正则表达式（五）- 拆分

内容包括：

结构和操作符
注意要点
案例分析

1、结构和操作符

操作符优先级问题
在正则表达式中，操作符都体现在结构中，即由特殊字符和普通字符所代表的一个个特殊整体。
正则表达式结构：字符字面量、字符组、量词、锚、分组、选择分支、方向引用。

具体含义如下：

结构	说明
字面量	匹配一个具体字符，包括不用转义的和需要转义的。比如a匹配字符"a"， 又比如 匹配换行符，又比如.匹配小数点。
字符组	匹配一个字符，可以是多种可能之一，比如[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，表示可以是除了特定字符之外任何一个字符，比如[^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，比如a{1,3}表示"a"字符连续出现1～3次。 另外还有常见的简写形式，比如a+表示"a"字符连续出现至少一次。
锚	匹配一个位置，而不是字符。比如^匹配字符串的开头，又比如匹配单词边界， 又比如(?=d)表示数字前面的位置。
分组	用括号表示一个整体，比如(ab)+， 表示"ab"两个字符连续出现多次， 也可以使用非捕获分组(?:ab)+。
分支	多个子表达式多选一，比如`abc

操作符：

操作符描述	操作符	优先级
转义符		1
括号和方括号	(...)、(?:...)、(?=...)、(?!...)、[...]	2
量词限定符	{m}、 {m,n}、 {m,}、 ?、 *、 +	3
位置和序列	^ 、$、 元字符、一般字符	4
管道符（竖杠）	|	5

上面操作符的优先级从上到下，由高到低。

2、注意要点

关于结构和操作符，还是有几点需要强调：

2.1 匹配字符串整体问题

因为是要匹配整个字符串，我们经常会在正则前后中加上锚^和$。
比如要匹配目标字符串"abc"或者"bcd"时，如果一不小心，就会写成/^abc|bcd$/。
而位置字符和字符序列优先级要比竖杠高，应该修改成：/^(abc|bcd)$/

2.2 量词连缀问题

假设，要匹配这样的字符串：

1. 每个字符为 "a、"b"、"c" 任选其一，
2. 字符串的长度是 3 的倍数。
   此时正则不能想当然地写成 /^[1]{3}+$/，这样会报错，说 + 前面没什么可重复的:
   此时要修改成：/([abc]{3})+/

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。
所有结构里，用到的元字符总结如下：^、$、.、*、+、?、|、、/、(、)、[、]、{、}、=、!、:、-

2.3.1 字符组中的元字符

跟字符组相关的元字符有 [、]、^、-。因此在会引起歧义的地方进行转义。例如开头的 ^ 必须转义，不然 会把整个字符组，看成反义字符组。

2.3.2 匹配 "[abc]" 和 "{3,5}"

我们知道 [abc]，是个字符组。如果要匹配字符串 "[abc]" 时，该怎么办?
可以写成 /[abc]/，也可以写成 /[abc]/，测试如下:

var string = "[abc]";
var regex = /[abc]/g;
console.log( string.match(regex)[0] ); // "[abc]"

只需要在第一个方括号转义即可，因为后面的方括号构不成字符组，正则不会引发歧义，自然不需要转义。

同理，要匹配字符串 "{3,5}"，只需要把正则写成/{3,5}/即可。
另外，我们知道量词有简写形式 {m,}，却没有 {,n} 的情况。虽然后者不构成量词的形式，但此时并不会报 错。当然，匹配的字符串也是 "{,n}"，测试如下:

var string = "{,3}";
var regex = /{,3}/g;
console.log( string.match(regex)[0] ); //  "{,3}"

2.3.3 其余情况

比如 =、!、:、-、, 等符号，只要不在特殊结构中，并不需要转义。
但是，括号需要前后都转义的，如 /(123)/。
至于剩下的 ^、$、.、*、+、?、|、、/ 等字符，只要不在字符组内，都需要转义的。

---

1. abc ↩︎