注:本文已经整理成电子书:《JavaScript正则迷你书》javascript
亲爱的读者朋友,若是你点开了这篇文章,说明你对正则很感兴趣。css
想必你也了解正则的重要性,在我看来正则表达式是衡量程序员水平的一个侧面标准。html
关于正则表达式的教程,网上也有不少,相信你也看了一些。前端
与之不一样的是,本文的目的是但愿全部认真读完的童鞋们,都有实质性的提升。java
本文内容共有七章,用JavaScript语言完整地讨论了正则表达式的方方面面。git
若是以为文章某块儿没有说明白清楚,欢迎留言,能力范围以内,老姚必作详细解答。程序员
具体章节以下:github
下面简单地说说每一章都讨论了什么?正则表达式
正则是匹配模式,要么匹配字符,要么匹配位置。算法
第1章和第2章以这个角度去讲解了正则的基础。
在正则中可使用括号捕获数据,要么在API中进行分组引用,要么在正则里进行反向引用。
这是第3章的主题,讲解了正则中括号的做用。
学习正则表达式,是须要了解其匹配原理的。
第4章,讲解了正则了正则表达式的回溯法原理。另外在第6章里,也讲解了正则的表达式的总体工做原理。
不只能看懂别人的正则,还要本身会写正则。
第5章,是从读的角度,去拆分一个正则表达式,而第6章是从写的角度,去构建一个正则表达式。
学习正则,是为了在真实世界里应用的。
第7章讲解了正则的用法,和相关API须要注意的地方。
如何阅读本文?
个人建议是阅读两遍。第一遍,不求甚解地快速阅读一遍。阅读过程当中遇到的问题不妨记录下来,也许阅读完毕后就能解决不少。而后有时间的话,再带着问题去精读第二遍。
深呼吸,开始咱们的正则表达式旅程吧。我在终点等你。
正则表达式是匹配模式,要么匹配字符,要么匹配位置。请记住这句话。
然而关于正则如何匹配字符的学习,大部分人都以为这块比较杂乱。
毕竟元字符太多了,看起来没有系统性,很差记。本章就解决这个问题。
内容包括:
若是正则只有精确匹配是没多大意义的,好比/hello/
,也只能匹配字符串中的"hello"这个子串。
var regex = /hello/;
console.log( regex.test("hello") );
// => true
复制代码
正则表达式之因此强大,是由于其能实现模糊匹配。
而模糊匹配,有两个方向上的“模糊”:横向模糊和纵向模糊。
1.1 横向模糊匹配
横向模糊指的是,一个正则可匹配的字符串的长度不是固定的,能够是多种状况的。
其实现的方式是使用量词。譬如{m,n}
,表示连续出现最少m次,最多n次。
好比/ab{2,5}c/
表示匹配这样一个字符串:第一个字符是“a”,接下来是2到5个字符“b”,最后是字符“c”。测试以下:
var regex = /ab{2,5}c/g;
var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log( string.match(regex) );
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]
复制代码
注意:案例中用的正则是/ab{2,5}c/g
,后面多了g
,它是正则的一个修饰符。表示全局匹配,即在目标字符串中按顺序找到知足匹配模式的全部子串,强调的是“全部”,而不仅是“第一个”。g是单词global的首字母。
1.2 纵向模糊匹配
纵向模糊指的是,一个正则匹配的字符串,具体到某一位字符时,它能够不是某个肯定的字符,能够有多种可能。
其实现的方式是使用字符组。譬如[abc]
,表示该字符是能够字符“a”、“b”、“c”中的任何一个。
好比/a[123]b/
能够匹配以下三种字符串:"a1b"、"a2b"、"a3b"。测试以下:
var regex = /a[123]b/g;
var string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) );
// => ["a1b", "a2b", "a3b"]
复制代码
以上就是本章讲的主体内容,只要掌握横向和纵向模糊匹配,就能解决很大部分正则匹配问题。
接下来的内容就是展开说了,若是对此都比较熟悉的话,能够跳过,直接看本章案例那节。
须要强调的是,虽叫字符组(字符类),但只是其中一个字符。例如[abc]
,表示匹配一个字符,它能够是“a”、“b”、“c”之一。
2.1 范围表示法
若是字符组里的字符特别多的话,怎么办?可使用范围表示法。
好比[123456abcdefGHIJKLM]
,能够写成[1-6a-fG-M]
。用连字符-
来省略和简写。
由于连字符有特殊用途,那么要匹配“a”、“-”、“z”这三者中任意一个字符,该怎么作呢?
不能写成[a-z]
,由于其表示小写字符中的任何一个字符。
能够写成以下的方式:[-az]
或[az-]
或[a\-z]
。即要么放在开头,要么放在结尾,要么转义。总之不会让引擎认为是范围表示法就好了。
2.2 排除字符组
纵向模糊匹配,还有一种情形就是,某位字符能够是任何东西,但就不能是"a"、"b"、"c"。
此时就是排除字符组(反义字符组)的概念。例如[^abc]
,表示是一个除"a"、"b"、"c"以外的任意一个字符。字符组的第一位放^
(脱字符),表示求反的概念。
固然,也有相应的范围表示法。
2.3 常见的简写形式
有了字符组的概念后,一些常见的符号咱们也就理解了。由于它们都是系统自带的简写形式。
\d
就是[0-9]
。表示是一位数字。记忆方式:其英文是digit(数字)。
\D
就是[^0-9]
。表示除数字外的任意字符。
\w
就是[0-9a-zA-Z_]
。表示数字、大小写字母和下划线。记忆方式:w是word的简写,也称单词字符。
\W
是[^0-9a-zA-Z_]
。非单词字符。
\s
是[ \t\v\n\r\f]
。表示空白符,包括空格、水平制表符、垂直制表符、换行符、回车符、换页符。记忆方式:s是space character的首字母。
\S
是[^ \t\v\n\r\f]
。 非空白符。
.
就是[^\n\r\u2028\u2029]
。通配符,表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。记忆方式:想一想省略号...中的每一个点,均可以理解成占位符,表示任何相似的东西。
若是要匹配任意字符怎么办?可使用[\d\D]
、[\w\W]
、[\s\S]
和[^]
中任何的一个。
量词也称重复。掌握{m,n}
的准确含义后,只须要记住一些简写形式。
3.1 简写形式
{m,}
表示至少出现m次。
{m}
等价于{m,m}
,表示出现m次。
?
等价于{0,1}
,表示出现或者不出现。记忆方式:问号的意思表示,有吗?
+
等价于{1,}
,表示出现至少一次。记忆方式:加号是追加的意思,得先有一个,而后才考虑追加。
*
等价于{0,}
,表示出现任意次,有可能不出现。记忆方式:看看天上的星星,可能一颗没有,可能零散有几颗,可能数也数不过来。
3.2 贪婪匹配和惰性匹配
看以下的例子:
var regex = /\d{2,5}/g;
var string = "123 1234 12345 123456";
console.log( string.match(regex) );
// => ["123", "1234", "12345", "12345"]
复制代码
其中正则/\d{2,5}/
,表示数字连续出现2到5次。会匹配2位、3位、4位、5位连续数字。
可是其是贪婪的,它会尽量多的匹配。你能给我6个,我就要5个。你能给我3个,我就3要个。反正只要在能力范围内,越多越好。
咱们知道有时贪婪不是一件好事(请看文章最后一个例子)。而惰性匹配,就是尽量少的匹配:
var regex = /\d{2,5}?/g;
var string = "123 1234 12345 123456";
console.log( string.match(regex) );
// => ["12", "12", "34", "12", "34", "12", "34", "56"]
复制代码
其中/\d{2,5}?/
表示,虽然2到5次都行,当2个就够的时候,就不在往下尝试了。
经过在量词后面加个问号就能实现惰性匹配,所以全部惰性匹配情形以下:
{m,n}?
{m,}?
??
+?
*?
对惰性匹配的记忆方式是:量词后面加个问号,问一问你满足了吗,你很贪婪吗?
一个模式能够实现横向和纵向模糊匹配。而多选分支能够支持多个子模式任选其一。
具体形式以下:(p1|p2|p3)
,其中p1
、p2
和p3
是子模式,用|
(管道符)分隔,表示其中任何之一。
例如要匹配"good"和"nice"可使用/good|nice/
。测试以下:
var regex = /good|nice/g;
var string = "good idea, nice try.";
console.log( string.match(regex) );
// => ["good", "nice"]
复制代码
但有个事实咱们应该注意,好比我用/good|goodbye/
,去匹配"goodbye"字符串时,结果是"good":
var regex = /good|goodbye/g;
var string = "goodbye";
console.log( string.match(regex) );
// => ["good"]
复制代码
而把正则改为/goodbye|good/
,结果是:
var regex = /goodbye|good/g;
var string = "goodbye";
console.log( string.match(regex) );
// => ["goodbye"]
复制代码
也就是说,分支结构也是惰性的,即当前面的匹配上了,后面的就再也不尝试了。
匹配字符,无非就是字符组、量词和分支结构的组合使用罢了。
下面找几个例子演练一下(其中,每一个正则并非只有惟一写法):
5.1 匹配16进制颜色值
要求匹配:
#ffbbad
#Fc01DF
#FFF
#ffE
分析:
表示一个16进制字符,能够用字符组[0-9a-fA-F]
。
其中字符能够出现3或6次,须要是用量词和分支结构。
使用分支结构时,须要注意顺序。
正则以下:
var regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;
var string = "#ffbbad #Fc01DF #FFF #ffE";
console.log( string.match(regex) );
// => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]
复制代码
5.2 匹配时间
以24小时制为例。
要求匹配:
23:59
02:07
分析:
共4位数字,第一位数字能够为[0-2]
。
当第1位为2时,第2位能够为[0-3]
,其余状况时,第2位为[0-9]
。
第3位数字为[0-5]
,第4位为[0-9]
正则以下:
var regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;
console.log( regex.test("23:59") );
console.log( regex.test("02:07") );
// => true
// => true复制代码
若是也要求匹配7:9,也就是说时分前面的0能够省略。
此时正则变成:
var regex = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;
console.log( regex.test("23:59") );
console.log( regex.test("02:07") );
console.log( regex.test("7:9") );
// => true
// => true
// => true复制代码
5.3 匹配日期
好比yyyy-mm-dd格式为例。
要求匹配:
2017-06-10
分析:
年,四位数字便可,可用[0-9]{4}
。
月,共12个月,分两种状况0一、0二、……、09和十、十一、12,可用(0[1-9]|1[0-2])
。
日,最大31天,可用(0[1-9]|[12][0-9]|3[01])
。
正则以下:
var regex = /^[0-9]{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/;
console.log( regex.test("2017-06-10") );
// => true
复制代码
5.4 window操做系统文件路径
要求匹配:
F:\study\javascript\regex\regular expression.pdf
F:\study\javascript\regex\
F:\study\javascript
F:\
分析:
总体模式是: 盘符:\文件夹\文件夹\文件夹\
其中匹配F:\,须要使用[a-zA-Z]:\\
,其中盘符不区分大小写,注意\
字符须要转义。
文件名或者文件夹名,不能包含一些特殊字符,此时咱们须要排除字符组[^\\:*<>|"?\r\n/]
来表示合法字符。另外不能为空名,至少有一个字符,也就是要使用量词+
。所以匹配“文件夹\”,可用[^\\:*<>|"?\r\n/]+\\
。
另外“文件夹\”,能够出现任意次。也就是([^\\:*<>|"?\r\n/]+\\)*
。其中括号提供子表达式。
路径的最后一部分能够是“文件夹”,没有\
,所以须要添加([^\\:*<>|"?\r\n/]+)?
