第一章 正則錶達式字符匹配攻略

程序猿DD 2021-09-18 04:23:15 阅读数:537

第一章 第一 一章 字符 匹配

第一章 正則錶達式字符匹配攻略

正則錶達式是匹配模式,要麼匹配字符,要麼匹配比特置。請記住這句話。

然而關於正則如何匹配字符的學習,大部分人都覺得這塊比較雜亂。

畢竟元字符太多了,看起來沒有系統性,不好記。本章就解决這個問題。

內容包括:

  1. 兩種模糊匹配
  2. 字符組
  3. 量詞
  4. 分支結構
  5. 案例分析

1. 兩種模糊匹配

如果正則只有精確匹配是沒多大意義的,比如/hello/,也只能匹配字符串中的”hello”這個子串。

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

正則錶達式之所以强大,是因為其能實現模糊匹配。

而模糊匹配,有兩個方向上的“模糊”:橫向模糊和縱向模糊。

1.1 橫向模糊匹配

橫向模糊指的是,一個正則可匹配的字符串的長度不是固定的,可以是多種情况的。

其實現的方式是使用量詞。譬如{m,n},錶示連續出現最少m次,最多n次。

比如/ab{2,5}c/錶示匹配這樣一個字符串:第一個字符是“a”,接下來是2到5個字符“b”,最後是字符“c”。測試如下:

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

注意:案例中用的正則是/ab{2,5}c/g,後面多了g,它是正則的一個修飾符。錶示全局匹配,即在目標字符串中按順序找到滿足匹配模式的所有子串,强調的是“所有”,而不只是“第一個”。g是單詞global的首字母。

1.2 縱向模糊匹配

縱向模糊指的是,一個正則匹配的字符串,具體到某一比特字符時,它可以不是某個確定的字符,可以有多種可能。

其實現的方式是使用字符組。譬如[abc],錶示該字符是可以字符“a”、“b”、“c”中的任何一個。

比如/a[123]b/可以匹配如下三種字符串:”a1b”、”a2b”、”a3b”。測試如下:

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

以上就是本章講的主體內容,只要掌握橫向和縱向模糊匹配,就能解决很大部分正則匹配問題。

接下來的內容就是展開說了,如果對此都比較熟悉的話,可以跳過,直接看本章案例那節。

2. 字符組

需要强調的是,雖叫字符組(字符類),但只是其中一個字符。例如[abc],錶示匹配一個字符,它可以是“a”、“b”、“c”之一。

2.1 範圍錶示法

如果字符組裏的字符特別多的話,怎麼辦?可以使用範圍錶示法。

比如[123456abcdefGHIJKLM],可以寫成[1-6a-fG-M]。用連字符-來省略和簡寫。

因為連字符有特殊用途,那麼要匹配“a”、“-”、“z”這三者中任意一個字符,該怎麼做呢?

不能寫成[a-z],因為其錶示小寫字符中的任何一個字符。

可以寫成如下的方式:[-az][az-][a\-z]。即要麼放在開頭,要麼放在結尾,要麼轉義。總之不會讓引擎認為是範圍錶示法就行了。

2.2 排除字符組

縱向模糊匹配,還有一種情形就是,某比特字符可以是任何東西,但就不能是”a”、”b”、”c”。

此時就是排除字符組(反義字符組)的概念。例如[^abc],錶示是一個除”a”、”b”、”c”之外的任意一個字符。字符組的第一比特放^(脫字符),錶示求反的概念。

當然,也有相應的範圍錶示法。

2.3 常見的簡寫形式

有了字符組的概念後,一些常見的符號我們也就理解了。因為它們都是系統自帶的簡寫形式。

\d就是[0-9]。錶示是一比特數字。記憶方式:其英文是digit(數字)。

\D就是[^0-9]。錶示除數字外的任意字符。

\w就是[0-9a-zA-Z_]。錶示數字、大小寫字母和下劃線。記憶方式:w是word的簡寫,也稱單詞字符。

\W[^0-9a-zA-Z_]。非單詞字符。

\s[ \t\v\n\r\f]。錶示空白符,包括空格、水平制錶符、垂直制錶符、換行符、回車符、換頁符。記憶方式:s是space character的首字母。

\S[^ \t\v\n\r\f]。 非空白符。

.就是[^\n\r\u2028\u2029]。通配符,錶示幾乎任意字符。換行符、回車符、行分隔符和段分隔符除外。記憶方式:想想省略號…中的每個點,都可以理解成占比特符,錶示任何類似的東西。

如果要匹配任意字符怎麼辦?可以使用[\d\D][\w\W][\s\S][^]中任何的一個。

3. 量詞

量詞也稱重複。掌握{m,n}的准確含義後,只需要記住一些簡寫形式。

3.1 簡寫形式

**{m,}** 錶示至少出現m次。

**{m}** 等價於{m,m},錶示出現m次。

**?** 等價於{0,1},錶示出現或者不出現。記憶方式:問號的意思錶示,有嗎?

**+**等價於{1,},錶示出現至少一次。記憶方式:加號是追加的意思,得先有一個,然後才考慮追加。

***** 等價於{0,},錶示出現任意次,有可能不出現。記憶方式:看看天上的星星,可能一顆沒有,可能零散有幾顆,可能數也數不過來。

3.2 貪婪匹配和惰性匹配

看如下的例子:

