Skip to content

从零开始学正则(一),学习正则字符组,量词表示法与正则分支

1. 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。 请记住这句话。然而关于正则如何匹配字符的学习,大部分人都觉得这块比较杂乱。毕竟元字符太多了,看起来没有系统性,不好记。本章就解决这个问题。 内容包括:

  • 两种模糊匹配
  • 字符组
  • 量词
  • 分支结构
  • 案例分析

1.1. 两种模糊匹配

如果正则只有精确匹配是没多大意义的,比如 /hello/,也只能匹配字符串中的 "hello" 这个子串。

javascript
var regex = /hello/;
console.log(regex.test("hello"));
// => true

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。

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:

javascript
var regex = /ab{2,5}c/g;
var 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:

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

1.2. 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。 例如 [abc],表示匹配一个字符,它可以是 "a"、"b"、"c" 之一。

1.2.1. 范围表示法

如果字符组里的字符特别多的话,怎么办?可以使用范围表示法。 比如 [123456abcdefGHIJKLM],可以写成 [1-6a-fG-M]。用连字符 - 来省略和简写。 因为连字符有特殊用途,那么要匹配 "a"、"-"、"z" 这三者中任意一个字符,该怎么做呢? 不能写成 [a-z],因为其表示小写字符中的任何一个字符。 可以写成如下的方式:[-az] 或 [az-] 或 [a-z]。 即要么放在开头,要么放在结尾,要么转义。总之不会让引擎认为是范围表示法就行了。

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。 当然,也有相应的范围表示法

1.2.3. 常见的简写形式

有了字符组的概念后,一些常见的符号我们也就理解了。因为它们都是系统自带的简写形式。

字符组具体含义
\d[0-9]表示是一位数字,digit 数字。
\D[^0-9]表示除数字以外的任意字符。
\w[0-9a-zA-Z_]表示数字,大小写字母和下划线,word 简写,又称单词字符。
\W[^0-9a-zA-Z_],非单词字符。
\s[ \t\v\n\r\f]表示空白符。包含空格,水平制表符,垂直制表符,换行符,回车符,换页符。
\S[^ \t\v\n\r\f],非空白符。
.[^\n\r\u2028\u2029],通配符,表示除了换行符,回车符,行分隔符和段分隔符之外任意字符。
空白符
空格:顾名思义,就是我们理解的空格

水平制表符\t:类似于 tab 键缩进的效果,一般系统中水平制表符占 8 列,所以根据你按的次数占据 8*N 列。

垂直制表符\v:让文本从下一行开始输出,且开始的列数为\v 前字符的后一列。

换行符\n:从下一行开头开始输出,这个 js 可以跑。

回车符\r:这里的回车不是我们理解的 enter 回车另起一行开始输出,而是回到当前行开头输出,还可能将已输入文本替换,替换这一点根据环境不同表现不同。

换页符\f:在输出\f 后面文本之前,会先将当前屏幕清空,类似于先清除再输出。

匹配任意字符 如果要匹配任意字符怎么办?可以使用 [\d\D]、[\w\W]、[\s\S] 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。

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。
{m,n}至少出现 m 次,最多出现 n 次。
?等价于 {0,1},表示出现或者不出现。
+等价于 {1,},表示出现至少一次。
*等价于 {0,},表示出现任意次,有可能不出现。

1.3.2. 贪婪匹配与惰性匹配

javascript
var regex = /\d{2,5}/g;
var 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(请看文章最后一个例子)。而惰性匹配,就是尽可能少的匹配:

javascript
var regex = /\d{2,5}?/g;
var 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,} ?{m,}
{m} ? {m}
{m,n} ?{m,n}
? ??
+?+
_ ?_
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?

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/

javascript
var regex = /good|nice/g;
var 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":

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

而把正则改成 /goodbye|good/,结果是:

javascript
var regex = /goodbye|good/g;
var 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

匹配字符,无非就是字符组、量词和分支结构的组合使用罢了。

1.5.1. 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]。

javascript
var 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

1.5.2. 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])。

javascript
var 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

参考

老姚《JavaScript 正则迷你书》

上次更新于: