javascript - 正则表达式入门先了解这些

前言

此内容由学习《javascript正则表达式迷你书（1.1版）》整理而来（于2020年3月30日看完）。此外还参考了mdn上关于regex和string的相关内容，还有ecmascript 6中关于正则的扩展内容，但不多。在文章末尾，会放上所有的链接。

迷你书共七章，我都做了相应的标号。不过我将【7】7种方法放在了前面，讨论了具体情境下怎么正确使用函数的问题（其实是我自己一直被这个问题困扰，书上的例子为什么用这个方法，为什么这个方法这里返回这样，那里却不是这样，把我搞崩溃了），也建议大家先搞懂这个吧。

本文重点

• 正则的 2 种创建

• 正则的 6 个修饰符（i、g、m、u、y、s）

• 【7】.用到正则的 7 种方法（regexp（exec、test）,string（search、match、matchall、replace、split））

• 正则表达式中的6种结构（字符字面量、字符组、量词、锚、分组、分支）

  • 【1】.字符匹配：字面量、字符组、量词。重点还有贪婪匹配与惰性匹配

  • 【2】.位置匹配：^ 、$ 、 \b 、\b 、(?=abc) 、 (?!abc) 的使用

  • 【3】.括号的作用：分组和分支结构。知识点有：分组引用（$1的使用）、反向引用（\1的使用）、括号嵌套、括号结合量词

• 【4】.回溯原理 （本文大多介绍的是实践中用的基础知识，后期对此可能会单独写篇，先占个坑）

• 【5】.正则的拆分：重点是操作符的优先级

• 【6】.正则表达式的构建（本章写了些提高正则准确性和效率的内容，也先占个坑）

• 简单实用的正则测试器

2种创建

语法：/pattern/flags

var regexp = /\w+/g;

var regexp = new regexp('\\w+','g');

6个修饰符

重点介绍全局与非全局：

全局就是说在字符串中查找所有与正则式匹配的内容，因此会有>=1个结果。
而为了得到这个所谓的所有匹配内容的过程，后面介绍的函数还有一次执行和多次执行之别。
如果正则表达式中存在分组，该模式下各个函数返回的结果也不一样。

非全局就简单了，它表示匹配到了一个就不会再继续往后匹配了，因此都是一次就得结果。

7种方法

以下图在我学习的过程中，修改了很多遍，才得出了这个最简洁明了的版本。

【补充1】全局模式对 exex 和 test 的影响

正则实例有个 lastindex 属性，表示尝试匹配时，从字符串的 lastindex 位开始去匹配。

全局匹配下，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。（详见下面示例）

如果是非全局匹配，自然都是从字符串第 0 个字符处开始尝试匹配：

exec()在全局状态下，需要一次次执行直到末尾才能得到所有匹配项，这里只是手动模拟下。当然最好是用循环实现，while ((match = regexp.exec(str)) !== null) {//输出}

var regexp = /a/g;
console.log( regexp.exec("a"), regexp.lastindex );// [ 'a', index: 0, input: 'a', groups: undefined ] 1
console.log( regexp.exec("aba"), regexp.lastindex );// [ 'a', index: 2, input: 'aba', groups: undefined ] 3
console.log( regexp.exec("ababc"), regexp.lastindex );// null 0

注意：该部分将的所有正则表达式不知道的都先不要急，慢慢来。

【补充2】全局下match、exec、matchall示例

match()和exec()示例：

//全局模式下，匹配所有能匹配到的
var regexp1 = /t(e)(st(\d?))/g;
var str1 = 'test1test2';
console.log(str1.match(regexp1)); //match返回所有匹配项组成的数组[ 'test1', 'test2' ]
console.log(regexp1.exec(str1))// exec第一次执行返回第一个匹配项和它的分组['test1', 'e','st1','1',index:0,input:'test1test2',groups:undefined]
console.log(regexp1.exec(str1))//exec第二次执行返回第二个匹配项和它的分组['test2', 'e','st2','2',index:5,input:'test1test2',groups:undefined]
console.log(regexp1.exec(str1))//exec第二次执行已经到末尾了，因此第三次结果为null

//非全局模式下，只匹配到第一项就停止
var regexp2 = /t(e)(st(\d?))/;
var str2 = 'test1test2';
console.log(str2.match(regexp2)); //match['test1', 'e','st1','1',index:0,input:'test1test2',groups:undefined]
console.log(regexp2.exec(str2))  //exec['test1', 'e','st1','1',index:0,input:'test1test2',groups:undefined]

matchall()示例：

matchall()是es6的用法，记住它返回的就是一个迭代器。可以用for...of循环取出，也可以用...迭代器运算符或者array.from(迭代器)将它转为数组。

var array1 = [...str1.matchall(regexp1)];
console.log(array1)
//['test1','e','st1','1',index: 0,input: 'test1test2',groups: undefined]
//['test2','e','st2','2',index: 5,input: 'test1test2',groups: undefined]

var array2 = [...str2.matchall(regexp2)];
console.log(array2)
//['test1','e','st1','1',index: 0,input: 'test1test2',groups: undefined]