。
最后拼接成了一个看起来比较复杂的正则:
var regex = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;
console.log( regex.test("F:\\study\\javascript\\regex\\regular expression.pdf") );
console.log( regex.test("F:\\study\\javascript\\regex\\") );
console.log( regex.test("F:\\study\\javascript") );
console.log( regex.test("F:\\") );
// => true
// => true
// => true
// => true复制代码
其中,JS中字符串表示\
时,也要转义。
5.5 匹配id
要求从
<div id="container" class="main"></div>
提取出id="container"。
可能最开始想到的正则是:
var regex = /id=".*"/
var string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container" class="main"
复制代码
由于.
是通配符,自己就匹配双引号的,而量词*
又是贪婪的,当遇到container后面双引号时,不会停下来,会继续匹配,直到遇到最后一个双引号为止。
解决之道,可使用惰性匹配:
var regex = /id=".*?"/
var string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"
复制代码
固然,这样也会有个问题。效率比较低,由于其匹配原理会涉及到“回溯”这个概念(这里也只是顺便提一下,第四章会详细说明)。能够优化以下:
var regex = /id="[^"]*"/
var string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"复制代码
字符匹配相关的案例,挺多的,不一而足。
掌握字符组和量词就能解决大部分常见的情形,也就是说,当你会了这两者,JS正则算是入门了。
正则表达式是匹配模式,要么匹配字符,要么匹配位置。请记住这句话。
然而大部分人学习正则时,对于匹配位置的重视程度没有那么高。
本章讲讲正则匹配位置的总总。
内容包括:
位置是相邻字符之间的位置。好比,下图中箭头所指的地方:
在ES5中,共有6个锚字符:
^
$
\b
\B
(?=p)
(?!p)
2.1 ^和$
^
(脱字符)匹配开头,在多行匹配中匹配行开头。
$
(美圆符号)匹配结尾,在多行匹配中匹配行结尾。
好比咱们把字符串的开头和结尾用"#"替换(位置能够替换成字符的!):
var result = "hello".replace(/^|$/g, '#');
console.log(result);
// => "#hello#"
复制代码
多行匹配模式时,两者是行的概念,这个须要咱们的注意:
var result = "I\nlove\njavascript".replace(/^|$/gm, '#');
console.log(result);
/* #I# #love# #javascript# */
复制代码
2.2 \b和\B
\b
是单词边界,具体就是\w
和\W
之间的位置,也包括\w
和^
之间的位置,也包括\w
和$
之间的位置。
好比一个文件名是"[JS] Lesson_01.mp4"中的\b
,以下:
var result = "[JS] Lesson_01.mp4".replace(/\b/g, '#');
console.log(result);
// => "[#JS#] #Lesson_01#.#mp4#"
复制代码
为何是这样呢?这须要仔细看看。
首先,咱们知道,\w
是字符组[0-9a-zA-Z_]
的简写形式,即\w
是字母数字或者下划线的中任何一个字符。而\W
是排除字符组[^0-9a-zA-Z_]
的简写形式,即\W
是\w
之外的任何一个字符。
此时咱们能够看看"[#JS#] #Lesson_01#.#mp4#"中的每个"#",是怎么来的。
\W
和\w
之间的位置。\w
和\W
之间的位置。\W
和\w
之间的位置。\w
和\W
之间的位置。\W
和\w
之间的位置。\w
,即\w
和$
之间的位置。知道了\b
的概念后,那么\B
也就相对好理解了。
\B
就是\b
的反面的意思,非单词边界。例如在字符串中全部位置中,扣掉\b
,剩下的都是\B
的。
具体说来就是\w
与\w
、\W
与\W
、^
与\W
,\W
与$
之间的位置。
好比上面的例子,把全部\B
替换成"#":
var result = "[JS] Lesson_01.mp4".replace(/\B/g, '#');
console.log(result);
// => "#[J#S]# L#e#s#s#o#n#_#0#1.m#p#4"
复制代码
2.3 (?=p)和(?!p)
(?=p)
,其中p
是一个子模式,即p
前面的位置。
好比(?=l)
,表示'l'字符前面的位置,例如:
var result = "hello".replace(/(?=l)/g, '#');
console.log(result);
// => "he#l#lo"
复制代码
而(?!p)
就是(?=p)
的反面意思,好比:
var result = "hello".replace(/(?!l)/g, '#');
console.log(result);
// => "#h#ell#o#"
复制代码
两者的学名分别是positive lookahead和negative lookahead。
中文翻译分别是正向先行断言和负向先行断言。
ES6中,还支持positive lookbehind和negative lookbehind。
具体是(?<=p)
和(?<!p)
。
也有书上把这四个东西,翻译成环视,即看看右边或看看左边。
但通常书上,没有很好强调这四者是个位置。
好比(?=p)
,通常都理解成:要求接下来的字符与p
匹配,但不能包括p
的那些字符。
而在本人看来(?=p)
就与^
同样好理解,就是p
前面的那个位置。
对于位置的理解,咱们能够理解成空字符""。
好比"hello"字符串等价于以下的形式:
"hello" == "" + "h" + "" + "e" + "" + "l" + "" + "l" + "o" + "";
复制代码
也等价于:
"hello" == "" + "" + "hello"
复制代码
所以,把/^hello$/
写成/^^hello$$$/
,是没有任何问题的:
var result = /^^hello$$$/.test("hello");
console.log(result);
// => true
复制代码
甚至能够写成更复杂的:
var result = /(?=he)^^he(?=\w)llo$\b\b$/.test("hello");
console.log(result);
// => true
复制代码
也就是说字符之间的位置,能够写成多个。
把位置理解空字符,是对位置很是有效的理解方式。
4.1 不匹配任何东西的正则
让你写个正则不匹配任何东西
easy,/.^/
由于此正则要求只有一个字符,但该字符后面是开头。
4.2 数字的千位分隔符表示法
好比把"12345678",变成"12,345,678"。
可见是须要把相应的位置替换成","。
思路是什么呢?
4.2.1 弄出最后一个逗号
使用(?=\d{3}$)
就能够作到:
var result = "12345678".replace(/(?=\d{3}$)/g, ',')
console.log(result);
// => "12345,678"
复制代码
4.2.2 弄出全部的逗号
由于逗号出现的位置,要求后面3个数字一组,也就是\d{3}
至少出现一次。
此时可使用量词+
:
var result = "12345678".replace(/(?=(\d{3})+$)/g, ',')
console.log(result);
// => "12,345,678"
复制代码
4.2.3 匹配其他案例
写完正则后,要多验证几个案例,此时咱们会发现问题:
var result = "123456789".replace(/(?=(\d{3})+$)/g, ',')
console.log(result);
// => ",123,456,789"
复制代码
由于上面的正则,仅仅表示把从结尾向前数,一可是3的倍数,就把其前面的位置替换成逗号。所以才会出现这个问题。
怎么解决呢?咱们要求匹配的到这个位置不能是开头。
咱们知道匹配开头可使用^
,但要求这个位置不是开头怎么办?
easy,(?!^)
,你想到了吗?测试以下:
var string1 = "12345678",
string2 = "123456789";
reg = /(?!^)(?=(\d{3})+$)/g;
var result = string1.replace(reg, ',')
console.log(result);
// => "12,345,678"
result = string2.replace(reg, ',');
console.log(result);
// => "123,456,789"
复制代码
4.2.4 支持其余形式
若是要把"12345678 123456789"替换成"12,345,678 123,456,789"。
此时咱们须要修改正则,把里面的开头^
和结尾$
,替换成\b
:
var string = "12345678 123456789",
reg = /(?!\b)(?=(\d{3})+\b)/g;
var result = string.replace(reg, ',')
console.log(result);
// => "12,345,678 123,456,789"
复制代码
其中(?!\b)
怎么理解呢?
