1.什么是正则表达式
正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。
通俗的讲就是按照某种规则去匹配符合条件的字符串
2.利用图形化工具理解正则表达式
辅助理解正则表达的在线工具 https://regexper.com/ 我们利用这个工具辅助理解,正则表达式。语法没懂表着急,后面会有,这里只是学会用工具帮助我们学习。
手机号正则
/^1[34578][0-9]{9}$/
注释:以1开头,第二位为3 4 5 7 9 其中一个,以9位(本身1次加重复8次)0-9数字结尾
单词边界
/is/
注释: is前后都是单词的边界,比较晦涩难懂?感受下两者的区别, 会方道语法部分讲解
在chrome中测试:
URL分组替换
/http:(//.+.jpg)/
看不懂的不要慌语法部分后面会有介绍,这里只是展示利用可视化的图形帮助我们理解正则表达式,可以回来再看木有关系
正则表达式中括号用来分组,这个时候我们可以通过用$1来获取 group#1的内容
说下这个正则的意义,如果网站用了https,网站引用静态资源也必须是https,否则报错。如果写成 // 会自动识别 http 或者 https
日期匹配与分组替换
/^d{4}[/-]d{2}[/-]d{2}$/
这个正则比较复杂,画符念咒的地方太多了,一一分析:
Start of line 是由^生效的表示以此开头
对应结尾End of line 由$生效表示以此结尾
接着看digit 由 d 生效表示数字
3times 由{4} 生效表示重复4次,开始的时候有疑问,为什么不是 4times 。后来明白作者的用意,正则表达式是一个规则,用这个规则去从字符串开始匹配到结束(注意计算机读字符串可是不会分行的,都是一个串,我们看到的多行,人家会认为是个 )这里设计好像小火车的轨道一直开到末尾。digit 传过一次,3times表示再来三次循环,共4次,后面的once同理。 自己被自己啰嗦到了。
接下来,是 one of 在手机正则里面已经出现了。表示什么都行。只要符合这两个都让通过。
好了这个正则解释完了,接下来用它做什么呢?
我们可以验证日期的合法性
结合URL分组替换所用到的分组特性,我们可以轻松写出日期格式化的方法
改造下这个正则
/^(d{4})[/-](d{2})[/-](d{2})$/
轻松的可以拿到 group#1 #2 #3 的内容,对应 $1$2$3
到现在已经能结合图形化工具看懂正则表达式表达式了,如果想自己写,还要在正则语法上下点功夫
4. 正则表达式语法
1 修饰符 (三个 g i m)
修饰符与其他语法特殊,字面量方法声名的时候放到//后,构造函数声明的时候,作为第二个参数传入。整个正则表达式可以理解为正则表达式规则字符串+修饰符
g:global 执行一个全局匹配
i:ignore case执行一个不区分大小写的匹配
m: multiple lines多行匹配
修饰符可以一起用 const reg =/is/gim
来说说他们有什么作用
有g和没有g的区别
没有g只替换了第一个,有g 所有的都换了
有i和没有i的区别
有i忽略大小写,没有i严格区分大小写
2 元字符
正则表达式由两种基本字符组成:
原义字符
非打印字符
元字符 (* + ? $ ^ . | ( ) { } [ ])
3. 原义字符
这个没什么好解释的,我们一直在举例的 /is/ 匹配字符串'is'
将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,n”匹配字符“n”。“ ”匹配一个换行符。序列“\”匹配“”而“(”则匹配“(”。
4. 非打印字符
字符
描述
cx
匹配由x指明的控制字符。例如, cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。
f
匹配一个换页符。等价于 x0c 和 cL。
匹配一个换行符。等价于 x0a 和 cJ。
匹配一个回车符。等价于 x0d 和 cM。
s
匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ f v]。
S
匹配任何非空白字符。等价于 [^ f v]。
匹配一个制表符。等价于 x09 和 cI。
v
匹配一个垂直制表符。等价于 x0b 和 cK。
非打印字符,以 为例
其他的在前端引用比较少,应该在后端处理文本文件的时候会用到
5. 字符类 []
在前面的手机号正则例子中,我们已经使用过[] /^1[34578][0-9]{9}$/ : [34578]表示34578任意一个数字即可。在日期匹配与分组替换例子中 /^d{4}[/-]d{2}[/-]d{2}$/ 表示符合 /- 都可以
6. 字符类取反 [^]
表示不属于此类
空格也不属于,好多狗
7. 范围类[-]
正则表达式支持一定范围规则比如 [a-z][A-Z][0-9] 可以连写[a-z0-9] 如果你只是想匹配-在 范围类最后加-即可。请看实例。
8. 预定义类
常用为了方便书写
字符
等价类
含义
.
