1.1. 基本语法
通过一张图表来对正则表达式的基本进行一个回顾
single char | quantifiers(数量) | position(位置) |
---|---|---|
d 匹配数字 | * 0个或者更多 | ^一行的开头 |
w 匹配word(数字、字母) | + 1个或更多,至少1个 | $一行的结尾 |
W 匹配非word(数字、字母) | ? 0个或1个,一个Optional | b 单词”结界”(word bounds) |
s 匹配white space(包括空格、tab等) | {min,max}出现次数在一个范围内 | |
S 匹配非white space(包括空格、tab等) | {n}匹配出现n次的 | |
. 匹配任何,任何的字符 |
1.1.1. single char
假设你有一段字符如下:
w
将匹配所有word,当然,() – 等字符除外
www
发现匹配的有’The
se are
som
e pho
ne number
s …’ 注意正则表达式是匹配一个连续串的规则,所以可以看到三个字母的单词可以匹配到,6个单词的也可以匹配到。
ss
匹配到一行中连续两个空格
quantifiers
假设我们有这一段话:
The colors of the rainbow have many colours
and the rainbow does not have a single colour.
我们想把所有的颜色找出来colors
colours
colour
答案 colou?rs?
嗯,看起来很简单,很方便。
好了,现在想要匹配一行中的4个数字,或者一行中的5个字母等,这时候用quantifiers就非常方便了。
我现在想找5个字母组成的单词
w{5}
这样可以吗?嗯..不行的,看下它匹配的内容,如下: ‘These
are somephone
numbe
rs 915-555-1234…’ 的确,我们模板给的很简单,它只找一行中,连续出现5个字母的序列。所以现在改进一下好了w{5}s
为了能找到单词,所以我希望5个字母后,跟一个空格的序列,这样应该可以了吧,看下匹配情况: ‘These
are somephone
numbers
915-555-1234…’ 嗯,是的,只有目前这些方法,是做不到的。 所以,我们需要第三个工具 “position”
1.1.2. position
回到刚才的问题之前,先熟悉下^
$
和 b
This is somthing
is about
a blah
words
sequence of words
Hello and
GoodBye and
Go gogo!
来看下各种正则所匹配的内容
w+
这个应该毫无疑问,匹配所有的words^w+
多了一个^
,这样子,就只能匹配到每一行开头的单词了This
is
a
words
sequence
Hello
GoodBye
Go
w+$
这样就能匹配到每行的最后一个字母
回到刚才的问题
现在想找5个字母组成的单词
就变得很简单了,使用单词结界符b
答案就是bw{5}b
1.1.3. 找个电话号码吧
最后,找一个刚才出现的电话号123-456-1231
用以上最基本的正则方法就是 d{3}-d{3}-d{4}
,这样就找到了。 但是有的时候,电话号码是123.456.1234
或者 (212)867-4233
的结构怎么办呢?
正则表达式中的或
或者其他表达方式,下面一一来介绍。
1.2. 字符分类(char class)
前面记录了最基本的方法,接下来说一下分类符[]
这个符号用来表示逻辑关系或
,比如[abc]
表示a或者b或c.[-.]
表示符号-
或者.
号(注意这里,在[]
中的.
号代表的就是这个符号,但是如果在其外面,表示个匹配所有。 所以如果不在[]
之中,想要匹配’.’,就要通过转意符号.
)
1.2.1. 分类的简单应用
字符序列:
The lynk is quite a link don't you think? l nk l(nk
正则表达式: l[yi (]nk
结果:
lynk link l nk l(nk
很容易理解的,就是表达或
逻辑。
1.2.2. 匹配所有可能的电话号码
好了,现在回到之前遗留的问题,有以下字段,请匹配所有可能的电话号码:
These are some phone numbers 915-134-3122. Also,
you can call me at 643.123.1333 and of course,
I'm always reachable at (212)867-5509
好的,一步一步来,刚才我们使用d{3}-d{3}-d{4}
匹配了连字符的情况。现在我们可以很轻松的把.
