正则表达式入门

初识

正则表达式是主要用于进行文本匹配的表达式，就是判断一段为文字是否与设定的规则相同。

元字符

正则中的字符，有些表明字符自己，例如abc，其中的字符都表明其自己。在字符串中不能够随便书写空格或者换行符，由于也会被看成匹配内容的一部分。

预设字符组合

• \d:表明任意一个数字字符，包括0~9的任意数字。d为单词digit数字的首字母
• \D:表明任意一个非数字字符，除了0~9之外的数字，与\d互为补集。
• \s:表明任意一个空白字符，其中包括了空格、换行符(\r或者\n）、制表符、换页符和垂直制表符。s为单词space空白格的首字母。（该字符通常不会包括全角空格或者其余异性空格，个别编程中有例外）。
• \S:表明任意一个非空白字符，与\s互为补集。
• \w:表明单词内的任意一个可用字符，通常状况下包括数组、大小写字母和下划线。w为单词word单词的首字母。
• \W:通常状况下表明数字、大小字母和下划线之外的任意一个字符，与\w互为补集。

以上六个元字符，大写与小写互为补集，为了方便记忆，能够记住首字母所表明的含义，而后小写为包含，大写为不包含。而且大小写一块儿使用能够匹配全部字符。

自定义字符组

除了预设的字符组合，咱们还可使用方括号[]来自定义字符组合。 例如：[xyz]就是一个字符组合，能够匹配x、y和z中的任意一个。 针对字母和数字，还能够上使用连字符-来进行简写，表示必定的范围。 例如：[a-z]表示小写的a到z的全部字母。须要注意的是，这里是区分大小写的。 [0-9]表示数字的0到9的所又数字。

须要注意的是，[a-zA-Z]不能直接简写成为[a-Z]。

当连字符必须夹在字符中间才表示连字符，若连字符在首位或者最后一位，则表明-自己。为了让变分辨正则公式，若须要匹配-，通常建议将其放在首位。

由于这里的连写是和字符编码顺序挂钩的。在字符编码中，小写字母是在大写字母以后的，该写法没法知足从小到大的要求，会致使引擎报错。

这时候就会有小伙伴可能以为反着过来，用[A-z]就能够了。我只能说那你可真是个小机灵鬼，然而实际上这种写法虽然不会报错，可是会包含一些咱们不须要的字符，由于字符编码中，大写字母与小写字母中间还会包含着一些其余字符，包括[、]、_等。

在没有使用量词的状况下，一个方括号内的字符组合，只能匹配从左到右第一个符合规则的字符。 另外须要注意的是，在使用数字简写的时候，对应范围的开始到截止，只以简写符两边的单个字符做为标准。例如，[0-34-67-9]等价于[0-9]。

排除型字符组

排除性字符组也能够简单理解为取反或者补集。在方括号内使用脱字符^来表示，通常放在首位，表明须要排除方括号内包含的字符。

例如[^\s]等价于\S。

排除性字符组的含义，正确的理解为“匹配除了所列字符之外的任意一个字符”，而不是“不匹配所列出的字符”。

前者的理解，是将列出的字符组，做为一个范围来看待。后者则会将列出的字符组做为一个总体来看待。

在部分语言中，可使用[^]来代替.，排除字符组中没有任何字符，也就意味着不须要排除字符，因此就能匹配全部。可是前提必须是对应的语言支持该种写法。

^必须在首位才表明排除性字符组，在其余位置时，只表示^符号自己。

转义序列

常见的转义序列有\r（回车符）、\n（换行符）、\t（制表符）、\f（换页符）、\v（垂直制表符）、\0（NULL字符）。

转义序列，是经过在字符前加上\来进行转义的。除了上方提到的，将原先无特殊含义的字符经过转义表明某些字符之外。还能够将原先有特殊含义的字符转义成其自己。 例如.表明所有字符，可是咱们使用转义字符，将其写成\.以后，他就表明了.符号自己。

正则表达式中的\转义是一种安全转义。当使用\转义时，没法进行正常的转义时，它就达标后续字符其自己。这种状况通常是在某些特定语言内才会出现。

字符编码转义

正则的字符转义时，支持使用ASCII 码。 \nnn能够表示8进制ASCII码对应的字符。这里的n表明0.7范围内的一个数字。 \xnn能够表示16进制ASCII码对应的字符。这里的n表明的是0-9和a-f范围内的一个数字。x则不变。例如\x41表明A。

同时正则也支持Unicode字符，格式是\unnnn，n与上文16进制下ASCII码的n的取值范围相同。u不变。

量词

在正则匹配中，咱们能够经过使用量词，来设定正则表达式匹配的次数。

• ?表明匹配0次或者1次。
• *表明匹配0次或者∞次。
• +表明匹配1次以上，至少匹配1次。
• {n,m}则是限定了一个范围次数值，最少匹配n次，最多匹配m次。
• {n}表明刚好匹配n次。
• {n}表明最少匹配n次，最多不限。