要求当前是一个位置,但不是\b
前面的位置,其实(?!\b)
说的就是\B
。
所以最终正则变成了:/\B(?=(\d{3})+\b)/g
。
4.3 验证密码问题
密码长度6-12位,由数字、小写字符和大写字母组成,但必须至少包括2种字符。
此题,若是写成多个正则来判断,比较容易。但要写成一个正则就比较困难。
那么,咱们就来挑战一下。看看咱们对位置的理解是否深入。
4.3.1 简化
不考虑“但必须至少包括2种字符”这一条件。咱们能够容易写出:
var reg = /^[0-9A-Za-z]{6,12}$/;
复制代码
4.3.2 判断是否包含有某一种字符
假设,要求的必须包含数字,怎么办?此时咱们可使用(?=.*[0-9])
来作。
所以正则变成:
var reg = /(?=.*[0-9])^[0-9A-Za-z]{6,12}$/;
复制代码
4.3.3 同时包含具体两种字符
好比同时包含数字和小写字母,能够用(?=.*[0-9])(?=.*[a-z])
来作。
所以正则变成:
var reg = /(?=.*[0-9])(?=.*[a-z])^[0-9A-Za-z]{6,12}$/;
复制代码
4.3.4 解答
咱们能够把原题变成下列几种状况之一:
以上的4种状况是或的关系(实际上,能够不用第4条)。
最终答案是:
var reg = /((?=.*[0-9])(?=.*[a-z])|(?=.*[0-9])(?=.*[A-Z])|(?=.*[a-z])(?=.*[A-Z]))^[0-9A-Za-z]{6,12}$/;
console.log( reg.test("1234567") ); // false 全是数字
console.log( reg.test("abcdef") ); // false 全是小写字母
console.log( reg.test("ABCDEFGH") ); // false 全是大写字母
console.log( reg.test("ab23C") ); // false 不足6位
console.log( reg.test("ABCDEF234") ); // true 大写字母和数字
console.log( reg.test("abcdEF234") ); // true 三者都有
复制代码
4.3.5 解惑
上面的正则看起来比较复杂,只要理解了第二步,其他就所有理解了。
/(?=.*[0-9])^[0-9A-Za-z]{6,12}$/
对于这个正则,咱们只须要弄明白(?=.*[0-9])^
便可。
分开来看就是(?=.*[0-9])
和^
。
表示开头前面还有个位置(固然也是开头,即同一个位置,想一想以前的空字符类比)。
(?=.*[0-9])
表示该位置后面的字符匹配.*[0-9]
,即,有任何多个任意字符,后面再跟个数字。
翻译成大白话,就是接下来的字符,必须包含个数字。
4.3.6 另一种解法
“至少包含两种字符”的意思就是说,不能所有都是数字,也不能所有都是小写字母,也不能所有都是大写字母。
那么要求“不能所有都是数字”,怎么作呢?(?!p)
出马!
对应的正则是:
var reg = /(?!^[0-9]{6,12}$)^[0-9A-Za-z]{6,12}$/;
复制代码
三种“都不能”呢?
最终答案是:
var reg = /(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/;
console.log( reg.test("1234567") ); // false 全是数字
console.log( reg.test("abcdef") ); // false 全是小写字母
console.log( reg.test("ABCDEFGH") ); // false 全是大写字母
console.log( reg.test("ab23C") ); // false 不足6位
console.log( reg.test("ABCDEF234") ); // true 大写字母和数字
console.log( reg.test("abcdEF234") ); // true 三者都有
复制代码
位置匹配相关的案例,挺多的,不一而足。
掌握匹配位置的这6个锚字符,给咱们解决正则问题一个新工具。
无论哪门语言中都有括号。正则表达式也是一门语言,而括号的存在使这门语言更为强大。
对括号的使用是否驾轻就熟,是衡量对正则的掌握水平的一个侧面标准。
括号的做用,其实三言两语就能说明白,括号提供了分组,便于咱们引用它。
引用某个分组,会有两种情形:在JavaScript里引用它,在正则表达式里引用它。
本章内容虽相对简单,但我也要写长点。
内容包括:
这两者是括号最直觉的做用,也是最原始的功能。
1.1 分组
咱们知道/a+/
匹配连续出现的“a”,而要匹配连续出现的“ab”时,须要使用/(ab)+/
。
其中括号是提供分组功能,使量词+
做用于“ab”这个总体,测试以下:
var regex = /(ab)+/g;
var string = "ababa abbb ababab";
console.log( string.match(regex) );
// => ["abab", "ab", "ababab"]
复制代码
1.2 分支结构
而在多选分支结构(p1|p2)
中,此处括号的做用也是不言而喻的,提供了子表达式的全部可能。
好比,要匹配以下的字符串:
I love JavaScript
I love Regular Expression
可使用正则:
var regex = /^I love (JavaScript|Regular Expression)$/;
console.log( regex.test("I love JavaScript") );
console.log( regex.test("I love Regular Expression") );
// => true
// => true复制代码
若是去掉正则中的括号,即/^I love JavaScript|Regular Expression$/
,匹配字符串是"I love JavaScript"和"Regular Expression",固然这不是咱们想要的。
这是括号一个重要的做用,有了它,咱们就能够进行数据提取,以及更强大的替换操做。
而要使用它带来的好处,必须配合使用实现环境的API。
以日期为例。假设格式是yyyy-mm-dd的,咱们能够先写一个简单的正则:
var regex = /\d{4}-\d{2}-\d{2}/;
复制代码
而后再修改为括号版的:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
复制代码
为何要使用这个正则呢?
2.1 提取数据
好比提取出年、月、日,能够这么作:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log( string.match(regex) );
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]
复制代码
match
返回的一个数组,第一个元素是总体匹配结果,而后是各个分组(括号里)匹配的内容,而后是匹配下标,最后是输入的文本。(注意:若是正则是否有修饰符g
,match
返回的数组格式是不同的)。
另外也可使用正则对象的exec
方法:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log( regex.exec(string) );
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]
复制代码
同时,也可使用构造函数的全局属性$1
至$9
来获取:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
regex.test(string); // 正则操做便可,例如
//regex.exec(string);
//string.match(regex);
console.log(RegExp.$1); // "2017"
console.log(RegExp.$2); // "06"
console.log(RegExp.$3); // "12"
复制代码
2.2 替换
好比,想把yyyy-mm-dd格式,替换成mm/dd/yyyy怎么作?
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, "$2/$3/$1");
console.log(result);
// => "06/12/2017"
复制代码
其中replace
中的,第二个参数里用$1
、$2
、$3
指代相应的分组。等价于以下的形式:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function() {
return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;
});
console.log(result);
// => "06/12/2017"
复制代码
也等价于:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function(match, year, month, day) {
return month + "/" + day + "/" + year;
});
console.log(result);
// => "06/12/2017"
复制代码
除了使用相应API来引用分组,也能够在正则自己里引用分组。但只能引用以前出现的分组,即反向引用。
仍是以日期为例。
好比要写一个正则支持匹配以下三种格式:
2016-06-12
2016/06/12
2016.06.12
最早可能想到的正则是:
var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // true
复制代码
其中/
和.
须要转义。虽然匹配了要求的状况,但也匹配"2016-06/12"这样的数据。
假设咱们想要求分割符先后一致怎么办?此时须要使用反向引用:
var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // false
复制代码
注意里面的\1
,表示的引用以前的那个分组(-|\/|\.)
。无论它匹配到什么(好比-),\1
都匹配那个一样的具体某个字符。
咱们知道了\1
的含义后,那么\2
和\3
的概念也就理解了,即分别指代第二个和第三个分组。
看到这里,此时,恐怕你会有三个问题。
3.1 括号嵌套怎么办?
以左括号(开括号)为准。好比:
var regex = /^((\d)(\d(\d)))\1\2\3\4$/;
var string = "1231231233";
console.log( regex.test(string) ); // true
console.log( RegExp.$1 ); // 123
console.log( RegExp.$2 ); // 1
console.log( RegExp.$3 ); // 23
console.log( RegExp.$4 ); // 3
复制代码
咱们能够看看这个正则匹配模式:
\1
,是第一个分组内容,那么看第一个开括号对应的分组是什么,是123,\2
,找到第2个开括号,对应的分组,匹配的内容是1,\3
,找到第3个开括号,对应的分组,匹配的内容是23,\4
,找到第3个开括号,对应的分组,匹配的内容是3。这个问题,估计仔细看一下,就该明白了。
3.2 \10表示什么呢?
另一个疑问多是,即\10
是表示第10个分组,仍是\1
和0
呢?
答案是前者,虽然一个正则里出现\10
比较罕见。测试以下:
var regex = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/;
var string = "123456789# ######"
console.log( regex.test(string) );
// => true复制代码
3.3 引用不存在的分组会怎样?
由于反向引用,是引用前面的分组,但咱们在正则里引用了不存在的分组时,此时正则不会报错,只是匹配反向引用的字符自己。例如\2
,就匹配"\2"。注意"\2"表示对"2"进行了转意。
var regex = /\1\2\3\4\5\6\7\8\9/;
console.log( regex.test("\1\2\3\4\5\6\7\8\9") );
console.log( "\1\2\3\4\5\6\7\8\9".split("") );
复制代码
chrome浏览器打印的结果:
以前文中出现的分组,都会捕获它们匹配到的数据,以便后续引用,所以也称他们是捕获型分组。
若是只想要括号最原始的功能,但不会引用它,即,既不在API里引用,也不在正则里反向引用。此时可使用非捕获分组(?:p)
,例如本文第一个例子能够修改成:
var regex = /(?:ab)+/g;
var string = "ababa abbb ababab";
console.log( string.match(regex) );
// => ["abab", "ab", "ababab"]
复制代码
至此括号的做用已经讲完了,总结一句话,就是提供了可供咱们使用的分组,如何用就看咱们的了。
5.1 字符串trim方法模拟
trim
方法是去掉字符串的开头和结尾的空白符。有两种思路去作。
第一种,匹配到开头和结尾的空白符,而后替换成空字符。如:
function trim(str) {
return str.replace(/^\s+|\s+$/g, '');
}
console.log( trim(" foobar ") );
// => "foobar"
复制代码
第二种,匹配整个字符串,而后用引用来提取出相应的数据:
function trim(str) {
return str.replace(/^\s*(.*?)\s*$/g, "$1");
}
console.log( trim(" foobar ") );
// => "foobar"
复制代码
这里使用了惰性匹配*?
