看完你就會正則表示式了
最近看了一篇關於正則表示式的學習筆記,覺得講的非常好,更有圖形化的神器相助,想不學會都難,所以想轉給大家看看。
話說不是開發為啥要學正則表示式這種看似很晦澀的東西呢,因為現在很多搜尋的場景都是支援正則表示式的,學會了正則表示式就有如一把利劍在手。
本文較長,建議抽40分鐘完整的時間一次讀完再慢慢消化。以下是正文(為了適應難度,做了稍許調整)
1.什麼是正則表示式
正則表示式,又稱正規表示式、正規表示法、正規表示式、規則表示式、常規表示法(英語:Regular Expression,在程式碼中常簡寫為regex、regexp或RE),電腦科學的一個概念。正則表示式使用單個字串來描述、匹配一系列匹配某個句法規則的字串。在很多文字編輯器裡,正則表示式通常被用來檢索、替換那些匹配某個模式的文字。
通俗的講就是按照某種規則去匹配符合條件的字串
2.利用圖形化工具理解正則表示式
輔助理解正則表達的線上工具 https://regexper.com/ 我們利用這個工具輔助理解,正則表示式。語法沒懂表著急,後面會有,這裡只是學會用工具幫助我們學習。
手機號正則
/^1[34578][0-9]{9}$/
註釋:以1開頭,第二位為3 4 5 7 9 其中一個,以9位(本身1次加重複8次)0-9數字結尾
單詞邊界
/\bis\b/
註釋: is前後都是單詞的邊界,比較晦澀難懂?感受下兩者的區別,\b 會方道語法部分講解
URL分組替換
/http:(//.+.jpg)/
看不懂的不要慌語法部分後面會有介紹,這裡只是展示利用視覺化的圖形幫助我們理解正則表示式,可以回來再看木有關係
正則表示式中括號用來分組,這個時候我們可以通過用$1來獲取 group#1的內容
說下這個正則的意義,如果網站用了https,網站引用靜態資源也必須是https,否則報錯。如果寫成 // 會自動識別 http 或者 https
日期匹配與分組替換
/^\d{4}[/-]\d{2}[/-]\d{2}$/
這個正則比較複雜,畫符唸咒的地方太多了,一一分析:
Start of line 是由^生效的表示以此開頭
對應結尾End of line 由$生效表示以此結尾
接著看digit 由 \d 生效表示數字
3times 由{4} 生效表示重複4次,開始的時候有疑問,為什麼不是 4times 。後來明白作者的用意,正則表示式是一個規則,用這個規則去從字串開始匹配到結束(注意計算機讀字串可是不會分行的,都是一個串,我們看到的多行,人家會認為是個 \t )這裡設計好像小火車的軌道一直開到末尾。digit 傳過一次,3times表示再來三次迴圈,共4次,後面的once同理。 自己被自己囉嗦到了。
接下來,是 one of 在手機正則裡面已經出現了。表示什麼都行。只要符合這兩個都讓通過。
好了這個正則解釋完了,接下來用它做什麼呢?
我們可以驗證日期的合法性
結合URL分組替換所用到的分組特性,我們可以輕鬆寫出日期格式化的方法
改造下這個正則
輕鬆的可以拿到 group#1 #2 #3 的內容,對應 $1$2$3
到現在已經能結合圖形化工具看懂正則表示式表示式了,如果想自己寫,還要在正則語法上下點功夫
- 正則表示式語法
1 修飾符 (三個 g i m)
修飾符與其他語法特殊,字面量方法聲名的時候放到//後,建構函式宣告的時候,作為第二個引數傳入。整個正則表示式可以理解為正則表示式規則字串+修飾符
g:global 執行一個全域性匹配
i:ignore case執行一個不區分大小寫的匹配
m: multiple lines多行匹配
修飾符可以一起用 const reg =/\bis\b/gim
來說說他們有什麼作用
有g和沒有g的區別
沒有g只替換了第一個,有g 所有的都換了
有i和沒有i的區別
有i忽略大小寫,沒有i嚴格區分大小寫
2 元字元
正則表示式由兩種基本字元組成:
原義字元
非列印字元
元字元 (* + ? $ ^ . | \ ( ) { } [ ])
- 原義字元
這個沒什麼好解釋的,我們一直在舉例的 /is/ 匹配字串’is’
\將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後引用、或一個八進位制轉義符。例如,n”匹配字元“n”。“\n”匹配一個換行符。序列“\”匹配“\”而“(”則匹配“(”。
- 非列印字元
字元
描述
\cx
匹配由x指明的控制字元。例如, \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則,將 c 視為一個原義的 ‘c’ 字元。
\f
匹配一個換頁符。等價於 \x0c 和 \cL。
\n
匹配一個換行符。等價於 \x0a 和 \cJ。
\r
匹配一個回車符。等價於 \x0d 和 \cM。
\s
匹配任何空白字元,包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。
\S
匹配任何非空白字元。等價於 [^ \f\n\r\t\v]。
\t
匹配一個製表符。等價於 \x09 和 \cI。
\v
匹配一個垂直製表符。等價於 \x0b 和 \cK。
非列印字元,以\n為例
其他的在前端引用比較少,應該在後端處理文字檔案的時候會用到
- 字元類 []
在前面的手機號正則例子中,我們已經使用過[] /^1[34578][0-9]{9}KaTeX parse error: Expected group after '^' at position 43: …在日期匹配與分組替換例子中 /^̲\d{4}[/-]\d{2}[…/ 表示符合 /- 都可以
- 字元類取反 [^]
表示不屬於此類
空格也不屬於,好多狗
- 範圍類[-]
正則表示式支援一定範圍規則比如 [a-z][A-Z][0-9] 可以連寫[a-z0-9] 如果你只是想匹配-在 範圍類最後加-即可。請看例項。
- 預定義類
常用為了方便書寫
字元
等價類
含義
.