其中?等价于{0,1}，*等价于{0,}，+等价于{1,}。

量词所控制的，是对应字符可出现的次数，例如ab*c字符组，能够匹配abbbbbbbbc。

匹配位置

以前所提到的元字符都是用来匹配字符的，除此以外还有些元字符能够用来匹配位置。

• ^能够用来匹配开始位置，通常是指整个字符串的首位。这个字符与排除型字符组是一致的，二者的区分方法是，排除型字符须要在方括号内使用才生效。
• $表明结束的位置，通常状况下表明结束的位置。
• \b表明单词边界，用来匹配单词的开始和结尾，例如\bname\b能够匹配name，name=1，a\rname中的name，可是没法匹配myname，my_name，name1中的name。**须要注意的是，\b在方括号内使用时，在部分语言中表明退格符，而不是单词边界。
• \B表明非单词边界，按照咱们上文中说的，大小写表明着取反，因此\B与\b也是互为补集的。

**必须特别注意，匹配位置与匹配字符不一样，匹配位置在匹配时不会占用原字符的任何字符。**因此实际在使用匹配位置时，这类元字符的后一位字符才是首位字符。

分支

字符组在匹配的时候，会出现分支状况。例如咱们在设置了一个字符组[abc]，这个字符组不只能匹配a、b、c，还有ab、ac、bc和abc等状况。而在使用了量词以后，分支状况则会更加的复杂。

因此当咱们在使用字符组的时候，须要注意分支状况，在不须要其余多余分支状况时，咱们可使用管道操做符 |来隔开，|在咱们常见的状况中通常表明或，因此表示“匹配符号左边或者匹配符号右边都是成功的”。

|能够屡次使用，建立多个分支状况。须要注意的是，咱们在使用的时候，须要按照可包含性进行一个排序来写。例如咱们须要匹配abc和abc234这两种状况的时候，最好写成(abc234|abc)，这是由于若是咱们使用(abc|abc234)来匹配1abc234的话，可能在匹配到abc的时候就中止了，而实际上他是能匹配到abc234的。

分组

上面使用了方括号[]能够自定义字符组，那么更常见的圆括号确定也有其特别的用法。圆括号能够将字符组进行分组，而后配合量词和分支进行使用，使咱们的正则表达式更加清晰明了。

例如咱们在使用分支时，例如ab|cd*的状况，该字符组中的*只会做用于右分支的d字符上，例如匹配cd或者cdddddddd。而当咱们使用了分组，能够将其做用于整个字符组，例如(ab|cd)*。或者只做用于右分支，例如ab|(cd)*。

当咱们使用量词加分组时，量词所做用的目标就并非前一位的字符，而是整个分组内的字符。

当咱们须要匹配()圆括号自己时，记得要使用转义符号哦。

捕获分组

分组不只用于区分和配合量词、分支使用，自身也具备捕获特性。

每个分组都会依照出现的顺序被标注数字序号。例如(1(2(3))(4))，用这个字符组来匹配1234的字符。

尝试用控制台打印一下。

var a = /(1(2(3))(4))/;
console.log("1234".match(a));
//"1234"
//"1234"
//"23"
//"3"
//"4"
复制代码

不难发现，主要是以从左到右首次出现的括号所在的分组来排序的。

这里特别在最外圈用圆括号所有包起来，能够发现，全值"1234"被打印了两遍。这是由于这个字符组总体自己就是一个最大的分组。

捕获分组主要用于替换字符串。

非捕获分组

咱们有时在使用分组的时候只是为了配合量词或者分支来使用，并不但愿其占用分组序号，这时候就能够考虑使用非捕获分组。非捕获分组，就是在左括号后面使用一个冒号，写成(?:......)的形式。

使用非捕获分组，通常是由于但愿结果只包含咱们所关心的部分，不但愿其余无关的分组干扰这个结果。

例如：

var a = /1(?:2|3)/;
console.log("12".match(a));
//"12"
console.log("13".match(a));
//"13"
console.log("2".match(a));
//null
复制代码

这里能够发现，咱们没法只匹配非捕获分组内的内容，这是由于这里并无被捕获，不占用分组的序号。

命名分组

前面咱们提到，捕获分组能够给分组分别标记序号。而命名分组，则是能够对分组进行命名。因此你能够把命名分组看作特殊的捕获分组来使用。可能会有人疑惑，实际上，命名分组你能够把它看作一个变量来看，名字是变量名，对应的正则则是变量的值，这样咱们在使用的时候就会更加方便简洁。

