JS必须掌握匹配规则

举报
龙哥手记 发表于 2022/03/12 10:07:12 2022/03/12
【摘要】 系列

一、匹配规则

搭配菜鸟教程一起学习更容易理解:https://www.runoob.com/regexp/regexp-tutorial.html

正则表达式在线测试与常用正则表达式:http://c.runoob.com/front-end/854

正则表达式的规则很复杂,下面一一介绍这些规则。

5.1 字面量字符和元字符

大部分字符在正则表达式中,就是字面的含义,比如/a/匹配a/b/匹配b。如果在正则表达式之中,某个字符只表示它字面的含义(就像前面的ab),那么它们就叫做“字面量字符”(literal characters)。

		/dog/.test('old dog') // true

上面代码中正则表达式的dog,就是字面量字符,所以/dog/匹配old dog,因为它就表示dog三个字母连在一起。

除了字面量字符以外,还有一部分字符有特殊含义,不代表字面的意思。它们叫做“元字符”(metacharacters),主要有以下几个。

(1)点字符(.) 类似通配

点字符(.匹配除回车(\r)、换行(\n) 、行分隔符(\u2028)和段分隔符(\u2029)以外的任何单个字符。注意,对于码点大于0xFFFF字符,点字符不能正确匹配,会认为这是两个字符。

	/c.t/        //匹配c和t之间包含任意一个字符的情况,注意:一个.只匹配一个字符

		'cet c2t c-t c.t coot c我t'.match(/c.t/g)
		// ["cet", "c2t", "c-t", "c.t", "c我t"]

		'cet c2t c-t c.t coot c我t'.match(/c..t/g)
		//["coot"]
		

上面代码中,c.t匹配ct之间包含任意一个字符的情况,只要这三个字符在同一行,比如catc2tc-t等等,但是不匹配coot

(2)位置字符(^) ($) 开始位置和结束位置

位置字符用来提示字符所处的位置,主要有两个字符。

  • ^ 表示字符串的开始位置
  • $ 表示字符串的结束位置
	// test必须出现在开始位置
		/^test/.test('test123') // true

	// test必须出现在结束位置
		/test$/.test('new test') // true

	// 从开始位置到结束位置只有test
		/^test$/.test('test') // true
		/^test$/.test('test test') // false
		

(3)选择符(|) 表示’‘或关系’’

竖线符号(|)在正则表达式中表示“或关系”(OR),即cat|dog表示匹配catdog

/11|22/.test('911') // true

上面代码中,正则表达式指定必须匹配1122

多个选择符可以联合使用。

	// 匹配fred、barney、betty之中的一个
	/fred|barney|betty/
	

选择符会包括它前后的多个字符,比如/ab|cd/指的是匹配ab或者cd,而不是指匹配b或者c。如果想修改这个行为,可以使用圆括号。

	/a( |\t)b/.test('a\tb') // true
	

上面代码指的是,ab之间有一个空格或者一个制表符。

其他的元字符还包括\\*+?()[]{}等,将在下文解释。

5.2 转义符(\ 反斜杠)

正则表达式中那些有特殊含义的元字符,如果要匹配它们本身,就需要在它们前面要加上反斜杠。比如要匹配+,就要写成\+

	/1+1/.test('1+1')
	// false

		/1\+1/.test('1+1')
		// true
		

上面代码中,第一个正则表达式之所以不匹配,因为加号是元字符,不代表自身。第二个正则表达式使用反斜杠对加号转义,就能匹配成功。

正则表达式中,需要反斜杠转义的,一共有12个字符^.[$()|*+?{\。需要特别注意的是,如果使用RegExp方法生成正则对象,转义需要使用两个斜杠,因为字符串内部会先转义一次。

	(new RegExp('1\+1')).test('1+1')
	// false

	(new RegExp('1\\+1')).test('1+1')
	// true
	

上面代码中,RegExp作为构造函数,参数是一个字符串。但是,在字符串内部,反斜杠也是转义字符,所以它会先被反斜杠转义一次,然后再被正则表达式转义一次,因此需要两个反斜杠转义。