,否则也会匹配最后一个空格以前的全部空格的。
固然,前者效率高。
5.2 将每一个单词的首字母转换为大写
function titleize(str) {
return str.toLowerCase().replace(/(?:^|\s)\w/g, function(c) {
return c.toUpperCase();
});
}
console.log( titleize('my name is epeli') );
// => "My Name Is Epeli"
复制代码
思路是找到每一个单词的首字母,固然这里不使用非捕获匹配也是能够的。
5.3 驼峰化
function camelize(str) {
return str.replace(/[-_\s]+(.)?/g, function(match, c) {
return c ? c.toUpperCase() : '';
});
}
console.log( camelize('-moz-transform') );
// => "MozTransform"
复制代码
其中分组(.)
表示首字母。单词的界定是,前面的字符能够是多个连字符、下划线以及空白符。正则后面的?的目的,是为了应对str
尾部的字符可能不是单词字符,好比str
是'-moz-transform '。
5.4 中划线化
function dasherize(str) {
return str.replace(/([A-Z])/g, '-$1').replace(/[-_\s]+/g, '-').toLowerCase();
}
console.log( dasherize('MozTransform') );
// => "-moz-transform"
复制代码
驼峰化的逆过程。
5.5 html转义和反转义
// 将HTML特殊字符转换成等值的实体
function escapeHTML(str) {
var escapeChars = {
'¢' : 'cent',
'£' : 'pound',
'¥' : 'yen',
'€': 'euro',
'©' :'copy',
'®' : 'reg',
'<' : 'lt',
'>' : 'gt',
'"' : 'quot',
'&' : 'amp',
'\'' : '#39'
};
return str.replace(new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g'), function(match) {
return '&' + escapeChars[match] + ';';
});
}
console.log( escapeHTML('<div>Blah blah blah</div>') );
// => "<div>Blah blah blah</div>";
复制代码
其中使用了用构造函数生成的正则,而后替换相应的格式就好了,这个跟本章没多大关系。
却是它的逆过程,使用了括号,以便提供引用,也很简单,以下:
// 实体字符转换为等值的HTML。
function unescapeHTML(str) {
var htmlEntities = {
nbsp: ' ',
cent: '¢',
pound: '£',
yen: '¥',
euro: '€',
copy: '©',
reg: '®',
lt: '<',
gt: '>',
quot: '"',
amp: '&',
apos: '\''
};
return str.replace(/\&([^;]+);/g, function(match, key) {
if (key in htmlEntities) {
return htmlEntities[key];
}
return match;
});
}
console.log( unescapeHTML('<div>Blah blah blah</div>') );
// => "<div>Blah blah blah</div>"
复制代码
经过key
获取相应的分组引用,而后做为对象的键。
5.6 匹配成对标签
要求匹配:
<title>regular expression</title>
<p>laoyao bye bye</p>
不匹配:
<title>wrong!</p>
匹配一个开标签,可使用正则<[^>]+>
,
匹配一个闭标签,可使用<\/[^>]+>
,
可是要求匹配成对标签,那就须要使用反向引用,如:
var regex = /<([^>]+)>[\d\D]*<\/\1>/;
var string1 = "<title>regular expression</title>";
var string2 = "<p>laoyao bye bye</p>";
var string3 = "<title>wrong!</p>";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // false
复制代码
其中开标签<[^>]+>
改为<([^>]+)>
,使用括号的目的是为了后面使用反向引用,而提供分组。闭标签使用了反向引用,<\/\1>
。
另外[\d\D]
的意思是,这个字符是数字或者不是数字,所以,也就是匹配任意字符的意思。
正则中使用括号的例子那但是太多了,不一而足。
重点理解括号能够提供分组,咱们能够提取数据,应该就能够了。
例子中的代码,基本没作多少分析,相信你都能看懂的。
学习正则表达式,是须要懂点儿匹配原理的。
而研究匹配原理时,有两个字出现的频率比较高:“回溯”。
听起来挺高大上,确实还有不少人对此不明不白的。
所以,本章就简单扼要地说清楚回溯究竟是什么东西。
内容包括:
假设咱们的正则是/ab{1,3}c/
,其可视化形式是:
而当目标字符串是"abbbc"时,就没有所谓的“回溯”。其匹配过程是:
其中子表达式b{1,3}
表示“b”字符连续出现1到3次。
若是目标字符串是"abbc",中间就有回溯。
图中第5步有红颜色,表示匹配不成功。此时b{1,3}
已经匹配到了2个字符“b”,准备尝试第三个时,结果发现接下来的字符是“c”。那么就认为b{1,3}
就已经匹配完毕。而后状态又回到以前的状态(即第6步,与第4步同样),最后再用子表达式c
,去匹配字符“c”。固然,此时整个表达式匹配成功了。
图中的第6步,就是“回溯”。
你可能对此没有感受,这里咱们再举一个例子。正则是:
目标字符串是"abbbc",匹配过程是:
其中第7步和第10步是回溯。第7步与第4步同样,此时b{1,3}
匹配了两个"b",而第10步与第3步同样,此时b{1,3}
只匹配了一个"b",这也是b{1,3}
的最终匹配结果。
这里再看一个清晰的回溯,正则是:
目标字符串是:"acd"ef,匹配过程是:
图中省略了尝试匹配双引号失败的过程。能够看出.*
是很是影响效率的。
为了减小一些没必要要的回溯,能够把正则修改成/"[^"]*"/
。
正则表达式匹配字符串的这种方式,有个学名,叫回溯法。
回溯法也称试探法,它的基本思想是:从问题的某一种状态(初始状态)出发,搜索从这种状态出发所能达到的全部“状态”,当一条路走到“尽头”的时候(不能再前进),再后退一步或若干步,从另外一种可能“状态”出发,继续搜索,直到全部的“路径”(状态)都试探过。这种不断“前进”、不断“回溯”寻找解的方法,就称做“回溯法”。(copy于百度百科)。
本质上就是深度优先搜索算法。其中退到以前的某一步这一过程,咱们称为“回溯”。从上面的描述过程当中,能够看出,路走不通时,就会发生“回溯”。即,尝试匹配失败时,接下来的一步一般就是回溯。
道理,咱们是懂了。那么JS中正则表达式会产生回溯的地方都有哪些呢?
3.1 贪婪量词
以前的例子都是贪婪量词相关的。好比b{1,3}
,由于其是贪婪的,尝试可能的顺序是从多往少的方向去尝试。首先会尝试"bbb",而后再看整个正则是否能匹配。不能匹配时,吐出一个"b",即在"bb"的基础上,再继续尝试。若是还不行,再吐出一个,再试。若是还不行呢?只能说明匹配失败了。
虽然局部匹配是贪婪的,但也要知足总体能正确匹配。不然,皮之不存,毛将焉附?
此时咱们不由会问,若是当多个贪婪量词挨着存在,并相互有冲突时,此时会是怎样?
答案是,先下手为强!由于深度优先搜索。测试以下:
var string = "12345";
var regex = /(\d{1,3})(\d{1,3})/;
console.log( string.match(regex) );
// => ["12345", "123", "45", index: 0, input: "12345"]
复制代码
其中,前面的\d{1,3}
匹配的是"123",后面的\d{1,3}
匹配的是"45"。
3.2 惰性量词
惰性量词就是在贪婪量词后面加个问号。表示尽量少的匹配,好比:
var string = "12345";
var regex = /(\d{1,3}?)(\d{1,3})/;
console.log( string.match(regex) );
// => ["1234", "1", "234", index: 0, input: "12345"]
复制代码
其中\d{1,3}?
只匹配到一个字符"1",然后面的\d{1,3}
匹配了"234"。
虽然惰性量词不贪,但也会有回溯的现象。好比正则是:
目标字符串是"12345",匹配过程是:
知道你不贪、很满足,可是为了总体匹配成,没办法,也只能给你多塞点了。所以最后\d{1,3}?
匹配的字符是"12",是两个数字,而不是一个。
3.3 分支结构
咱们知道分支也是惰性的,好比/can|candy/
,去匹配字符串"candy",获得的结果是"can",由于分支会一个一个尝试,若是前面的知足了,后面就不会再试验了。
分支结构,可能前面的子模式会造成了局部匹配,若是接下来表达式总体不匹配时,仍会继续尝试剩下的分支。这种尝试也能够当作一种回溯。
好比正则:
目标字符串是"candy",匹配过程:
上面第5步,虽然没有回到以前的状态,但仍然回到了分支结构,尝试下一种可能。因此,能够认为它是一种回溯的。
其实回溯法,很容易掌握的。
简单总结就是,正由于有多种可能,因此要一个一个试。直到,要么到某一步时,总体匹配成功了;要么最后都试完后,发现总体匹配不成功。
既然有回溯的过程,那么匹配效率确定低一些。相对谁呢?相对那些DFA引擎。
而JS的正则引擎是NFA,NFA是“非肯定型有限自动机”的简写。
大部分语言中的正则都是NFA,为啥它这么流行呢?
答:你别看我匹配慢,可是我编译快啊,并且我还有趣哦。
对于一门语言的掌握程度怎么样,能够有两个角度来衡量:读和写。
不只要求本身能解决问题,还要看懂别人的解决方案。代码是这样,正则表达式也是这样。
正则这门语言跟其余语言有一点不一样,它一般就是一大堆字符,而没有所谓“语句”的概念。
如何能正确地把一大串正则拆分红一块一块的,成为了破解“天书”的关键。
本章就解决这一问题,内容包括:
编程语言通常都有操做符。只要有操做符,就会出现一个问题。当一大堆操做在一块儿时,先操做谁,又后操做谁呢?为了避免产生歧义,就须要语言自己定义好操做顺序,即所谓的优先级。
而在正则表达式中,操做符都体如今结构中,即由特殊字符和普通字符所表明的一个个特殊总体。
JS正则表达式中,都有哪些结构呢?
字符字面量、字符组、量词、锚字符、分组、选择分支、反向引用。
具体含义简要回顾以下(如懂,能够略去不看):
字面量,匹配一个具体字符,包括不用转义的和须要转义的。好比a匹配字符"a",又好比
\n
匹配换行符,又好比\.
