正则表达式的学习笔记

主要分为下面三个内容

• 字符匹配
• 位置匹配
• 分组
• 反向引用

字符匹配

字符的模糊匹配分为两种：横向模糊匹配和纵向模糊匹配

横向模糊匹配

量词的表示方式

横向模糊匹配，一般用量词去实现，那么量词的表示方式有哪些？

量词	表示
{m,n}	最少 m 次，最多 n 次
{m}	m 次
?	0 次或 1 次
+	至少 1 次
*	0 次或多次

贪婪模式

所谓的贪婪模式，就是尽可能多的匹配，譬如abbbbb，用/ab+/g去匹配时，会匹配出abbbbb

惰性模式

惰性则是想法，就是尽可能少的匹配，上面的例子abbbbb，用/ab+?/g 去匹配时，则只会匹配到ab，所以我们如果要使用惰性模式的话，只需要在量词后面追加?即可。

纵向模糊匹配

字符组

字符组就是一组字符，在正则表达式中，它表示“在同一个位置可能出现的各种字符”，比如ab[cd]，[cd]就是字符组，可以匹配c或d，普通字符组内的字符顺序和是否重复都不影响匹配，但在范围表示法中会字符顺序有要求。

范围表示法

比如我们要匹配从a到z26 个字母，很明显如果用普通字符组表示的话，那么正则表达式会很长，因此我们可以范围表示法表示：/[a-z]/，数字0到9也可以用/[0-9]/来表示。

排除型字符组

排除型字符组表示“在当前位置，匹配一个没有列出的字符”，可以用^（托字符）来表示，比如在当前位置排除字母 a 到 z，用/[^a-z]/来表示，注意点：

• 排除型字符组并不是表示在当前位置不要列出字符，这种理解是有问题的，因为这样的理解的话，则是暗示“这里不出现任何字符串也可以
• ^（托字符）必须紧跟[后面，否则表示普通字符^

字符的简写

正则表达式的解析引擎提供了一些简写形式：

简写	表示
\w	表示字母、数字、下划线的任意一个字符
\W	对\w的排除，表示字母、数字、下划线之外的任意一个字符
\d	表示数字0到9，d 是英文digit的简写
\D	表示非数字
\s	表示包括空格、制表符、换页符等空白字符的其中任意一个，即[ \t\r\n\v\f]
\S	表示非空字符
.	通配符，换行符、回车符、行分隔符和段分隔符除外，几乎表示任意字符。

多选分支

在正则中，可以用|分隔多个子表达式，表示或的意思。比如匹配a或b则可用/a|b/g表示。

位置匹配

正则表达式是基于匹配模式的，前面讲的是如何匹配字符，而这部分是讲如何匹配一个位置。在正则表达式引擎中，提供以下锚去匹配位置：^，$，\b，\B，(?=p)，(?!p)，(?<=p)，(?<!p)。

^与$

这两个锚很简单，分别开始位置与结束位置。比如需要去掉字符串' hello world '的首尾空字符：

var str = ' hello world ';
var str = str.replace(/^\s|\s$/g, '');

\b 与\B

\b表示单词的边界。比如字符串'hello world'用\b去匹配处理：

var str = 'hello world';
var str = str.replace(/\b/g, '#'); // '#hello# #world#'

而\B 则是相反，它表示非单词边界，上面的例子如果用\B去匹配的话，得到的结果将是'h#e#l#l#o w#o#r#l#d'

(?=p)与(?!p)（先行断言）

(?=p)表示接下来字符是p的位置，比如字符'hello world'用(?=l)去匹配处理：

var str = 'hello world';
var str = str.replace(/(?=l)/g, '#'); // 'he#l#lo wor#ld'

(?!p)则相反，表示接下来不是p的位置，上面的例子如果用(?!p)，得到的结果将是'#h#ell#o# #w#o#rl#d#'。

(?<=p)与(?<!p)（后行断言）

在 ES5 规范中，Javascript 是只支持先行断言，不支持后行断言，比如匹配l后面的位置，就需要用后行断言了，比如字符串'hello world'用(?<=l)去匹配处理：

var str = 'hello world';
var str = str.replace(/(?<=l)/g, '#'); // 'hel#l#o worl#d'

类似的，(?<!p)表示匹配不是l的位置，上面的例子如果用(?<!p)，得到的结果将是'#h#e#llo# #w#o#r#ld#'

分组

在正则中，实现表达式分组可以用括号()的方式，比如我想匹配单词ab，则可以用/(ab)+/g：

var str = 'ababa abbb ababab';
str.match(/(ab)+/g); // ["abab", "ab", "ababab"]

分组引用

比如我们需要提取日期'2000-01-01'的年月日，分组引用就显得非常有用了，在正则中，每个()会生成一个分组（正则表达式引擎会开辟一个内存空间去存储匹配到的数据）：

var str = `2000-01-01`;
var matches = /(\d{4})-(\d{2})-\1/g.exec(str); // ["2000-01-01", "2000", "01", "01"]

最后只需要按照分组编号取值即可，比如年月日分别：matches[1]，matches[2]，matches[3]，或者用构造函数RegExp的静态方法$1，$2，$3。

反向引用

反向引用表示引用之前出现的分组。比如我们需要实现判断以下格式的日期是否合法：

2016-06-12
2016/06/12
2016.06.12

我们先用以下正则去匹配：

var str1 = '2016-06-12';
var str2 = '2016/06/12';
var str3 = '2016.06.12';
var str4 = '2016/06.12';
var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/g;
regex.test(str1); // true
regex.test(str2); // true
regex.test(str3); // true
regex.test(str4); // true

显然的，str4的结果不是我们预期的，分别符-，/，.需要成对出现，这时候就需要用到反向引用了，上面的正则表达式可以改成：

var str1 = '2016-06-12';
var str2 = '2016/06/12';
var str3 = '2016.06.12';
var str4 = '2016/06.12';
var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/g;
regex.test(str1); // true
regex.test(str2); // true
regex.test(str3); // true
regex.test(str4); // false

其中\1就是反向引用，表示引用第一个分组(-|\/|\.)

[本文谢绝转载，谢谢]