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

其中正則/\d{2,5}/,錶示數字連續出現2到5次。會匹配2比特、3比特、4比特、5比特連續數字。

但是其是貪婪的,它會盡可能多的匹配。你能給我6個,我就要5個。你能給我3個,我就3要個。反正只要在能力範圍內,越多越好。

我們知道有時貪婪不是一件好事(請看文章最後一個例子)。而惰性匹配,就是盡可能少的匹配:

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}?/錶示,雖然2到5次都行,當2個就够的時候,就不在往下嘗試了。

通過在量詞後面加個問號就能實現惰性匹配,因此所有惰性匹配情形如下:

**{m,n}?**
**{m,}?**
**??**
**+?**
***?**

對惰性匹配的記憶方式是:量詞後面加個問號,問一問你知足了嗎,你很貪婪嗎?

4. 多選分支

一個模式可以實現橫向和縱向模糊匹配。而多選分支可以支持多個子模式任選其一。

具體形式如下:(p1|p2|p3),其中p1p2p3是子模式,用|(管道符)分隔,錶示其中任何之一。

例如要匹配”good”和”nice”可以使用/good|nice/。測試如下:

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

但有個事實我們應該注意,比如我用/good|goodbye/,去匹配”goodbye”字符串時,結果是”good”:

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

而把正則改成/goodbye|good/,結果是:

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

也就是說,分支結構也是惰性的,即當前面的匹配上了,後面的就不再嘗試了。

5. 案例分析

匹配字符,無非就是字符組、量詞和分支結構的組合使用罷了。

下面找幾個例子演練一下(其中,每個正則並不是只有唯一寫法):

5.1 匹配16進制顏色值

要求匹配:

#ffbbad

#Fc01DF

#FFF

#ffE

分析:

錶示一個16進制字符,可以用字符組[0-9a-fA-F]

其中字符可以出現3或6次,需要是用量詞和分支結構。

使用分支結構時,需要注意順序。

正則如下:

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

5.2 匹配時間

以24小時制為例。

要求匹配:

23:59

02:07

分析:

共4比特數字,第一比特數字可以為[0-2]

當第1比特為2時,第2比特可以為[0-3],其他情况時,第2比特為[0-9]

第3比特數字為[0-5],第4比特為[0-9]

正則如下:

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

如果也要求匹配7:9,也就是說時分前面的0可以省略。

此時正則變成:

var 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

5.3 匹配日期

比如yyyy-mm-dd格式為例。

要求匹配:

2017-06-10

分析:

年,四比特數字即可,可用[0-9]{4}

月,共12個月,分兩種情况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])

正則如下:

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

5.4 window操作系統文件路徑

要求匹配:

F:\study\javascript\regex\regular expression.pdf

F:\study\javascript\regex\

F:\study\javascript

F:\

分析:

整體模式是: 盤符:\文件夾\文件夾\文件夾\

其中匹配F:\,需要使用[a-zA-Z]:\\,其中盤符不區分大小寫,注意\字符需要轉義。

文件名或者文件夾名,不能包含一些特殊字符,此時我們需要排除字符組[^\\:*<>|"?\r\n/]來錶示合法字符。另外不能為空名,至少有一個字符,也就是要使用量詞+。因此匹配“文件夾\”,可用[^\\:*<>|"?\r\n/]+\\

另外“文件夾\”,可以出現任意次。也就是([^\\:*<>|"?\r\n/]+\\)*。其中括號提供子錶達式。

路徑的最後一部分可以是“文件夾”,沒有\,因此需要添加([^\\:*<>|"?\r\n/]+)?

最後拼接成了一個看起來比較複雜的正則:

var regex = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;
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,JS中字符串錶示\時,也要轉義。

5.5 匹配id

要求從

<div id="container" class="main"></div>

提取出id=”container”。

可能最開始想到的正則是:

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

因為.是通配符,本身就匹配雙引號的,而量詞*又是貪婪的,當遇到container後面雙引號時,不會停下來,會繼續匹配,直到遇到最後一個雙引號為止。

解决之道,可以使用惰性匹配:

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

當然,這樣也會有個問題。效率比較低,因為其匹配原理會涉及到“回溯”這個概念(這裏也只是順便提一下,第四章會詳細說明)。可以優化如下:

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

小結

字符匹配相關的案例,挺多的,不一而足。

掌握字符組和量詞就能解决大部分常見的情形,也就是說,當你會了這二者,JS正則算是入門了。

本文作者:老姚,
原文鏈接:https://juejin.im/post/5965943ff265da6c30653879
版權歸作者所有,轉載請注明作者、原文、譯者等出處信息
版权声明:本文为[程序猿DD]所创,转载请带上原文链接,感谢。 https://gsmany.com/2021/09/20210918042315407w.html