5.3 特殊字符

正则表达式对一些不能打印的特殊字符,提供了表达方法。

  • \cX 表示Ctrl-[X],其中的X是A-Z之中任一个英文字母,用来匹配控制字符。

  • [\b] 匹配退格键(U+0008),不要与\b混淆。

  • \n 匹配换行键。

  • \r 匹配回车键。

  • \t 匹配制表符 tab(U+0009)。

  • \v 匹配垂直制表符(U+000B)。

  • \f 匹配换页符(U+000C)。

  • \0 匹配null字符(U+0000)。

  • \xhh 匹配一个以两位十六进制数(\x00-\xFF)表示的字符。

  • \uhhhh 匹配一个以四位十六进制数(\u0000-\uFFFF)表示的 Unicode 字符。

5.4 字符类

字符类(class)表示有一系列字符可供选择,只要匹配其中一个就可以了。所有可供选择的字符都放在方括号内,比如[xyz] 表示xyz之中任选一个匹配。

		/[abc]/.test('hello world') // false
		/[abc]/.test('apple') // true  a、b、c其中任意一个
		

上面代码中,字符串hello world不包含abc这三个字母中的任一个,所以返回false;字符串apple包含字母a,所以返回true

有两个字符在字符类中有特殊含义。

(1)脱字符(^ 排除)

如果方括号内的第一个字符是[^],则表示除了字符类之中的字符,其他字符都可以匹配。比如,[^xyz]表示除了xyz之外都可以匹配。

		/[^abc]/.test('bbc news') // true  字符串中包含了a、b、c以为的字符
		/[^abc]/.test('bbc') // false  字符串中没有除了a、b、c以外的字符
		

上面代码中,字符串bbc news包含abc以外的其他字符,所以返回true;字符串bbc不包含abc以外的其他字符,所以返回false

如果方括号内没有其他字符,即只有[^],就表示匹配一切字符,其中包括换行符。相比之下,点号作为元字符(.)是不包括换行符的。

		var s = 'Please yes\nmake my day!';

		s.match(/yes.*day/) // null
		s.match(/yes[^]*day/) // [ 'yes\nmake my day']
		

上面代码中,字符串s含有一个换行符,点号不包括换行符,所以第一个正则表达式匹配失败;第二个正则表达式[^]包含一切字符,所以匹配成功。

注意,脱字符只有在字符类的第一个位置才有特殊含义,否则就是字面含义。

(2)连字符(- 字符连续范围)

某些情况下,对于连续序列的字符,连字符(-)用来提供简写形式,表示字符的连续范围。比如,[abc]可以写成[a-c][0123456789]可以写成[0-9],同理[A-Z]表示26个大写字母。

		/a-z/.test('b') // false
		/[a-z]/.test('b') // true
		

上面代码中,当连字号(dash)不出现在方括号之中,就不具备简写的作用,只代表字面的含义,所以不匹配字符b。只有当连字号用在方括号之中,才表示连续的字符序列。

以下都是合法的字符类简写形式。

		[0-9.,]
		[0-9a-fA-F]
		[a-zA-Z0-9-]
		[1-31] // 注意:不代表1到31,只代表1到3
		

上面代码中最后一个字符类[1-31],不代表131,只代表13

连字符还可以用来指定 Unicode 字符的范围。

		var str = "\u0130\u0131\u0132";
		/[\u0128-\uFFFF]/.test(str)
		// true
		

上面代码中,\u0128-\uFFFF表示匹配码点在0128FFFF之间的所有字符。

另外,不要过分使用连字符,设定一个很大的范围,否则很可能选中意料之外的字符。最典型的例子就是[A-z],表面上它是选中从大写的A到小写的z之间52个字母,但是由于在 ASCII 编码之中,大写字母与小写字母之间还有其他字符,结果就会出现意料之外的结果。

		/[A-z]/.test('\\') // true
		

上面代码中,由于反斜杠(’\’)的ASCII码在大写字母与小写字母之间,结果会被选中。

5.5 预定义模式 (常见模式简写\d\D\w\W\s\S\b\B)

