正则表达式字符匹配攻略

正则表达式字符匹配攻略

正则表达式是匹配模式，要么匹配字符，要么匹配位置。

1.1 两种模糊匹配

精确匹配：比如 /hello/，只能匹配字符串中的 "hello" 这个子串

let regex = /hello/;` 

console.log( regex.test("hello") );

正则表达式之所以强大，是因为其能实现模糊匹配。

而模糊匹配，有两个方向上的“模糊”：横向模糊 和 纵向模糊

那先简单了解一下两种模糊匹配的概念，在进行拓展吧。

1.1.1 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，可以是多种情况的。

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。

比如正则 /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"。

测试如下：

let regex = /ab{2,5}c/g;
let string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log( string.match(regex) );
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

案例中用的正则是 /ab{2,5}c/g，其中 g 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满足匹配模式的所有子串，强调的是“所有”，而不只是“第一个” 。g 是单词 global 的首字母。

1.1.2 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，它可以不是某个确定的字符，可以有多种可能。

其实现的方式是使用字符组。譬如 [abc]，表示该字符是可以字符 "a"、"b"、"c" 中的任何一个。 比如 /a[123]b/ 可以匹配如下三种字符串： "a1b"、"a2b"、"a3b"。

测试如下：

let regex = /a[123]b/g;
let string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) );
// => ["a1b", "a2b", "a3b"]

掌握了横向和纵向模糊匹配，就能解决很大部分正则匹配问题。

1.2 字符组

名称为字符组（字符类），但只是其中一个字符。

例如 [abc]，表示匹配"a"、"b"、"c" 中的一个字符。

1.2.1 范围表示法

如果字符组里的字符特别多，比如 [123456abcdefGHIJKLM]，那不是很麻烦吗？

可以使用范围表示法，用连字符 - 来省略和简写，上面的例子表示为[1-6a-fG-M]

用连字符可以进行范围表示，那么但需要对连字符进行搜索是该怎么办呢？

比如要匹配 "a"、"-"、"z" 这三者中任意一个字符，有三种方式：1. 放在开头：[-az] 2. 放在结尾：[az-] 3. 进行转义：[a-z]

1.2.2 排除字符组

纵向模糊匹配，还有一种情形就是，某位字符可以是任何东西，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"之外的任意一个字 符。字符组的第一位放 ^（脱字符），表示求反的概念。

1.2.3 常见的简写形式

有了字符组后，我们要了解一些简写使用的符号，它们系统自带的简写形式

字符组	具体含义
d	表示 [0-9]。表示是一位数字。 记忆方式：其英文是 digit（数字）。
D	表示 [^0-9]。表示除数字外的任意字符。
w	表示 [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	表示 [^0-9a-zA-Z_]。非单词字符。
s	表示 [ v 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 的首字母，空白符的单词是 white space。
S	表示 [^ v f]。 非空白符。
.	表示 [^ u2028u2029]。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：想想省略号 … 中的每个点，都可以理解成占位符，表示任何类似的东西。

如果要匹配任意字符怎么办？可以使用 [dD]、[wW]、[sS] 和 [^] 中任何的一个。

1.3 量词

量词也称重复。掌握 {m,n} 的准确含义后，只需要记住一些简写形式。

1.3.1 简写形式

量词	具体含义
{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，然后才考虑追加。
*	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。

1.3.2 贪婪匹配与惰性匹配

先看一个例子

let regex = /d{2,5}/g;
let string = "123 1234 12345 123456";
console.log( string.match(regex) );
// => ["123", "1234", "12345", "12345"]

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。

但是其是贪婪的，它会尽可能多的匹配。你能给我 6 个，我就要 5 个。你能给我 3 个，我就要 3 个。 反正只要在能力范围内，越多越好。

我们知道有时贪婪不是一件好事。而惰性匹配，就是尽可能少的匹配.

let regex = /d{2,5}?/g;
let string = "123 1234 12345 123456";
console.log( string.match(regex) );
// => ["12", "12", "34", "12", "34", "12", "34", "56"]