这种情况加进去了
第一步: d{3}[-.]d{3}[-.]d{4}
第二步: 为了能够匹配括号,可以使用?来,因为这是一个option选择。所以最后就成了
(?d{3}[-.)]d{3}[-.]d{4}
这里还是要说明,在[]中,特殊字符不需要转义,可以直接使用,比如[.()]
,但是在外面,是需要转义的(
.
等
1.2.3. []的特殊语法
刚才介绍了最简单和基本的功能,但是有些特殊的地方需要注意
- -连接符是第一个字符时
比如[-.]
的含义是连字符-
或者点符.
。 但是,如果当连字符不是第一个字符时,比如[a-z]
,这就表示是从字母a到字符z。
- []中的^
^
在之前介绍中,是表示一行开头,但是在[]
中,有着不同的含义。 [ab]
表示a或者b [^ab]
啥都行,只要不是a或b(anythings except a and b),相当于取反
1.2.4. []和()
除了使用[]
表示或逻辑,()
也是可以的。用法是(a|b)
表示a或者b
比如下面的例子,匹配所有email
gaoyaqi411@126.com
dyumc@google.net
sam@sjtu.edu
思路:
首先要想我到底相匹配什么,这里我想匹配的是
- 任何一个以words开头的,一个或更多
w+
- 紧接着是一个
@
符号w+@
- 接着有一个或者更多的words
w+@w+
- 接着一个
.
标点w+@w+.
- 接着一个
com
net
或edu
w+@w+.(com|net|edu)
还是提醒注意第四步的.
转义符号
好了,这样几可以匹配以上的所有邮箱了。但是还有一个问题,因为邮箱用户名是可以有.
的,比如vincent.ko@126.com
其实仍然很简单,修复如下: [w.]+@w+.(com|net|edu)
1.2.5. 总结
[]
的作用,用英文表达就是”alternation”,表达一个或的逻辑;/[-.(]/
在符号中的连字符-
放在第一位表示连字符本身,如果放在中间,表示”从..到..”,比如[a-z]
表示a-z[.)]
括号中的特殊符号不需要转义,就表示其本身[^ab]
括号中的^
表示非,anythings excepta
andb
(a|b)
也可表示选择,但是它有更强大的功能….
所以,()
的强大功能是什么呢? 分组捕获,这对序列的替换、交换是很有帮助的。 后面一节进行学习记录
1.3. 分组捕获(capturing groups)
什么是分组捕获,现在回到之前电话号码的例子
212-555-1234
915-412-1333
//我想要保留区号,把后面的电话号码变为通用性的
????????????
212-xxx-xxxx
915-xxx-xxxx
按照之前的做法d{3}-d{3}-d{4}
,这种匹配的方式,是将整个电话号码作为一个组(group)匹配起来。 我们把212-555-1234
这样的叫Group0
。
这个时候,如果我们加了一个括号d{3}-(d{3})-d{4}
,那么匹配到的555
就叫Group1
。 以此类推,如果有两个小括号d{3}-(d{3})-(d{4})
那么分组就是下面的情况:
212-555-1234 Group0
555 Group1
1234 Group2
1.3.1. 选择分组
现在组已经分好,那么如何选择已经匹配的分组?
这里有两种方法,第一种使用$
符号,比如$1
代表555
,$2
代表1234
;第二种,使用,比如
1
代表555
。两种的使用场景不一样,先讲$
现在为了满足最开始的要求,我们可以这么做
reg: (?(d{3})[-.)]d{3}[-.]d{4}
replace: $1-xxx-xxxx
ps: 这里可以直接用JS的replace函数进行操作,但是正则不是JS专属的,所以这里先介绍通用方法,之后对JS部分进行总结
1.3.2. 实景训练
- 现在有一个名单列表,但是姓和名称是反的,我需要把他交换过来
shiffina, Daniel
shifafl, Daniell
shquer, Danny
...
实现方法:
reg: (w+),s(w+)
replace: $2 $1
注意:$0
是所有匹配到的,所以第一个加括号的是$1
- 匹配markdown中的link标签,并替换为html标签
[google](http://google.com)
[itp](http://itp.nyu.edu)
[Coding Rainbow](http://codingrainbow.com)
解析: 这道题有些坑,需要慢慢来。
看到这个,第一个想考虑匹配[google]
这个东西,立马想到正则表达式[.*]
。 这个是巨大的坑,在当前来看,它的确能正确匹配到上面的三条。 但是如果文本是这样的:
看到了,第一行的内容会全部匹配下来,而不能区分[google]
和[test]
。 之所以这样,是因为.
