正则表达式--内功心法

[TOC]

---

开发过程当中，不少人止于正则，搜于网络。正则虽小，意义颇大。几乎全部开发语言都提供支持， 它始于仿生学（神经元描述）符号描述，崛起于各操做系统，附生于编辑器中，欣欣向荣，如日中天。

场景

• 千分位

某大厂有这么一道题目，具备开放性。 大数字以千分位隔开即生活场景中的帐户金额，怎么作？ 仁者见仁智者见智，办法总比问题多，然而一条简单正则轻松解决。

正则表达式：/(\d{1,3})(?=(\d{3})+$)/g

如：

"1111234334".replace(/(\d{1,3})(?=(\d{3})+$)/g,"$1,")

• 支付弱密码校验

不少场景下，用户会设置简单易记密码，为了不用户密码被撞库，被不法分子利用，须要在设置时校验，提示用户。

如123456使用正则校验

/(0(?=1)|1(?=2)|2(?=3)|3(?=4)|4(?=5)|5(?=6)){5}/

---

目的或意义

对字符串进行过滤筛选匹配，获得预期的值或效果

概念

对字符串和特殊符号操做的逻辑公式

应用场景

表单校验，条件搜索查询，数据替换等

linux 里面不少地方都用到

sed 's/pattern/replacement/flag' file

awk '/pattern/program' file

正向预查

在任何匹配 pattern 的字符串开始处匹配查找字符串。

预查是非捕获特性，JAVASCRIPT不支持反向预查

正向正预查

?:

window(?:10|7) 能够匹配window10 或 window7 ``` javascript /window(?:10|7)/.test("window10") //true

匹配过程是如何的呢？

字符串从左到右，游标起始于字符串开始部分的左侧，正则表达式的w与字符串w匹配，匹配成功后，游标移动到w右侧，而后匹配i，匹配成功后，游标继续游走，以此类推直到游标停留到字符串末尾

?=

/window(?=7)/.test("window7") //true

匹配过程又如何呢？

游标由字符串的最左侧开始，正则表达式以此匹配直到window的右侧，此时游标停留，正则继续匹配，当匹配到7的时候，匹配成功。因为游标停留在7的左侧（即w的右侧），所以获得的匹配结果是window而不是window7

正向负预查

?!

/window(?!7)/.test("windowXP") //true

此时的匹配过程又该如何 跟上面?=相似，不一样的是XP与正则中的7不对应时为匹配成功

反向预查

在任何不匹配pattern 的字符串开始处匹配查找字符串。

反向正预查

/(?<=best)pay/  匹配bestpay

反向负预查

/(?<!best)pay/  匹配alipay

非贪婪模式 VS 贪婪模式

• 贪婪模式

例如：

javascript /ab*c/.test("abbbc") //匹配abbbc

过程以下：

游标从a左侧开始，正则与字符串匹配到ab后，b继续与b匹配，直到c与b匹配，发现不能匹配，因而，选用备选路线，选用用字符串c与正则c匹配，匹配上游标前进到c的右侧所有匹配完成

• 非贪婪模式

例如：

javascript /ab*?c/.test("ac") //匹配ac

正则中? 是优先考虑的

过程以下：

游标从字符串"ac"中a的左侧开始，正则a与字符a匹配上，游标前进到a的右侧，此时模式中的"b*?" 与字符"c"匹配不上，因而，选用备用方案，正则会用"c" 与跟 字符串的"c"匹配，匹配上后，游标移动到末尾，所以匹配的值是ac

执行过程

基于PCRE的正则引擎有一个特色：递归和回溯

递归

javascript /^c*?d(?=e)/.test("cde") //true, 匹配cd

1. ^表示起始位置0（即字符串cd的左侧）

$表示字符串末尾

2. "cd"中的c与正则中的c*？进行匹配，游标继续前进，
3. "cd"中的d与c*?匹配不上时，选用备选路线
4. "cd"中的d与正则中的d对比并匹配上
5. ?=e不占用位置可是要校验e值的存在(即游标在d右侧时，"cde"中e与?=e匹配上，游标不会移动）