匹配小数点。字符组,匹配一个字符,能够是多种可能之一,好比
[0-9]
,表示匹配一个数字。也有\d
的简写形式。另外还有反义字符组,表示能够是除了特定字符以外任何一个字符,好比[^0-9]
,表示一个非数字字符,也有\D
的简写形式。量词,表示一个字符连续出现,好比
a{1,3}
表示“a”字符连续出现3次。另外还有常见的简写形式,好比a+
表示“a”字符连续出现至少一次。锚点,匹配一个位置,而不是字符。好比^匹配字符串的开头,又好比
\b
匹配单词边界,又好比(?=\d)
表示数字前面的位置。分组,用括号表示一个总体,好比
(ab)+
,表示"ab"两个字符连续出现屡次,也可使用非捕获分组(?:ab)+
。分支,多个子表达式多选一,好比
abc|bcd
,表达式匹配"abc"或者"bcd"字符子串。反向引用,好比
\2
,表示引用第2个分组。
其中涉及到的操做符有:
1.转义符\
2.括号和方括号(...)
、(?:...)
、(?=...)
、(?!...)
、[...]
3.量词限定符{m}
、{m,n}
、{m,}
、?
、*
、+
4.位置和序列^
、$
、\元字符
、通常字符
5. 管道符(竖杠)|
上面操做符的优先级从上至下,由高到低。
这里,咱们来分析一个正则:
/ab?(c|de*)+|fg/
(c|de*)
是一个总体结构。(c|de*)
中,注意其中的量词*
,所以e*
是一个总体结构。c
是一个总体、而de*
是另外一个总体。a
、b?
、(...)+
、f
、g
。而因为分支的缘由,又能够分红ab?(c|de*)+
和fg
这两部分。但愿你没被我绕晕,上面的分析可用其可视化形式描述以下:
关于结构和操做符,仍是有几点须要强调:
2.1 匹配字符串总体问题
由于是要匹配整个字符串,咱们常常会在正则先后中加上锚字符^
和$
。
好比要匹配目标字符串"abc"或者"bcd"时,若是一不当心,就会写成/^abc|bcd$/
。
而位置字符和字符序列优先级要比竖杠高,故其匹配的结构是:
应该修改为:
2.2 量词连缀问题
假设,要匹配这样的字符串:
1. 每一个字符为a、b、c任选其一
2. 字符串的长度是3的倍数
此时正则不能想固然地写成/^[abc]{3}+$/
,这样会报错,说+
前面没什么可重复的:
此时要修改为:
2.3 元字符转义问题
所谓元字符,就是正则中有特殊含义的字符。
全部结构里,用到的元字符总结以下:
^
$
.
*
+
?
|
\
/
(
)
[
]
{
}
=
!
:
-
,
当匹配上面的字符自己时,能够一概转义:
var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,/;
console.log( regex.test(string) );
// => true
复制代码
其中string
中的\
字符也要转义的。
另外,在string
中,也能够把每一个字符转义,固然,转义后的结果还是自己:
var string = "^$.*+?|\\/[]{}=!:-,";
var string2 = "\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,";
console.log( string == string2 );
// => true
复制代码
如今的问题是,是否是每一个字符都须要转义呢?否,看状况。
2.3.1 字符组中的元字符
跟字符组相关的元字符有[]
、^
、-
。所以在会引发歧义的地方进行转义。例如开头的^
必须转义,否则会把整个字符组,当作反义字符组。
var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /[\^$.*+?|\\/\[\]{}=!:\-,]/g;
console.log( string.match(regex) );
// => ["^", "$", ".", "*", "+", "?", "|", "\", "/", "[", "]", "{", "}", "=", "!", ":", "-", ","]
复制代码
2.3.2 匹配“[abc]”和“{3,5}”
咱们知道[abc]
,是个字符组。若是要匹配字符串"[abc]"时,该怎么办?
能够写成/\[abc\]/
,也能够写成/\[abc]/
,测试以下:
var string = "[abc]";
var regex = /\[abc]/g;
console.log( string.match(regex)[0] );
// => "[abc]"
复制代码
只须要在第一个方括号转义便可,由于后面的方括号构不成字符组,正则不会引起歧义,天然不须要转义。
同理,要匹配字符串"{3,5}",只须要把正则写成/\{3,5}/
便可。
另外,咱们知道量词有简写形式{m,}
,却没有{,n}
的状况。虽而后者不构成量词的形式,但此时并不会报错。固然,匹配的字符串也是"{,n}",测试以下:
var string = "{,3}";
var regex = /{,3}/g;
console.log( string.match(regex)[0] );
// => "{,3}"
复制代码
2.3.3 其他状况
好比=
!
:
-
,
等符号,只要不在特殊结构中,也不须要转义。
可是,括号须要先后都转义的,如/\(123\)/
。
至于剩下的^
$
.
*
+
?
|
\
/
等字符,只要不在字符组内,都须要转义的。
接下来分析两个例子,一个简单的,一个复杂的。
3.1 身份证
正则表达式是:
/^(\d{15}|\d{17}[\dxX])$/
由于竖杠“|”,的优先级最低,因此正则分红了两部分\d{15}
和\d{17}[\dxX]
。
\d{15}
表示15位连续数字。\d{17}[\dxX]
表示17位连续数字,最后一位能够是数字能够大小写字母"x"。可视化以下:
3.2 IPV4地址
正则表达式是:
/^((0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])\.){3}(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])$/
这个正则,看起来很是吓人。可是熟悉优先级后,会立马得出以下的结构:
((...)\.){3}(...)
上面的两个(...)
是同样的结构。表示匹配的是3位数字。所以整个结构是
3位数.3位数.3位数.3位数
而后再来分析(...)
:
(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])
它是一个多选结构,分红5个部分:
0{0,2}\d
,匹配一位数,包括0补齐的。好比,九、0九、009;0?\d{2}
,匹配两位数,包括0补齐的,也包括一位数;1\d{2}
,匹配100到199;2[0-4]\d
,匹配200-249;25[0-5]
,匹配250-255。最后来看一下其可视化形式:
掌握正则表达式中的优先级后,再看任何正则应该都有信心分析下去了。
至于例子,不一而足,没有写太多。
这里稍微总结一下,竖杠的优先级最低,即最后运算。
只要知道这一点,就能读懂大部分正则。
另外关于元字符转义问题,当本身不肯定与否时,尽管去转义,总之是不会错的。
对于一门语言的掌握程度怎么样,能够有两个角度来衡量:读和写。
不只要看懂别人的解决方案,也要能独立地解决问题。代码是这样,正则表达式也是这样。
与“读”相比,“写”每每更为重要,这个道理是不言而喻的。
对正则的运用,首重就是:如何针对问题,构建一个合适的正则表达式?
本章就解决该问题,内容包括:
构建正则有一点很是重要,须要作到下面几点的平衡:
2.1 是否能使用正则
正则太强大了,以致于咱们随便遇到一个操做字符串问题时,都会下意识地去想,用正则该怎么作。但咱们始终要提醒本身,正则虽然强大,但不是万能的,不少看似很简单的事情,仍是作不到的。
好比匹配这样的字符串:1010010001....