是贪婪的,他表示所有,所有能匹配到的,所以当然也包括了]
,一直到这一行的最后一个]
,它才停止。
所以为了让它能正确匹配,需要去掉这种贪婪的属性。这里用到?
。 当?
放在了quantifiers
符号后,表示去掉贪婪属性,匹配到终止条件,即可停下。
[.*?]
这样子,就可以将[google]
和[test]
分开,效果如下:
接下来完成所有内容:
reg: [(.*?)]((http.*?))
replace: <a href="$2">$1</a>
1.3.3. 使用
选择器
$
选择符是在替换的时候进行的标志或选择,但是如果在正则表达式本身,就要使用选择了。比如以下的场景
This is is a a dog , I think think this is is really
a a good good dog. Don't you you thinks so so ?
我们想要匹配比如is is
so so
这样连续的序列,就用到了下面的表达方式: (w+)s1
效果:
嗯,差不多达到效果,但是有一些小的bug。比如第一句话This is is a
这个就匹配不准确,会把第一个This的后面字母匹配进去。 这就用到第一节说的字符结界 b
了,就变成了b(w+)s1b
好了,大功告成,就不贴效果图了,自行脑补就好了。
1.3.4. 总结
- 分组捕获,使用()进行数据分组,编号0代表整个匹配项,选择的分组从1号开始
- 选择器可以使用
$1
和1
,但是使用场景不同,用在正则表达式自己身上
?
符号可以禁止贪婪属性,放在.*
之后,表示一次匹配遇到重点就可以停止。否则将会一直向后匹配。
1.4. 在JavaScript中的应用
在js中,主要的正则表达式都是涉及到string的应用。
var str = "hello"
var r = /w+/
这两个分别是string和reg的字面量创建方法。当要使用正则来进行操作的时候,使用了r.test()
和str.match()
以及str.replace
等方法。
1.4.1. reg.test()
正则表达式本身有一个test的方法,这个方法只能测试是否包含,返回一个bool变量。
var r = /d{3}/;
var a = '123';
var b = '123ABC';
var c = 'abc';
r.test(a) //true
r.test(b) //true
r.test(c) //false
嗯,这个很简单,而且用的实际不多,下面着重讲str上的一些方法。
1.4.2. str.match()
与test()不同,不只是返回bool变量,它会返回你所匹配到的内容。
var r = /compus/
var reg = /w+/
var s = "compus, I know something about you"
r.test(s) //true
s.match(r) //["compus"]
s.match(reg) //["compus"]
等等,好像有点问题,为什么最后一个返回的也是”compus”?这不科学。
好吧,实际上,match()返回了第一个可以匹配的序列。想要实现之前的效果,就要用到JS里关于正则的几个flag
1.4.2.1. flag
这个标志就在建立正则的时候就要有的,主要有三个
flag | 含义 |
---|---|
g | 全部的,给我匹配全部的 |
i | 忽略大小写 |
m | 多行匹配 |
所以为了解决刚才的问题,只要这样子设置reg就可以了
var reg = /w+/g
看下面一个练习
var str = "Here is a Phone Number 111-2313 and 133-2311"
var r = /d{3}[-.]d{4}/
var rg = /d{3}[-.]d{4}/g
console.log(str.match(r)); //["111-2313"]
console.log(str.match(rg));//["111-2313","133-2311"]
嗯,找电话号码,是的,很方便。但是还有一个问题,刚才说的分组,那么match会返回分组吗?
var sr = /(d{3})[-.]d{4}/
var srg = /(d{3})[-.]d{4}/g
console.log(str.match(sr)); //["111-2313","111"]
console.log(str.match(srg)); //["111-2313","133-2311"]
所以结论是: 当使用了全局flagg
的时候,不会返回分组,而是全部的匹配结果;如果没有使用g
,会将匹配到的结果和分组以数组的形式返回。
那么如何实现全局的分组?