在JavaScript中，咱们使用(?<groupname>)的语法来进行命名分组。在replace()方法来替换字符串时，咱们可使用$<groupname>的方法来引用对应的命名分组

var reg = /<(?<tag>[a-z][a-z\d]*)\b[^>]*>([\d\D]*?)<\/\k<tag>>/ig;

console.log('<p class="p1">文本</p>'.replace(reg, '<$<tag>>$2</$<tag>>'));
//<p>文本<p>
复制代码

这里在写正则的时候，重复的部分能够直接使用对应的命名。

命名分组2018年正式成为ECMAScript的标准特性。

不过须要注意的时，即使命名分组已经成为了`ECMAScript的正式标准，咱们在生产环境中也不该该随便使用，由于咱们没法保证用户使用的浏览器标准。

反向引用

有时候咱们须要实现配对匹配，例如咱们在匹配带有引号的内容是时，须要确保先后引号一致，这时候就须要用到反向引用。

反向引用使用\符号加上捕获分组的序号或者命名分组的名字，来表明匹配过程当中捕获的第一个分组的值。

var a = 'a123b';
var b = 'a123a';
var reg = /([\w])([\d]*)\1/g;
a.replace(reg,'x'); // 'a123b'
a.replace(reg,'x'); // 'x'
复制代码

须要注意的是，反向引用不能在字符组里使用，例如[\1]并不会表明第一个分组的值，而是单纯的表明字符1。

环视

环视用于对位置进行匹配，在特定位置上，若是以前或者以后的字符/字符序列符合预设的条件，则匹配成功。

顺序环视

顺序环视也称正向环视。使用(?=)来表示，括号内的其他部分必须与当前位置以后的部分相符合。

var a = 'a-';
var b = 'a ';
var reg = /\w+(?=\s)/;
console.log(a.match(reg));  //null
console.log(b.match(reg)); //"a"
复制代码

上述代码中，第二个输出结果为"a "。这里须要注意，环视匹配的是位置，并不包含在字符中，因此输出的是"a"而不是"a "（后者最后有个空格）。

环视的语法使用括号，所以可使用管道符号|来书写分支，同时也能够配合量词来使用。而且不会产生捕获分组。全部的环视语法都有这种特性。

顺序否认环视

顺序否认环视，也成为正向否认环视。使用(?!)来表示，括号内的其他部分须要与当前位置以后的部分不相符合。

var a = 'a-';
var b = 'a ';
var reg = /\w+(?!\s)/;
console.log(a.match(reg)); // "a"
console.log(b.match(reg)); // null
复制代码

其实从名字咱们就能知道，顺序否认环视与顺序环视是取反的。、

逆序环视

逆序环视也称反向环视。使用(?<=)来表示，括号内的其他部分必须与当前位置以前的部分相符合。

这里特别须要注意顺序环视和逆序环视分别对应的位置，不然会影响使用。

逆序否认环视

逆序否认环视，也成为反向否认环视。使用(?<!)来表示，括号内的其他部分须要与当前位置以前的部分不相符合。

逆序与顺序惟一的差异就是语法和对应位置不同，这里很少赘述，小伙伴本身尝试便可。

贪婪匹配与惰性匹配

量词在NFA正则表达式引擎中，通常会尝试进行尽量多的匹配，这就是所谓的贪婪匹配。

var reg = /\d+(?=[57])/g;
var str = "124567; console.log(str.match(reg)); // 输出 ["12456"] 复制代码

上述代码能够发现，输出结果最后选择了较长的"123456"而不是"1234"。

咱们须要注意的是，贪婪匹配有时候会致使匹配到咱们意想不到的结果。

例如：

var reg = /<!--[\d\D]*-->/g;
var html = "<!-- 内容开始 --><p>文本内容</p><!-- 内容结束 -->";

console.log(html.match(reg));
// 输出 ["<!-- 内容开始 --><p>文本内容</p><!-- 内容结束 -->"]
复制代码

与贪婪匹配相对应的是惰性匹配，说了是相对，因此惰性匹配会优先尝试尽量少的文本匹配。

惰性匹配的使用方式，是在量词后面增长一个?。

例如

var reg = /<!--[\d\D]*?-->/g;
var html = "<!-- 内容开始 --><p>文本内容</p><!-- 内容结束 -->";

console.log(html.match(reg));
// 输出  ["<!-- 内容开始 -->", "<!-- 内容结束 -->"]
复制代码

惰性匹配的匹配过程是从最少的状况开始匹配，不符合就增长匹配的部分。而贪婪匹配的匹配过程是从最多的状况开始匹配，不符合就减小匹配的部分。

正则表达式的模式

全局模式

咱们在使用正则表达式进行匹配时，一般只会返回首次匹配的结果，须要屡次调用匹配方法才能返回全部匹配结果。

在JavaScript中，提供了一个全局模式，让咱们能够轻松地返回全部匹配结果。全局模式的使用方式很简单，就是在表达式的最后加上一个g，须要注意的是，这个g与^、$等符号同样，应该放在表达式以外。例如：

var a = "123vdsh234dd78s";
console.log(a.match(/\d+/g))；
//["123", "234", "78"]
复制代码