其中 /d{2,5}?/ 表示，虽然 2 到 5 次都行，当 2 个就够的时候，就不再往下尝试了。

通过在量词后面加个问号就能实现惰性匹配，因此所有惰性匹配情形如下：

惰性量词	贪婪量词
{m,n}?	{m,n}
{m,}?	{m,}
??	?
+?	+
*?	*

1.4. 多选分支

一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一。

具体形式如下：(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。 例如要匹配字符串 "good" 和 "nice" 可以使用 /good|nice/。

测试如下：

let regex = /good|nice/g;
let string = "good idea, nice try.";
console.log( string.match(regex) );
// => ["good", "nice"]

但有个事实我们应该注意，比如我用 /good|goodbye/，去匹配 "goodbye" 字符串时，结果是 "good"：

let regex = /good|goodbye/g;
let string = "goodbye";
console.log( string.match(regex) );
// => ["good"]

而把正则改成 /goodbye|good/，结果是：

let regex = /goodbye|good/g;
let string = "goodbye";
console.log( string.match(regex) );
// => ["goodbye"]

也就是说，分支结构也是惰性的，即当前面的匹配上了，后面的就不再尝试了。

1.5 案例分析

仅做例子，每个正则并不是只有唯一写法

1.5.1 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，可以用字符组 [0-9a-fA-F]。

其中字符可以出现 3 或 6 次，需要是用量词和分支结构。

使用分支结构时，需要注意顺序。

正则如下：

let regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;
let string = "#ffbbad #Fc01DF #FFF #ffE";
console.log( string.match(regex) );
// => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]

1.5.2 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，第一位数字可以为 [0-2]。

当第 1 位为 "2" 时，第 2 位可以为 [0-3]，其他情况时，第 2 位为 [0-9]。

第 3 位数字为 [0-5]，第4位为 [0-9]。

正则如下：

let 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

正则中使用了 ^ 和 $，分别表示字符串开头和结尾。属于正则表达式中的位置匹配

如果也要求匹配 "7:9"，也就是说时分前面的 "0" 可以省略。

此时正则变成：

let 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

1.5.3 匹配日期

比如 yyyy-mm-dd 格式为例。

要求匹配：

2017-06-10 

分析：

年，四位数字即可，可用 [0-9]{4}。

月，共 12 个月，分两种情况 "01"、"02"、…、"09" 和 "10"、"11"、"12"，可用 (0[1-9]|1[0-2])。

日，最大 31 天，可用 (0[1-9]|[12][0-9]|3[01])。

正则如下：

let 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

1.5.4 window 操作系统文件路径

要求匹配：

F:studyjavascript
egex
egular expression.pdf F:studyjavascript
egex 
F:studyjavascript 
F: 

分析：

整体模式是:

盘符:文件夹文件夹文件夹 

其中匹配 "F:"，需要使用 [a-zA-Z]:\，其中盘符不区分大小写，注意 字符需要转义。

文件名或者文件夹名，不能包含一些特殊字符，此时我们需要排除字符组 [^\:*<>|"? /] 来表示合法 字符。

另外它们的名字不能为空名，至少有一个字符，也就是要使用量词 +。因此匹配 文件夹，可用 [^\:*<>|"? /]+\。

另外 文件夹，可以出现任意次。也就是 ([^\:*<>|"? /]+\)*。其中括号表示其内部正则是一个整体。

路径的最后一部分可以是 文件夹，没有 ，因此需要添加 ([^\:*<>|"? /]+)?。

最后拼接成了一个看起来比较复杂的正则：

let regex = /^[a-zA-Z]:\([^\:*<>|"?
/]+\)*([^\:*<>|"?
/]+)?$/;
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

其中，在JavaScript 中字符串要表示字符 时，也需要转义。

1.5.5 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：

let regex = /id=".*"/
let string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container" class="main"

因为 . 是通配符，本身就匹配双引号的，而量词 * 又是贪婪的，当遇到 container 后面双引号时，是不会 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，可以使用惰性匹配：

let regex = /id=".*?"/
let string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"

1.6 总结

掌握字符组和量词就能解决大部分常见的情形，也就是说，当你会了这二者，JavaScript 正则算是入门了。