str.match(reg),str.split(reg)和str.replace(reg,str|function) 三种方法。
match比较特殊，若是正则包含了分组，且没有g标志，则返回匹配内容和分组; 若是没有分组，且有g标志，返回全部匹配内容
split方法主要用于字符串分割，若是想要保存分隔符，记得将匹配内容分组(用小括号包起来)
replace是最强大的方法，当使用回掉函数时，返回值就是替换值; 参数分别为匹配值 group1 group2...