预定义模式指的是某些常见模式的简写方式

  • \d 匹配0-9之间的任一数字,相当于[0-9](数字)
  • \D 匹配所有0-9以外的字符,相当于[^0-9](非数字)
  • \w 匹配任意的字母、数字和下划线,相当于[A-Za-z0-9_](字母、数字、下划线)
  • \W 除所有字母、数字和下划线以外的字符,相当于[^A-Za-z0-9_](非:字母、数字、下划线)
  • \s 匹配空格(包括换行符、制表符、空格符等),相等于[ \t\r\n\v\f](空格)
  • \S 匹配非空格的字符,相当于[^ \t\r\n\v\f](非空格)
  • \b 匹配词的边界。(单词边界)
  • \B 匹配非词边界,即在词的内部。(非单词边界)

下面是一些例子。

		// \s 的例子
		/\s\w*/.exec('hello world') // [" world"]

		// \b 的例子
		/\bworld/.test('hello world') // true
		/\bworld/.test('hello-world') // true
		/\bworld/.test('helloworld') // false

		// \B 的例子
		/\Bworld/.test('hello-world') // false
		/\Bworld/.test('helloworld') // true
		

上面代码中,\s表示空格,所以匹配结果会包括空格。\b表示词的边界,所以world的词首必须独立(词尾是否独立未指定),才会匹配。同理,\B表示非词的边界,只有world的词首不独立,才会匹配。

通常,正则表达式遇到换行符(\n)就会停止匹配。

var html = "<b>Hello</b>\n<i>world!</i>";

	/.*/.exec(html)[0]
	// "<b>Hello</b>"

上面代码中,字符串html包含一个换行符,结果点字符(.)不匹配换行符,导致匹配结果可能不符合原意。这时使用\s字符类,就能包括换行符。

		var html = "<b>Hello</b>\n<i>world!</i>";

		/[\S\s]*/.exec(html)[0]
		// "<b>Hello</b>\n<i>world!</i>"
		

上面代码中,[\S\s]指代一切字符。

5.6 重复类 ( {n} {n,} {n,m} )

模式的精确匹配次数,使用大括号({})表示。{n}表示恰好重复n次,{n,}表示至少重复n次,{n,m}表示重复不少于n次,不多于m次。

		/lo{2}k/.test('look') // true  2个o
		/lo{2,5}k/.test('looook') // true   2到5个o

上面代码中,第一个模式指定o连续出现2次,第二个模式指定o连续出现2次到5次之间。

5.7 量词符(?)(*)(+)

量词符用来设定某个模式出现的次数

  • ? 问号表示某个模式出现0次或1次,等同于{0, 1}
  • * 星号表示某个模式出现0次或多次,等同于{0,}
  • + 加号表示某个模式出现1次或多次,等同于{1,}
		// t 出现0次或1次
		/t?est/.test('test') // true
		/t?est/.test('est') // true

		// t 出现1次或多次
		/t+est/.test('test') // true
		/t+est/.test('ttest') // true
		/t+est/.test('est') // false

		// t 出现0次或多次
		/t*est/.test('test') // true
		/t*est/.test('ttest') // true
		/t*est/.test('tttest') // true
		/t*est/.test('est') // true
		

5.8 贪婪模式(对量词符可使用非贪婪模式)

上一小节的三个量词符,默认情况下都是最大可能匹配,即匹配直到下一个字符不满足匹配规则为止。这被称为贪婪模式。

		var s = 'aaa';
		s.match(/a+/) // ["aaa"]
		

上面代码中,模式是/a+/,表示匹配1个a或多个a,那么到底会匹配几个a呢?因为默认是贪婪模式,会一直匹配到字符a不出现为止,所以匹配结果是3个a

如果想将贪婪模式改为非贪婪模式,可以在量词符后面加一个问号。

		var s = 'aaa';
		s.match(/a+?/) // ["a"]
		