到目前为止，我们应该积攒了很多问号了。我学的过程中有以下两个问题：

1./t(e)(st(\d?))/g和/t(e)(st(\d?))/的区别我知道了，但t(e)(st(\d?))这是什么意思呢？

2.上文所谓的“与正则表达式匹配的内容”和“匹配项中分组捕获的内容”怎么理解？

那就带着问题看后面的内容吧。

7种结构 -字符匹配

字面量

字符组

需要强调的是，虽叫字符组（字符类），但只是其中一个字符。

如果字符组里的字符特别多，可用连字符 - 来省略和简写（见表格示例）。

示例：全局匹配，使用match()方法返回字符串中与表达式匹配的所有内容。[123]表示这个位置的字符可以是1、2、3中的任意一个

量词

有了一个字符，那我我们就会考虑到需要它出现几次，那么量词来了。

示例：全局匹配，使用match()方法返回字符串中与表达式匹配的所有内容。b{2,5}表示字符b出现2到5次。

贪婪匹配与惰性匹配

贪婪匹配/\d{2,5}/ 表示数字连续出现 2 到 5 次，会尽可能多的匹配。你如果有 6 个连续的数字，那我就要我的上限 5 个；你如果只有 3 个连续数字，那我就要3个。想要我只取 2 个，除非你只有两个。

惰性匹配/\d{2,5}?/ 表示虽然 2 到 5 次都行，当 2 个就够的时候，我也不贪，我就取两个。

对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？注意是 量词后面 量词后面 量词后面，重要的事说三遍。还是来个例子吧,?与??：
'testtest1test2'.match(/t(e)(st(\d?))/g) 的结果就是 [ 'test', 'test1', 'test2' ]
'testtest1test2'.match(/t(e)(st(\d??))/g) 的结果就是 [ 'test', 'test', 'test' ]

7种结构 -位置匹配

位置理解

位置特性

1.对于位置的理解，我们可以理解成空字符 ""。

因此，把 /^hello$/ 写成 /^^hello$$$/，是没有任何问题的。甚至 /(?=he)^^he(?=\w)llo$\b\b$/;

2.整体匹配时，自然就需要使用 ^ 和 $

7种结构 - 括号的作用

分组和分支结构

到目前为止，我们对于 match(/t(e)(st(\d?))/g)应该完全理解了（包括 match()的使用，全局修饰符g，表示字符组的\d和表示量词的?，且也知道了这是贪婪匹配）。那么，里面的括号又表示什么意思呢？这就涉及到分组捕获了。

以日期为例，假设要匹配的格式是 yyyy-mm-dd 的：

对比这两个可视化图片，我们发现，与前者相比，后者多了分组编号，如 group #1，这样正则就能在匹配表达式的同时，还能得到我们想要从匹配项中捕获的分组内容。即用 () 括起来的内容。到此为止，t(e)(st(\d?))涉及到的分组捕获知识点也就结束了。

再介绍下分支结构，由于操作符 | 的优先级最低，因此需要将其放于括号中：

分支结构形如(regex1|regex2)，字面意思，即这里可以匹配 regex1或者 regex2之一，捕获分组的时候也是二者之一 ，例子：

引用分组

使用相应 api 来引用分组。

提取数据

替换replace

当第二个参数是字符串时，如下的字符有特殊的含义。其中，第二个是 $&：

反向引用分组

除了使用相应 api 来引用分组，也可以在正则本身里引用分组。但只能引用之前出现的分组，即反向引用。

以前面的日期为例，假设我们想要求分割符前后一致怎么办？即杜绝 2016-06/12这样中间分割符不一致的情况，此时需要使用反向引用：

注意里面的 \1，表示的引用之前的那个分组 (-|\/|\.)。不管它匹配到什么（比如 -），\1 都匹配那个同样的具体某个字符。
我们知道了 \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。需要注意：

1. \10表示第十个分组，如果真要匹配 \1 和 0 的话，使用 (?:\1)0 或者 \1(?:0)。

2. 反向引用引用不存在的分组时候，匹配
   反向引用的字符本身。例如 \2，就匹配 "\2"。

分组括号嵌套

针对 "1231231233".match(/^((\d)(\d(\d)))\1\2\3\4$/) 的可视化形式如下，一目了然：

分组括号结合量词

分组后面有量词的话，分组最终捕获到的数据是最后一次的匹配。分组引用与反向引用都是这样例子：

非捕获括号

如果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。

可以使用非捕获括号 (?:p) 和 (?:p1|p2|p3)，如下代码，执行matchall()，虽然有括号，但不会得到捕获的分组内容。

正则的拆分

不仅要求自己能解决问题，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。如何能正确地把一大串正则拆分成一块一块的，成为了破解“天书”的关键。

这里，我们来分析一个正则 /ab?(c|de*)+|fg/：

思考下： /^abc|bcd$/ 和 /^(abc|bcd)$/。
/^[abc]{3}+$/ 和 /^([abc]{3})+$/

操作符优先级

操作符转义

所有操作符都需要转义

^、$、.、*、+、?、|、\、/、(、)、[、]、{、}、=、!、:、- ,

到这里，对正则表达式也算是入了个小门了，即对正则的一些基本操作也有了了解，也能看懂别人的正则表达式，就算是copy也能灵活的改动了。

简单实用的正则测试器

效果图：

源代码：git

相关链接

老姚 《javascript 正则表达式迷你书》下载
阮一峰《ecmascript 6 入门 - 正则的扩展》
mdn regexp.prototype.exec()
mdn regexp.prototype.test()
mdn string.prototype.search()
mdn string.prototype.match()
mdn string.prototype.matchall()
mdn string.prototype.replace()
mdn string.prototype.split()