[^ ]
除了回车符和换行符之外的所有字符
d
[0-9]
数字字符
D
[^0-9]
非数字字符
s
[ x0Bf ]
空白符
S
[^ x0Bf ]
非空白符
w
[a-zA-Z_0-9]
单词字符(字母、数字、下划线)
W
[^a-zA-Z_0-9]
非单词字符
有了这些预定义类,写一些正则就很方便了,比如我们希望匹配一个 ab+数字+任意字符 的字符串,就可以这样写了 /abd./
9. 边界
字符
含义
^
以xx开头
$
以xx结尾
单词边界,指[a-zA-Z_0-9]之外的字符
B
非单词边界
边界顾名思义即定义匹配的边界条件,上面基本都在前面的例子碰到了,这里演示下与B的区别
10. 量词
字符
含义
?
出现零次或一次
*
出现零次或多次(任意次)
+
出现一次或多次(至道一次)
{n}
对应零次或者n次
{n,m}
至少出现n次但不超过m次
{n,}
至少出现n次(+的升级版)
{0,n}
至多出现n次(其实就是{n,m} 方便记忆而已)
如果没有量词,要匹配4位数字这样写就可以/dddd/, 如果匹配50位100位呢?那不是要疯掉了?
有了量词,就可以这样写/d{100}/, 量词的使用我们在手机号中使用过,表现在可视化中就是循环多少次。
凑一个上面都包含的实例/d?@d*@d+@d{10}@d{10,20}@d{10,}@d{0,10}/
11.贪婪与懒惰(非贪婪)
正则表达式默认会匹配贪婪模式,什么是贪婪模式呢?如其名尽可能多的匹配。我们看个例子。
/d{3,6}/
贪婪模式下,匹配的了最多的情况。
与贪婪对应就是懒惰模式,懒惰对应的就是匹配的尽可能少的情况。如何开启懒惰模式? 在量词后面加?。继续上面的例子
/d{3,6}?/
如果想知道,正则表达式是如何匹配量词的,请看 进阶正则表达式 文中有介绍,正则是如何回溯的。
12.分组与反向引用
分组,又称为子表达式。把正则表达式拆分成小表达式。概念枯燥,说个例子为嘛用分组:
不分组 /abc{2}/
量词仅作用到最后的c
分组 /(abc){2}/
注意这里 group #1
分组虽然和运算符() 很像,但是分组在正则表达式中,注意理解组的含义。经常有人滥用分组
/^(http|https)/ 真的需要这样么?其实 /^https?/就可以了,你正则写的特别长的时候,会出现一堆没用的结果,看着都头疼吧。
分组往往和反向引用一起使用,别被概念吓到:当一个正则表达式被分组后,每个分组自动被赋予一个组号,一左到右分别是 $1$2…
再把之前的例子拿出来
/^(d{4})[/-](d{2})[/-](d{2})$/
轻松的可以拿到 group#1 #2 #3 的内容,对应 $1$2$3
如果在反向引用中不想捕获年该如何操作? 加上 ?:即可
/^(?:d{4})[/-](d{2})[/-](d{2})$/