虽然颇有规律,可是只靠正则就是无能为力。
2.2 是否有必要使用正则
要认识到正则的局限,不要去研究根本没法完成的任务。同时,也不能走入另外一个极端:无所不用正则。能用字符串API解决的简单问题,就不应正则出马。
var string = "2017-07-01";
var regex = /^(\d{4})-(\d{2})-(\d{2})/;
console.log( string.match(regex) );
// => ["2017-07-01", "2017", "07", "01", index: 0, input: "2017-07-01"]
复制代码
其实,可使用字符串的split
方法来作,便可:
var string = "2017-07-01";
var result = string.split("-");
console.log( result );
// => ["2017", "07", "01"]
复制代码
var string = "?id=xx&act=search";
console.log( string.search(/\?/) );
// => 0
复制代码
其实,可使用字符串的indexOf
方法:
var string = "?id=xx&act=search";
console.log( string.indexOf("?") );
// => 0
复制代码
var string = "JavaScript";
console.log( string.match(/.{4}(.+)/)[1] );
// => Script
复制代码
其实,能够直接使用字符串的substring
或substr
方法来作:
var string = "JavaScript";
console.log( string.substring(4) );
// => Script
复制代码
2.3 是否有必要构建一个复杂的正则
好比密码匹配问题,要求密码长度6-12位,由数字、小写字符和大写字母组成,但必须至少包括2种字符。
在第2章里,咱们写出了正则是:
/(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/
其实可使用多个小正则来作:
var regex1 = /^[0-9A-Za-z]{6,12}$/;
var regex2 = /^[0-9]{6,12}$/;
var regex3 = /^[A-Z]{6,12}$/;
var regex4 = /^[a-z]{6,12}$/;
function checkPassword(string) {
if (!regex1.test(string)) return false;
if (regex2.test(string)) return false;
if (regex3.test(string)) return false;
if (regex4.test(string)) return false;
return true;
}
复制代码
所谓准确性,就是能匹配预期的目标,而且不匹配非预期的目标。
这里提到了“预期”二字,那么咱们就须要知道目标的组成规则。
否则无法界定什么样的目标字符串是符合预期的,什么样的又不是符合预期的。
下面将举例说明,当目标字符串构成比较复杂时,该如何构建正则,并考虑到哪些平衡。
3.1 匹配固定电话
好比要匹配以下格式的固定电话号码:
055188888888
0551-88888888
(0551)88888888
第一步,了解各部分的模式规则。
上面的电话,整体上分为区号和号码两部分(不考虑分机号和+86的情形)。
区号是0开头的3到4位数字,对应的正则是:0\d{2,3}
号码是非0开头的7到8位数字,对应的正则是:[1-9]\d{6,7}
所以,匹配055188888888的正则是:/^0\d{2,3}[1-9]\d{6,7}$/
匹配0551-88888888的正则是:/^0\d{2,3}-[1-9]\d{6,7}$/
匹配(0551)88888888的正则是:/^\(0\d{2,3}\)[1-9]\d{6,7}$/
第二步,明确形式关系。
这三者情形是或的关系,能够构建分支:
/^0\d{2,3}[1-9]\d{6,7}$|^0\d{2,3}-[1-9]\d{6,7}$|^\(0\d{2,3}\)[1-9]\d{6,7}$/
提取公共部分:
/^(0\d{2,3}|0\d{2,3}-|\(0\d{2,3}\))[1-9]\d{6,7}$/
进一步简写:
/^(0\d{2,3}-?|\(0\d{2,3}\))[1-9]\d{6,7}$/
其可视化形式:
上面的正则构建过程略显罗嗦,可是这样作,能保证正则是准确的。
上述三种情形是或的关系,这一点很重要,否则很容易按字符是否出现的情形把正则写成:
/^\(?0\d{2,3}\)?-?[1-9]\d{6,7}$/
虽然也能匹配上述目标字符串,但也会匹配(0551-88888888这样的字符串。固然,这不是咱们想要的。
其实这个正则也不是完美的,由于现实中,并非每一个3位数和4位数都是一个真实的区号。
这就是一个平衡取舍问题,通常够用就行。
3.2 匹配浮点数
要求匹配以下的格式:
1.2三、+1.2三、-1.23
十、+十、-10
.二、+.二、-.2
能够看出正则分为三部分。
符号部分:[+-]
整数部分:\d+
小数部分:\.\d+
上述三个部分,并非所有都出现。若是此时很容易写出以下的正则:
/^[+-]?(\d+)?(\.\d+)?$/
此正则看似没问题,但这个正则也会匹配空字符""。
由于目标字符串的形式关系不是要求每部分都是可选的。
要匹配1.2三、+1.2三、-1.23,能够用/^[+-]?\d+\.\d+$/
要匹配十、+十、-10,能够用/^[+-]?\d+$/
要匹配.二、+.二、-.2,能够用/^[+-]?\.\d+$/
所以整个正则是这三者的或的关系,提取公众部分后是:
/^[+-]?(\d+\.\d+|\d+|\.\d+)$/
其可视化形式是:
若是要求不匹配+.2和-.2,此时正则变成:
固然,/^[+-]?(\d+\.\d+|\d+|\.\d+)$/
也不是完美的,咱们也是作了些取舍,好比:
/^[+-]?(\d+)?(\.)?\d+$/
,这样咱们就须要考虑可读性和可维护性了。保证了准确性后,才须要是否要考虑要优化。大多数情形是不须要优化的,除非运行的很是慢。什么情形正则表达式运行才慢呢?咱们须要考察正则表达式的运行过程(原理)。
正则表达式的运行分为以下的阶段:
下面以代码为例,来看看这几个阶段都作了什么:
var regex = /\d+/g;
console.log( regex.lastIndex, regex.exec("123abc34def") );
console.log( regex.lastIndex, regex.exec("123abc34def") );
console.log( regex.lastIndex, regex.exec("123abc34def") );
console.log( regex.lastIndex, regex.exec("123abc34def") );
// => 0 ["123", index: 0, input: "123abc34def"]
// => 3 ["34", index: 6, input: "123abc34def"]
// => 8 null
// => 0 ["123", index: 0, input: "123abc34def"]
复制代码
具体分析以下:
var regex = /\d+/g;复制代码
当生成一个正则时,引擎会对其进行编译。报错与否出现这这个阶段。
regex.exec("123abc34def")
复制代码
当尝试匹配时,须要肯定从哪一位置开始匹配。通常情形都是字符串的开头,即第0位。
但当使用test
和exec
方法,且正则有g
时,起始位置是从正则对象的lastIndex
属性开始。
所以第一次exec
是从第0位开始,而第二次是从3开始的。
设定好起始位置后,就开始尝试匹配了。
好比第一次exec
,从0开始,去尝试匹配,而且成功地匹配到3个数字。此时结束时的下标是2,所以下一次的起始位置是3。
而第二次,起始下标是3,但第3个字符是“a”,并非数字。但此时并不会直接报匹配失败,而是移动到下一位置,即从第4位开始继续尝试匹配,但该字符是b,也不是数字。再移动到下一位,是c仍不行,再移动一位是数字3,此时匹配到了两位数字34。此时,下一次匹配的位置是d的位置,即第8位。
第三次,是从第8位开始匹配,直到试到最后一位,也没发现匹配的,所以匹配失败,返回null
。同时设置lastIndex
为0,即,如要再尝试匹配的话,需从头开始。
从上面能够看出,匹配会出现效率问题,主要出如今上面的第3阶段和第4阶段。
所以,主要优化手法也是针对这两阶段的。
4.1 使用具体型字符组来代替通配符,来消除回溯
而在第三阶段,最大的问题就是回溯。
例如,匹配双引用号之间的字符。如,匹配字符串123"abc"456中的"abc"。
若是正则用的是:/".*"/
,,会在第3阶段产生4次回溯(粉色表示.*
匹配的内容):
若是正则用的是:/".*?"/
,会产生2次回溯(粉色表示.*?
匹配的内容):
由于回溯的存在,须要引擎保存多种可能中何尝试过的状态,以便后续回溯时使用。注定要占用必定的内存。
此时要使用具体化的字符组,来代替通配符.
,以便消除没必要要的字符,此时使用正则/"[^"]*"/
,便可。
4.2 使用非捕获型分组
由于括号的做用之一是,能够捕获分组和分支里的数据。那么就须要内存来保存它们。
当咱们不须要使用分组引用和反向引用时,此时可使用非捕获分组。例如:
/^[+-]?(\d+\.\d+|\d+|\.\d+)$/
能够修改为:
/^[+-]?(?:\d+\.\d+|\d+|\.\d+)$/
4.3 独立出肯定字符
例如/a+/
,能够修改为/aa*/
。
由于后者能比前者多肯定了字符a。这样会在第四步中,加快判断是否匹配失败,进而加快移位的速度。
4.4 提取分支公共部分
好比/^abc|^def/
,修改为/^(?:abc|def)/
。
又好比/this|that/
,修改为/th(?:is|at)/
。
这样作,能够减小匹配过程当中可消除的重复。
4.5 减小分支的数量,缩小它们的范围
/red|read/
,能够修改为/rea?d/
。此时分支和量词产生的回溯的成本是不同的。但这样优化后,可读性会下降的。
本章涉及的内容并很少。
通常状况下,针对某问题能写出一个知足需求的正则,基本上就能够了。
至于准确性和效率方面的追求,纯属看我的要求了。我以为够用就好了。
关于准确性,本章关心的是最经常使用的解决思路:
针对每种情形,分别写出正则,然用分支把他们合并在一块儿,再提取分支公共部分,就能获得准确的正则。
至于优化,本章没有为了凑数,去写一大堆。了解了匹配原理,常见的优化手法也就这么几种。
什么叫知识,能指导咱们实践的东西才叫知识。
学习同样东西,若是不能使用,最多只能算做纸上谈兵。正则表达式的学习,也不例外。
掌握了正则表达式的语法后,下一步,也是关键的一步,就是在真实世界中使用它。
那么如何使用正则表达式呢?有哪些关键的点呢?本章就解决这个问题。
内容包括:
正则表达式是匹配模式,无论如何使用正则表达式,万变不离其宗,都须要先“匹配”。
有了匹配这一基本操做后,才有其余的操做:验证、切分、提取、替换。
进行任何相关操做,也须要宿主引擎相关API的配合使用。固然,在JS中,相关API也很少。
1.1 验证
验证是正则表达式最直接的应用,好比表单验证。
在说验证以前,先要说清楚匹配是什么概念。
所谓匹配,就是看目标字符串里是否有知足匹配的子串。所以,“匹配”的本质就是“查找”。
有没有匹配,是否是匹配上,判断是否的操做,即称为“验证”。
这里举一个例子,来看看如何使用相关API进行验证操做的。
好比,判断一个字符串中是否有数字。
search
var regex = /\d/;
var string = "abc123";
console.log( !!~string.search(regex) );
// => true
复制代码
test
var regex = /\d/;
var string = "abc123";
console.log( regex.test(string) );
// => true
复制代码
match
var regex = /\d/;
var string = "abc123";
console.log( !!string.match(regex) );
// => true
复制代码
exec
var regex = /\d/;
var string = "abc123";
console.log( !!regex.exec(string) );
// => true
复制代码
其中,最经常使用的是test
。
1.2 切分
匹配上了,咱们就能够进行一些操做,好比切分。
所谓“切分”,就是把目标字符串,切成一段一段的。在JS中使用的是split
。
好比,目标字符串是"html,css,javascript",按逗号来切分:
var regex = /,/;
var string = "html,css,javascript";
console.log( string.split(regex) );
// => ["html", "css", "javascript"]
复制代码
又好比,以下的日期格式:
2017/06/26
2017.06.26
2017-06-26
可使用split
“切出”年月日:
var regex = /\D/;
console.log( "2017/06/26".split(regex) );
console.log( "2017.06.26".split(regex) );
console.log( "2017-06-26".split(regex) );
// => ["2017", "06", "26"]
// => ["2017", "06", "26"]
// => ["2017", "06", "26"]
复制代码
1.3 提取
虽然总体匹配上了,但有时须要提取部分匹配的数据。
此时正则一般要使用分组引用(分组捕获)功能,还须要配合使用相关API。
这里,仍是以日期为例,提取出年月日。注意下面正则中的括号:
match
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
console.log( string.match(regex) );
// =>["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"]
复制代码
exec
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
console.log( regex.exec(string) );
// =>["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"]
复制代码
test
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
regex.test(string);
console.log( RegExp.$1, RegExp.$2, RegExp.$3 );
// => "2017" "06" "26"
复制代码
search
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
string.search(regex);
console.log( RegExp.$1, RegExp.$2, RegExp.$3 );
// => "2017" "06" "26"
复制代码
replace
var regex = /^(\d{4})\D(\d{2})\D(\d{2})$/;
var string = "2017-06-26";
var date = [];
string.replace(regex, function(match, year, month, day) {
date.push(year, month, day);
});
console.log(date);
// => ["2017", "06", "26"]
复制代码
其中,最经常使用的是match
。
1.4 替换
找,每每不是目的,一般下一步是为了替换。在JS中,使用replace
进行替换。
好比把日期格式,从yyyy-mm-dd替换成yyyy/mm/dd:
var string = "2017-06-26";
var today = new Date( string.replace(/-/g, "/") );
console.log( today );
// => Mon Jun 26 2017 00:00:00 GMT+0800 (中国标准时间)
复制代码
这里只是简单地应用了一下replace
。但,replace
方法是强大的,是须要重点掌握的。
从上面能够看出用于正则操做的方法,共有6个,字符串实例4个,正则实例2个:
String#search
String#split
String#match
String#replace
RegExp#test
RegExp#exec
本文不打算详细地讲解它们的方方面面细节,具体能够参考《JavaScript权威指南》的第三部分。本文重点列出一些容易忽视的地方,以飨读者。
2.1 search和match的参数问题
咱们知道字符串实例的那4个方法参数都支持正则和字符串。
但search
和match
,会把字符串转换为正则的。
var string = "2017.06.27";
console.log( string.search(".") );
// => 0
//须要修改为下列形式之一
console.log( string.search("\\.") );
console.log( string.search(/\./) );
// => 4
// => 4
console.log( string.match(".") );
// => ["2", index: 0, input: "2017.06.27"]
//须要修改为下列形式之一
console.log( string.match("\\.") );
console.log( string.match(/\./) );
// => [".", index: 4, input: "2017.06.27"]
// => [".", index: 4, input: "2017.06.27"]
console.log( string.split(".") );
// => ["2017", "06", "27"]
console.log( string.replace(".", "/") );
// => "2017/06.27"
复制代码
2.2 match返回结果的格式问题
match
返回结果的格式,与正则对象是否有修饰符g
有关。
var string = "2017.06.27";
var regex1 = /\b(\d+)\b/;
var regex2 = /\b(\d+)\b/g;
console.log( string.match(regex1) );
console.log( string.match(regex2) );
// => ["2017", "2017", index: 0, input: "2017.06.27"]
// => ["2017", "06", "27"]
复制代码
没有g
,返回的是标准匹配格式,即,数组的第一个元素是总体匹配的内容,接下来是分组捕获的内容,而后是总体匹配的第一个下标,最后是输入的目标字符串。
有g
,返回的是全部匹配的内容。
当没有匹配时,无论有无g
,都返回null
。
2.3 exec比match更强大
当正则没有g
时,使用match
返回的信息比较多。可是有g
后,就没有关键的信息index
了。
而exec
方法就能解决这个问题,它能接着上一次匹配后继续匹配:
var string = "2017.06.27";
var regex2 = /\b(\d+)\b/g;
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
console.log( regex2.exec(string) );
console.log( regex2.lastIndex);
// => ["2017", "2017", index: 0, input: "2017.06.27"]
// => 4
// => ["06", "06", index: 5, input: "2017.06.27"]
// => 7
// => ["27", "27", index: 8, input: "2017.06.27"]
// => 10
// => null
// => 0
复制代码
其中正则实例lastIndex
属性,表示下一次匹配开始的位置。
好比第一次匹配了“2017”,开始下标是0,共4个字符,所以此次匹配结束的位置是3,下一次开始匹配的位置是4。
从上述代码看出,在使用exec
时,常常须要配合使用while
循环:
var string = "2017.06.27";
var regex2 = /\b(\d+)\b/g;
var result;
while ( result = regex2.exec(string) ) {
console.log( result, regex2.lastIndex );
}
// => ["2017", "2017", index: 0, input: "2017.06.27"] 4
// => ["06", "06", index: 5, input: "2017.06.27"] 7
// => ["27", "27", index: 8, input: "2017.06.27"] 10
复制代码
2.4 修饰符g,对exex和test的影响
上面提到了正则实例的lastIndex
属性,表示尝试匹配时,从字符串的lastIndex
位开始去匹配。
字符串的四个方法,每次匹配时,都是从0开始的,即lastIndex
属性始终不变。
而正则实例的两个方法exec
、test
,当正则是全局匹配时,每一次匹配完成后,都会修改lastIndex
。下面让咱们以test
为例,看看你是否会迷糊:
var regex = /a/g;
console.log( regex.test("a"), regex.lastIndex );
console.log( regex.test("aba"), regex.lastIndex );
console.log( regex.test("ababc"), regex.lastIndex );
// => true 1
// => true 3
// => false 0
复制代码
注意上面代码中的第三次调用test
,由于这一次尝试匹配,开始从下标lastIndex
即3位置处开始查找,天然就找不到了。
若是没有g
,天然都是从字符串第0个字符处开始尝试匹配:
var regex = /a/;
console.log( regex.test("a"), regex.lastIndex );
console.log( regex.test("aba"), regex.lastIndex );
console.log( regex.test("ababc"), regex.lastIndex );
// => true 0
// => true 0
// => true 0
复制代码
2.5 test总体匹配时须要使用^和$
这个相对容易理解,由于test
是看目标字符串中是否有子串匹配正则,即有部分匹配便可。
若是,要总体匹配,正则先后须要添加开头和结尾:
console.log( /123/.test("a123b") );
// => true
console.log( /^123$/.test("a123b") );
// => false
console.log( /^123$/.test("123") );
// => true
复制代码
2.6 split相关注意事项
split
方法看起来不起眼,但要注意的地方有两个的。
第一,它能够有第二个参数,表示结果数组的最大长度:
var string = "html,css,javascript";
console.log( string.split(/,/, 2) );
// =>["html", "css"]
复制代码
第二,正则使用分组时,结果数组中是包含分隔符的:
var string = "html,css,javascript";
console.log( string.split(/(,)/) );
// =>["html", ",", "css", ",", "javascript"]
复制代码
2.7 replace是很强大的
《JavaScript权威指南》认为exec
是这6个API中最强大的,而我始终认为replace
才是最强大的。由于它也能拿到该拿到的信息,而后能够假借替换之名,作些其余事情。
整体来讲replace
有两种使用形式,这是由于它的第二个参数,能够是字符串,也能够是函数。
当第二个参数是字符串时,以下的字符有特殊的含义:
$1
,$2
,...,$99
匹配第1~99个分组里捕获的文本
$&
匹配到的子串文本
$`
匹配到的子串的左边文本
$'
匹配到的子串的右边文本
$$
美圆符号
例如,把"2,3,5",变成"5=2+3":
var result = "2,3,5".replace(/(\d+),(\d+),(\d+)/, "$3=$1+$2");
console.log(result);
// => "5=2+3"
复制代码
又例如,把"2,3,5",变成"222,333,555":
var result = "2,3,5".replace(/(\d+)/g, "$&$&$&");
console.log(result);
// => "222,333,555"
复制代码
再例如,把"2+3=5",变成"2+3=2+3=5=5":
var result = "2+3=5".replace(/=/, "$&$`$&$'$&");
console.log(result);
// => "2+3=2+3=5=5"
复制代码
当第二个参数是函数时,咱们须要注意该回调函数的参数具体是什么:
"1234 2345 3456".replace(/(\d)\d{2}(\d)/g, function(match, $1, $2, index, input) {
console.log([match, $1, $2, index, input]);
});
// => ["1234", "1", "4", 0, "1234 2345 3456"]
// => ["2345", "2", "5", 5, "1234 2345 3456"]
// => ["3456", "3", "6", 10, "1234 2345 3456"]
复制代码
此时咱们能够看到replace
拿到的信息,并不比exec
少。
2.8 使用构造函数须要注意的问题
通常不推荐使用构造函数生成正则,而应该优先使用字面量。由于用构造函数会多写不少\
。
var string = "2017-06-27 2017.06.27 2017/06/27";
var regex = /\d{4}(-|\.|\/)\d{2}\1\d{2}/g;
console.log( string.match(regex) );
// => ["2017-06-27", "2017.06.27", "2017/06/27"]
regex = new RegExp("\\d{4}(-|\\.|\\/)\\d{2}\\1\\d{2}", "g");
console.log( string.match(regex) );
// => ["2017-06-27", "2017.06.27", "2017/06/27"]
复制代码
2.9 修饰符
ES5中修饰符,共3个:
g
全局匹配,即找到全部匹配的,单词是global
i
忽略字母大小写,单词ingoreCase
m
多行匹配,只影响^
和$
,两者变成行的概念,即行开头和行结尾。单词是multiline
固然正则对象也有相应的只读属性:
var regex = /\w/img;
console.log( regex.global );
console.log( regex.ignoreCase );
console.log( regex.multiline );
// => true
// => true
// => true
复制代码
2.10 source属性
正则实例对象属性,除了global
、ingnoreCase
、multiline
、lastIndex
属性以外,还有一个source
属性。
它何时有用呢?