在js语言中，还有另一种匹配方式是调用exec()方法。

var str = "123vdsh234dd78s";
var reg = /\d+/g;
var match;

while (match = reg.exec(str)) {
  console.log(match[0]);
}

//123
//76
//4
复制代码

exec()方法在匹配成功时，会返回一个对象， 其中包含一次匹配结果的相关信息。若匹配失败，则会返回null。

上述代码的reg变量必须使用全局模式，在使用全局模式时，正则表达式对象实际上存储了一个索引位置（``lastIndex），用于标识上一次匹配成功的结束为止。屡次调用exec()方法时，都会从lastIndex位置开始尝试匹配，直到匹配失败位置。当没有使用全局模式时，lastIndex为0，则exec()每次都是从第一个位置开始匹配，最终会致使while()出现死循环。

同时须要注意的是，对应的正则表达式必须赋值给变量以后，使用变量来执行上述的匹配。若直接使用字面量的形式，会致使每次while()的迭代执行时，都会建立一个新的正则表达式对象尝试进行匹配，一样会陷入死循环。

忽略大小写

忽略大小写也是一种经常使用的模式，启用了忽略大小写以后，[a-z]等价于[a-zA-Z]。忽略大小写使用字母i来启用。例如：

var str = '1a2A3a';
var reg = /a/ig;
str.replace(reg,'b');
// "1b2b3b"
复制代码

单行模式

在单行模式下，.匹配能够包含换行符在内的任意字符。使用字母s来启用。

多行模式

多行模式主要是用来改变^和$两个符号的意义，让其不只能够匹配字符串的开始位置和结束位置，还能够匹配每一行文字的开始与结束位置。

使用m来启用。

多行模式和单行模式之间并非互补或者反义的关系，这里须要特别注意。

粘连模式

在正则表达式的匹配过程当中，若是须要连续进行匹配，每一次匹配都会从上一次匹配结束的位置开始进行尝试。

有时咱们但愿在上一次匹配结束位置进行匹配尝试时，只要匹配失败就退出匹配过程，不要改变起始位置继续进行尝试。这种方式以便被称为粘连模式（ sticky ），在不一样语言中有不一样的使用方式

在ES6中，引入了模式修饰符y，用于表示粘连模式。

例如：

var reg = /([a-z]\w+),?/gi;
var str = "fdf5,f38s,dfk4,4d_f";
var match;
while (match = reg.exec(str)) {
  console.log(match[1]);
}
//fdf5
//f38s
//d_f
//dfk4

复制代码

上述代码咱们本来须要的是输出以逗号隔开且首字符为英文字母的片断，可是咱们获得了一个意外的值：d_f。

当咱们使用粘连模式时：

var reg = /([a-z]\w+),?/giy;
var str = "fdf5,f38s,4d_f,dfk4";
var match;
while (match = reg.exec(str)) {
  console.log(match[1]);
}
//fdf5
//f38s
复制代码

能够看到，匹配到4d_f时，已经不符合要求，此时匹配并无继续去进行尝试以后的字符，因此没有输出最后一个符合要求的dfk4。

粘连模式并非一个经常使用的模式，通常用于检验特定文本是否彻底严格符合预设的规则。

JavaScript正则的书写

在JavaScript中，最经常使用的书写方式是使用字面量方式。

var reg = /[\d]+/;
复制代码

字面量方式，在正则表达式先后分别使用斜杠/来做为界定符，用于区分该部分是否为正则表达式。当咱们须要使用模式时，则直接在后面得斜杠以后加上对应的模式便可。

另外一种方式则是构造器方式。

var reg = new RegExp("http://[a-z]+\\.google\\.com");
复制代码

他们之间的区别在于：

• 构造器方式使用字符串做为参数，不须要使用斜杠/当作界定符，也不须要对表达式内部的斜杠进行转义。
• 在js语言的字符串中，反斜杠\是具备特殊意义的，用于转移，因此在使用时，须要再加一个反斜杠，对反斜杠自己进行一个转义。主要注意的是，不只是表达是内部，在js的字符串中书写也须要进行转义。

若是须要在构造器中使用模式，则须要为狗在其提供第二个字符串参数。

var reg = new RegExp("^[a-z]:(\\\\[\\w]+)+$", "i");
复制代码

总结

正则表达式，是一种很是强大，可让咱们轻松检索、替换符合规则的文本。让咱们能够省下不少时间和过程，可是同时须要注意的是，使用的表达式结构越长越复杂，阅读难度也就越大。因此咱们在使用的时候仍是须要尽可能熟练掌握正则的编写规则，避免忽略掉某些必要的因素，致使没法得到咱们最终想要的结果。