相似?=e这种零位占用还有^,$

回溯

javascript /tf??a/.test("tea") //false

过程以下：

1. 由字符串"tea"左侧开始，"tea" 的t 与 正则t匹配
2. 忽略f?? 直接匹配正则a，"tea"的"e" 与 正则表达式中"a" 对比，匹配失败
3. 正则表达式回溯到f??, 此时“tea”中的“e” 与正则表达式中“f??“对比，匹配失败
4. 正则模式继续回退，此时正则表达式中t与字符串中”e“比较，匹配失败

对于??，是可优先忽略的

符号的运算优先级

优先级从高到低

操做符号	描述
\	转义符
(), (?:), (?=), []	圆括号和方括号
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, \anymetacharacter	位置和顺序

金无足赤人无完人

任何东西都得以辩证角度看待，凡是都有好有坏。 虽然正则能够做为一种途径实现业务需求，可是，因为自身的特性（递归，回溯等）会致使执行效果在某些场景下匹配速度较慢，还不如直接使用字符串的搜索。

正则经常使用符号及含义

普通字符

非打印字符

字符	含义	备注
\f	换页符	等价于 \x0c 和 \cL
\cx	匹配由x指明的控制字符	\cM 匹配一个 Control-M 或回车符
\n	换行符	等价于 \x0a 和 \cJ
\r	匹配一个回车符。	等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。	等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。	等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。	等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。	等价于 \x0b 和 \cK。

---

特殊字符

字符	含义	备注
\$	匹配输入字符串的结尾位置。	若是设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 ‘\n’ 或 ‘\r’。要匹配 $ 字符自己，请使用 \$。
( )	标记一个子表达式的开始和结束位置。	子表达式能够获取供之后使用。要匹配这些字符，请使用 ( 和 )。
*	匹配前面的子表达式零次或屡次。	要匹配 * 字符，请使用 *。
+	匹配前面的子表达式一次或屡次。	要匹配 + 字符，请使用 +。
.	匹配除换行符 \n以外的任何单字符。	要匹配 .，请使用 \。
[	标记一个中括号表达式的开始。	要匹配 [，请使用 [。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。	要匹配 ? 字符，请使用 \?。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。	例如， ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\’ 匹配 “\”，而 ‘(’ 则匹配 “(”。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。	要匹配 ^ 字符自己，请使用 \^。
{	标记限定符表达式的开始。	要匹配 {，请使用 \{。
		指明两项之间的一个选择。

---

定位符号

用来描述字符串或单词的边界

• ^ > 字符串以何元素开始
• $ > 字符串以什么结束
• \b > 描述单词以何为边界
• \B > 描述单词非边界状况

限定符号

字符	含义	备注
*	匹配前面的子表达式零次或屡次。	* 等价于{0,}。
+	匹配前面的子表达式一次或屡次。	+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。	? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配肯定的 n 次。	例如，’o{2}’ 不能匹配 “to” 中的 ‘o’，可是能匹配 “tooth” 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。	例如，’o{2,}’ 不能匹配 “to” 中的 ‘o’，但能匹配 “foooood” 中的全部 o。’o{1,}’ 等价于 ‘o+’。’o{0,}’ 则等价于 ‘o*’。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。	例如，”o{1,3}” 将匹配 “fooooood” 中的前三个 o。’o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。

字符簇

字符	含义	备注
\d	匹配一个数字字符。	等价于 [0-9]。
\D	匹配一个非数字字符。	等价于 [^0-9]。
\w	匹配包括下划线的任何单词字符。	等价于’[A-Za-z0-9_]’。
\W	匹配任何非单词字符。	等价于 ‘[^A-Za-z0-9_]’。
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。	例如，’(.)\1′ 匹配两个连续的相同字符。

---

做者简介：

就任于甜橙金融信息技术部，负责前端开发工做，前后任职携程，平安等公司的前端开发工程师职位，喜欢研究新的技术，服务于业务需求，熟练运用Linux/Unix系统命令，以终端为载体，快速执行操做。