好比,在构建动态的正则表达式时,能够经过查看该属性,来确认构建出的正则究竟是什么:
var className = "high";
var regex = new RegExp("(^|\\s)" + className + "(\\s|$)");
console.log( regex.source )
// => (^|\s)high(\s|$) 即字符串"(^|\\s)high(\\s|$)"
复制代码
2.11 构造函数属性
构造函数的静态属性基于所执行的最近一次正则操做而变化。除了是$1
,...,$9
以外,还有几个不太经常使用的属性(有兼容性问题):
RegExp.input
最近一次目标字符串,简写成RegExp["$_"]
RegExp.lastMatch
最近一次匹配的文本,简写成RegExp["$&"]
RegExp.lastParen
最近一次捕获的文本,简写成RegExp["$+"]
RegExp.leftContext
目标字符串中lastMatch
以前的文本,简写成RegExp["$`"]
RegExp.rightContext
目标字符串中lastMatch
以后的文本,简写成RegExp["$'"]
测试代码以下:
var regex = /([abc])(\d)/g;
var string = "a1b2c3d4e5";
string.match(regex);
console.log( RegExp.input );
console.log( RegExp["$_"]);
// => "a1b2c3d4e5"
console.log( RegExp.lastMatch );
console.log( RegExp["$&"] );
// => "c3"
console.log( RegExp.lastParen );
console.log( RegExp["$+"] );
// => "3"
console.log( RegExp.leftContext );
console.log( RegExp["$`"] );
// => "a1b2"
console.log( RegExp.rightContext );
console.log( RegExp["$'"] );
// => "d4e5"复制代码
3.1 使用构造函数生成正则表达式
咱们知道要优先使用字面量来建立正则,但有时正则表达式的主体是不肯定的,此时可使用构造函数来建立。模拟getElementsByClassName
方法,就是很能说明该问题的一个例子。
这里getElementsByClassName
函数的实现思路是:
/(^|\s)high(\s|$)/
;代码以下(能够直接复制到本地查看运行效果):
<p class="high">1111</p>
<p class="high">2222</p>
<p>3333</p>
<script>
function getElementsByClassName(className) {
var elements = document.getElementsByTagName("*");
var regex = new RegExp("(^|\\s)" + className + "(\\s|$)");
var result = [];
for (var i = 0; i < elements.length; i++) {
var element = elements[i];
if (regex.test(element.className)) {
result.push(element)
}
}
return result;
}
var highs = getElementsByClassName('high');
highs.forEach(function(item) {
item.style.color = 'red';
});
</script>
复制代码
3.2 使用字符串保存数据
通常状况下,咱们都愿意使用数组来保存数据。但我看到有的框架中,使用的倒是字符串。
使用时,仍须要把字符串切分红数组。虽然不必定用到正则,但总感受酷酷的,这里分享以下:
var utils = {};
"Boolean|Number|String|Function|Array|Date|RegExp|Object|Error".split("|").forEach(function(item) {
utils["is" + item] = function(obj) {
return {}.toString.call(obj) == "[object " + item + "]";
};
});
console.log( utils.isArray([1, 2, 3]) );
// => true
复制代码
3.3 if语句中使用正则替代&&
好比,模拟ready
函数,即加载完毕后再执行回调(不兼容ie的):
var readyRE = /complete|loaded|interactive/;
function ready(callback) {
if (readyRE.test(document.readyState) && document.body) {
callback()
}
else {
document.addEventListener(
'DOMContentLoaded',
function () {
callback()
},
false
);
}
};
ready(function() {
alert("加载完毕!")
});
复制代码
3.4 使用强大的replace
由于replace
方法比较强大,有时用它根本不是为了替换,只是拿其匹配到的信息来作文章。
这里以查询字符串(querystring)压缩技术为例,注意下面replace
方法中,回调函数根本没有返回任何东西。
function compress(source) {
var keys = {};
source.replace(/([^=&]+)=([^&]*)/g, function(full, key, value) {
keys[key] = (keys[key] ? keys[key] + ',' : '') + value;
});
var result = [];
for (var key in keys) {
result.push(key + '=' + keys[key]);
}
return result.join('&');
}
console.log( compress("a=1&b=2&a=3&b=4") );
// => "a=1,3&b=2,4"
复制代码
3.5 综合运用
最后这里再作个简单实用的正则测试器。
具体效果以下:
代码,直接贴了,相信你能看得懂:
<section>
<div id="err"></div>
<input id="regex" placeholder="请输入正则表达式">
<input id="text" placeholder="请输入测试文本">
<button id="run">测试一下</button>
<div id="result"></div>
</section>
<style>
section{
display:flex;
flex-direction:column;
justify-content:space-around;
height:300px;
padding:0 200px;
}
section *{
min-height:30px;
}
#err {
color:red;
}
#result{
line-height:30px;
}
.info {
background:#00c5ff;
padding:2px;
margin:2px;
display:inline-block;
}
</style>
<script>
(function() {
// 获取相应dom元素
var regexInput = document.getElementById("regex");
var textInput = document.getElementById("text");
var runBtn = document.getElementById("run");
var errBox = document.getElementById("err");
var resultBox = document.getElementById("result");
// 绑定点击事件
runBtn.onclick = function() {
// 清除错误和结果
errBox.innerHTML = "";
resultBox.innerHTML = "";
// 获取正则和文本
var text = textInput.value;
var regex = regexInput.value;
if (regex == "") {
errBox.innerHTML = "请输入正则表达式";
} else if (text == "") {
errBox.innerHTML = "请输入测试文本";
} else {
regex = createRegex(regex);
if (!regex) return;
var result, results = [];
// 没有修饰符g的话,会死循环
if (regex.global) {
while(result = regex.exec(text)) {
results.push(result);
}
} else {
results.push(regex.exec(text));
}
if (results[0] == null) {
resultBox.innerHTML = "匹配到0个结果";
return;
}
// 倒序是有必要的
for (var i = results.length - 1; i >= 0; i--) {
var result = results[i];
var match = result[0];
var prefix = text.substr(0, result.index);
var suffix = text.substr(result.index + match.length);
text = prefix
+ '<span class="info">'
+ match
+ '</span>'
+ suffix;
}
resultBox.innerHTML = "匹配到" + results.length + "个结果:<br>" + text;
}
};
// 生成正则表达式,核心函数
function createRegex(regex) {
try {
if (regex[0] == "/") {
regex = regex.split("/");
regex.shift();
var flags = regex.pop();
regex = regex.join("/");
regex = new RegExp(regex, flags);
} else {
regex = new RegExp(regex, "g");
}
return regex;
} catch(e) {
errBox.innerHTML = "无效的正则表达式";
return false;
}
}
})();
</script>复制代码
相关API的注意点,本章基本上算是一网打尽了。
至于文中的例子,都是点睛之笔,没有详细解析。若有理解不透的,建议本身敲一敲。
其实本文首发于:正则表达式系列总结 - 知乎专栏
原文是一个系列。一直等到老姚成为掘金的专栏做者,通过仔细考虑,在掘金平台没有采用系列形式,而是合成为了一篇文章。这样既便于读者阅读,最起码能一鼓作气地阅读。同时也便于做者统一回复留言。
文章要结束了,最后还要有几点说明。
本文主要讨论的是JavaScript的正则表达式,更精确地说是ES5的正则表达式。
JavaScript的正则表达式引擎是传统型NFA的,所以本系列的讨论是适合任何一门正则引擎是传统型NFA的编程语言。固然,市面上大部分语言的正则引擎都是这种的。而JS里正则涉及到的全部语法要点,是这种引擎支持的核心子集。也就是说,要学正则表达式,不妨以JS正则为出发点。
固然本文不是无本之末。主要参考的是几本书籍。
如下书籍中核心章节都认真阅读过,甚至阅读多遍。
《JavaScript权威指南》,看完本系列,再去看书中的第10章,你就知道了什么叫字字珠玑。
《精通正则表达式》,权威且比较杂乱,我阅读的第一本正则表达式书籍。
《正则表达式必知必会》,这是我看的第二本正则,看完后,肯定本身算是入门了。
《正则指引》,《精通正则表达式》的译者写的,相对清晰。
《正则表达式入门》,我看的是英文版的,对于已经入门的我,基本没多少收获了。
《正则表达式经典实例》,除了第3章,比较杂外,也有收获,以实例为主导的一本书。
《JavaScript Regular Expressions》,为数很少转讲JS正则的。页数很少,也有收获。
《高性能JavaScript 》第5章,我看的是英文版的。第5章,讲了回溯和优化。
《JavaScript忍者秘籍》第7章,大概讲了一下正则的用法,几个例子还不错。
《JavaScript高级程序设计》第5.4节,比较简短的介绍。
使用的工具:
Regulex,一款可视化工具
ProcessOn - 免费在线做图,实时协做
LICEcap – 灵活好用,GIF 屏幕录制工具
要多写文章的
首先,我十分感谢读者。读者能在信息泛滥的网络里,点击个人文章进来瞧两眼,这都是对其注意力的消费。更况且,还有不少童鞋都认真读了,甚至给我挑毛病,这都是对个人帮助。不知有多少童鞋是从头读到这里的,不妨留言打卡,让我知道你是用心的读者,而并不是简简单单地收藏一下,而后就不再曾看过了。
说到要写文章,其目的是以教为学。看似为了教,实际上是为了学。能教会别人才算本身真正学会了,最起码造成了文字,经过了本身的语言逻辑这一关。若是还能有人指出你的错误认知,那样收获就更大了,何乐而不为呢?
不少书中都提到相似的观点,例如《知道作到》《好好学习》《与时间作朋友》《暗时间》等。
以教为学的其余手段
固然,以教为学的手段还有不少,好比翻译一本书。我私下已经翻译了好几本(窃喜^_^)。
能够从薄点的书籍开始,好比100页左右的。基本上使用有道就能够了,也不用要求本身一词一句的翻译,能用本身的话说明白就好了。说到这里,不得不提起,咱们的阮一峰大神,在我看来,他就是成功地应用这种模式的。看完外文的文章,理解明白了,用本身的话说一说,再造成本身的简练风格。
恐怕你可能说本身的英文水平不够,没信心尝试。相信我,熟悉了经常使用词汇(好比literal翻译成字面量)后,配合有道翻译,薄点的书,一天翻译一章是没问题的。固然前提是你懂相关领域,否则是没办法意译的。
最后一种以教为学的手段是,写一本书。写文章是基础,文章多了,天然而言就能够写成一本书。固然,写书强调的是总体架构,因此文章最好成体系。
你看看那些国内专业书籍的做者,通常都事先翻译过几本书的。最起码在前端领域,我就看到了好几位是这么干的。翻译明白了,学会了,用本身的角度去弄出一本书仍是相对很容易的。
虽然,本人并不曾写过书,但上述方法,我始终相信是可行的。
最后,咱们该想到,陆游诗人对前端界作出的最大贡献是:
纸上得来终觉浅,绝知此事要躬行。
本文完。
能够收藏PDF版本:《JavaScript正则迷你书》