上面代码中,模式结尾添加了一个问号/a+?/,这时就改为非贪婪模式,一旦条件满足,就不再往下匹配

除了非贪婪模式的加号,还有非贪婪模式的星号(*)和非贪婪模式的问号(?)。

  • +?:表示某个模式出现1次或多次,匹配时采用非贪婪模式。
  • *?:表示某个模式出现0次或多次,匹配时采用非贪婪模式。
  • ??:表格某个模式出现0次或1次,匹配时采用非贪婪模式。
		'abb'.match(/ab*b/) // ["abb"]
		'abb'.match(/ab*?b/) // ["ab"]

		'abb'.match(/ab?b/) // ["abb"]
		'abb'.match(/ab??b/) // ["ab"]
		

5.9 修饰符

修饰符(modifier)表示模式的附加规则,放在正则模式的最尾部。

修饰符可以单个使用,也可以多个一起使用。

		// 单个修饰符
		var regex = /test/i;

		// 多个修饰符
		var regex = /test/ig;

(1)g 修饰符 (全局匹配)

默认情况下,第一次匹配成功后,正则对象就停止向下匹配了。g修饰符表示全局匹配(global),加上它以后,正则对象将匹配全部符合条件的结果,主要用于搜索和替换。

		var regex = /b/;
		var str = 'abba';

		regex.test(str); // true
		regex.test(str); // true
		regex.test(str); // true

上面代码中,正则模式不含g修饰符,每次都是从字符串头部开始匹配。所以,连续做了三次匹配,都返回true

		var regex = /b/g;
		var str = 'abba';

		regex.test(str); // true
		regex.test(str); // true
		regex.test(str); // false

上面代码中,正则模式含有g修饰符,每次都是从上一次匹配成功处,开始向后匹配。因为字符串abba只有两个b,所以前两次匹配结果为true,第三次匹配结果为false

(2)i 修饰符 (不区分大小写)

默认情况下,正则对象区分字母的大小写,加上i修饰符以后表示忽略大小写(ignoreCase)。

		/abc/.test('ABC') // false
		/abc/i.test('ABC') // true
		

上面代码表示,加了i修饰符以后,不考虑大小写,所以模式abc匹配字符串ABC

(3)m 修饰符(让^和$识别换行符)

m修饰符表示多行模式(multiline),会修改^$的行为。默认情况下(即不加m修饰符时),^$匹配字符串的开始处和结尾处,加上m修饰符以后,^$还会匹配行首和行尾,即^$会识别换行符(\n)。

	/world$/.test('hello world\n') // false

	/world$/m.test('hello world\n') // true

上面的代码中,字符串结尾处有一个换行符。如果不加m修饰符,匹配不成功,因为字符串的结尾不是world;加上以后,$可以匹配行尾。

		/^b/m.test('a\nb') // true

上面代码要求匹配行首的b,如果不加m修饰符,就相当于b只能处在字符串的开始处。加上m修饰符以后,换行符\n也会被认为是一行的开始。

5.10 组匹配

(1)概述 (圆括号分组)

正则表达式的括号表示分组匹配,括号中的模式可以用来匹配分组的内容。

		/fred+/.test('fredd') // true +加号表示重复字母d
		/(fred)+/.test('fredfred') // true  +加号表示重复单词fred
		

上面代码中,第一个模式没有括号,结果+只表示重复字母d,第二个模式有括号,结果+就表示匹配fred这个词。

下面是另外一个分组捕获的例子。

		var m = 'abcabc'.match(/(.)b(.)/);
	
		// ['abc', 'a', 'c']

上面代码中,正则表达式/(.)b(.)/一共使用两个括号,第一个括号捕获a,第二个括号捕获c

注意,使用组匹配时,不宜同时使用g修饰符,否则match方法不会捕获分组的内容。

		var m = 'abcabc'.match(/(.)b(.)/g);
		m // ['abc', 'abc']
		