[^\n\r]
除了回車符和換行符之外的所有字元
\d
[0-9]
數字字元
\D
[^0-9]
非數字字元
\s
[\t\n\x0B\f\r]
空白符
\S
[^\t\n\x0B\f\r]
非空白符
\w
[a-zA-Z_0-9]
單詞字元(字母、數字、下劃線)
\W
[^a-zA-Z_0-9]
非單詞字元
有了這些預定義類,寫一些正則就很方便了,比如我們希望匹配一個 ab+數字+任意字元 的字串,就可以這樣寫了 /ab\d./
- 邊界
字元
含義
^
以xx開頭
$
以xx結尾
\b
單詞邊界,指[a-zA-Z_0-9]之外的字元
\B
非單詞邊界
邊界顧名思義即定義匹配的邊界條件,上面基本都在前面的例子碰到了,這裡演示下\b與\B的區別
- 量詞
字元
含義
?
出現零次或一次
出現零次或多次(任意次)
出現一次或多次(至道一次)
{n}
對應零次或者n次
{n,m}
至少出現n次但不超過m次
{n,}
至少出現n次(+的升級版)
{0,n}
至多出現n次(其實就是{n,m} 方便記憶而已)
如果沒有量詞,要匹配4位數字這樣寫就可以/\d\d\d\d/, 如果匹配50位100位呢?那不是要瘋掉了?
有了量詞,就可以這樣寫/\d{100}/, 量詞的使用我們在手機號中使用過,表現在視覺化中就是迴圈多少次。
湊一個上面都包含的例項/\[email protected]\d*@\[email protected]\d{10}@\d{10,20}@\d{10,}@\d{0,10}/
11.貪婪與懶惰(非貪婪)
正則表示式預設會匹配貪婪模式,什麼是貪婪模式呢?如其名儘可能多的匹配。我們看個例子。
/\d{3,6}/
貪婪模式下,匹配的了最多的情況。
與貪婪對應就是懶惰模式,懶惰對應的就是匹配的儘可能少的情況。如何開啟懶惰模式? 在量詞後面加?。繼續上面的例子
/\d{3,6}?/
如果想知道,正則表示式是如何匹配量詞的,請看 進階正則表示式 文中有介紹,正則是如何回溯的。
12.分組與反向引用
分組,又稱為子表示式。把正則表示式拆分成小表示式。概念枯燥,說個例子為嘛用分組:
不分組 /abc{2}/
量詞僅作用到最後的c
分組 /(abc){2}/
注意這裡 group #1
分組雖然和運算子() 很像,但是分組在正則表示式中,注意理解組的含義。經常有人濫用分組
/^(http|https)/ 真的需要這樣麼?其實 /^https?/就可以了,你正則寫的特別長的時候,會出現一堆沒用的結果,看著都頭疼吧。
分組往往和反向引用一起使用,別被概念嚇到:當一個正則表示式被分組後,每個分組自動被賦予一個組號,一左到右分別是 $1$2…
再把之前的例子拿出來
輕鬆的可以拿到 group#1 #2 #3 的內容,對應 $1$2$3
如果在反向引用中不想捕獲年該如何操作? 加上 ?:即可
12.前瞻
這部分為進階部分—選看
正則表示式中有前瞻(Lookahead)和後顧(Lookbehind)的概念,這兩個術語非常形象的描述了正則引擎的匹配行為。需要注意一點,正則表示式中的前和後和我們一般理解的前後有點不同。一段文字,我們一般習慣把文字開頭的方向稱作“前面”,文字末尾方向稱為“後面”。但是對於正則表示式引擎來說,因為它是從文字頭部向尾部開始解析的(可以通過正則選項控制解析方向),因此對於文字尾部方向,稱為“前”,因為這個時候,正則引擎還沒走到那塊,而對文字頭部方向,則稱為“後”,因為正則引擎已經走過了那一塊地方。
注意:後顧效能損耗比較大,js只支援前瞻(知乎上看到的,具體原因不詳)
上面的比較概念話,嘗試用大白話講講,就說皇上選妃吧,先行條件得是美女吧,長得“如花”那樣皇上可不要,漂亮這關過了,皇上想要這個美女也不行,皇室有規矩,必須是貴族血統。
那麼“漂亮”就是正常的匹配,匹配到了,還得看看家室是不是貴族。"貴族"相當於前瞻條件
前瞻分兩種一種是正向前瞻(?=xxx), 另一種是負向前瞻(?!xxx)