上面代码使用带g修饰符的正则表达式,结果match方法只捕获了匹配整个表达式的部分。这时必须使用正则表达式的exec方法,配合循环,才能读到每一轮匹配的组捕获。

	
		var str = 'abcabc';
		var reg = /(.)b(.)/g;
	
		while (true) {
 			 var result = reg.exec(str);
  			if (!result) break;
  			console.log(result);
}
	
			// ["abc", "a", "c"]
			// ["abc", "a", "c"]
			

正则表达式内部,还可以用\n引用括号匹配的内容,n是从1开始的自然数,表示对应顺序的括号。

		/(.)b(.)\1b\2/.test("abcabc")
		// true
		

上面的代码中,\1表示第一个括号匹配的内容(即a),\2表示第二个括号匹配的内容(即c)。

下面是另外一个例子。

		/y(..)(.)\2\1/.test('yabccab') // true
		

括号还可以嵌套。

		/y((..)\2)\1/.test('yabababab') // true
		

上面代码中,\1指向外层括号,\2指向内层括号。

组匹配非常有用,下面是一个匹配网页标签的例子。

		var tagName = /<([^>]+)>[^<]*<\/\1>/;

		tagName.exec("<b>bold</b>")[1]
		// 'b'
		

上面代码中,圆括号匹配尖括号之中的标签,而\1就表示对应的闭合标签。

上面代码略加修改,就能捕获带有属性的标签。

		var html = '<b class="hello">Hello</b><i>world</i>';
		var tag = /<(\w+)([^>]*)>(.*?)<\/\1>/g;

		var match = tag.exec(html);

		match[1] // "b"
		match[2] // " class="hello""
		match[3] // "Hello"

		match = tag.exec(html);

		match[1] // "i"
		match[2] // ""
		match[3] // "world"
		

(2)非捕获组

(?:x)称为非捕获组(Non-capturing group),表示不返回该组匹配的内容,即匹配的结果中不计入这个括号

非捕获组的作用请考虑这样一个场景,假定需要匹配foo或者foofoo,正则表达式就应该写成/(foo){1, 2}/,但是这样会占用一个组匹配。这时,就可以使用非捕获组,将正则表达式改为/(?:foo){1, 2}/,它的作用与前一个正则是一样的,但是不会单独输出括号内部的内容。

请看下面的例子。

	var m = 'abc'.match(/(?:.)b(.)/);
	m // ["abc", "c"]

上面代码中的模式,一共使用了两个括号。其中第一个括号是非捕获组,所以最后返回的结果中没有第一个括号,只有第二个括号匹配的内容。

下面是用来分解网址的正则表达式。

		// 正常匹配
		var url = /(http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;

		url.exec('http://google.com/');
		// ["http://google.com/", "http", "google.com", "/"]

		// 非捕获组匹配
		var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;

		url.exec('http://google.com/');
		// ["http://google.com/", "google.com", "/"]
		

上面的代码中,前一个正则表达式是正常匹配,第一个括号返回网络协议;后一个正则表达式是非捕获匹配,返回结果中不包括网络协议。

(3)先行断言

x(?=y)称为先行断言(Positive look-ahead)x只有在y前面才匹配,y不会被计入返回结果。比如,要匹配后面跟着百分号的数字,可以写成/\d+(?=%)/

“先行断言”中,括号里的部分是不会返回的。

		var m = 'abc'.match(/b(?=c)/);
		m // ["b"]
		

上面的代码使用了先行断言,bc前面所以被匹配,但是括号对应的c不会被返回。

(4)先行否定断言

x(?!y)称为先行否定断言(Negative look-ahead),x只有不在y前面才匹配,y不会被计入返回结果。比如,要匹配后面跟的不是百分号的数字,就要写成/\d+(?!%)/

		/\d+(?!\.)/.exec('3.14')
		// ["14"]
		

上面代码中,正则表达式指定,只有不在小数点前面的数字才会被匹配,因此返回的结果就是14

“先行否定断言”中,括号里的部分是不会返回的。

		var m = 'abd'.match(/b(?!c)/);
		m // ['b']
		

上面的代码使用了先行否定断言,b不在c前面所以被匹配,而且括号对应的d不会被返回。

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200