1.4.3. reg.exec()
从字面意思来看,正则表达式的执行方法。 这个方法可以实现匹配全局,并返回分组的结果。
reg.exec()每次调用,返回一个匹配的结果,匹配结果和分组以数组的形式返回,不断的调用即可返回下一个结果,直到返回
null
var str = "Here is a Phone Number 111-2313 and 133-2311" ;
var srg = /(d{3})[-.]d{4}/g;
var result = srg.exec(str);
while(result !== null) {
console.log(result);
result = srg.exec(str);
}
result包含的内容可能比想象中的多,它是一个数组,比如第一次执行,他的结果为:
["133-2311", "133", index: 36,
input: "Here is a Phone Number 111-2313 and 133-2311" groups: undefined]
1.4.4. str.split
现在来到了更强的功能上,先说下split,我们知道split是将字符串按照某个字符分隔开,比如有以下一段话,需要将其分割成单词。
var s = "unicorns and rainbows And, Cupcakes"
分割成单词,首先想到的是空格隔开,于是可以用下面方式实现
var result = s.split(' ');
var result1 = s.split(/s/);
//完全一样的效果
//["unicorns", "and", "rainbows", "And,", "Cupcakes"]
嗯,这样体现不出来正则的强大,而且最主要的是没有实现要求。因为还有一个”And,”。所以要用正则了,匹配条件是逗号或者空格
result = s.split(/[,s]/);
//["unicorns", "and", "rainbows", "And", "", "Cupcakes"]
结果仍然和需要的有出入,因为多了一个””。 我们并不是想让它分割的依据是逗号或者空格
,依据应该是逗号或空格所在的连续序列
。 在原来的基础上加一个+
,改成/[,s]+/
,这个含义就是一个单独的逗号,或者一个单独的空格
result = s.split(/[,s]+/);
// ["unicorns", "and", "rainbows", "And", "Cupcakes"]
1.4.4.1. 单词分割
好了,拓展一下,实现一个段落的单词分割,一个正则表达式就是
result = s.split(/[,.!?s]+/)
当然,有个最简单的方法,我们可以这样去做
result = s.split(/W+/);
接着,如果我们想将一个段落的句子都分隔开,一个可以实现的表达式就是
result = s.split(/[.,!?]+/)
最后,有一个小需求,就是在分割句子的同时,还想把相应的分隔符保留下来。
var s =
"Hello,My name is Vincent. Nice to Meet you!What's your name? Haha."
这是一个小小的ponit,记住如果想要保留分隔符,只要给匹配的内容分组即可
var result = s.split(/([.,!?]+)/)
//["Hello", ",", "My name is Vincent", ".", " Nice to Meet you", "!", "What's your name", "?", " Haha", ".", ""]
可以看到,这样就会把分隔符也存储起来。
1.4.5. str.replace()
replace也是字符串的方法,它的基本用法是str.replace(reg,replace|function)
,第一个参数是正则表达式,代表匹配的内容,第二个参数是替换的字符串或者一个回掉函数。
注意,replace不会修改原字符串,只是返回一个修改后的字符串;除此外,正则表达式如果没有使用g
标志,也和match
一样,只匹配/替换第一个
1.4.5.1. 最简单的替换
替换一个序列中的元音字母(aeiou),将其替换成一个double。 比如x->xx
var s = "Hello,My name is Vincent."
var result = s.replace(/([aeiou])/g,"$1$1")
//"Heelloo,My naamee iis Viinceent."
注意,第二个参数必须是字符串; 注意不要忘记加g
1.4.5.2. 牛x哄哄的function参数来了
嗯,这才是最强大的地方,第二参数传入function,先看一个最简单的示例
var s = "Hello,My name is Vincent. What is your name?"
var newStr = s.replace(/bw{4}b/g,replacer)
console.log(newStr)
function replacer(match) {
console.log(match);
return match.toUpperCase();
}
/*
name
What
your
name
Hello,My NAME is Vincent. WHAT is YOUR NAME?
*/
所以,函数的参数是匹配到的内容,返回的是需要替换的内容。好了,基本示例解释了基本用法,那么之前讨论的分组怎么办?如何实现分组呢?
//分组
function replacer(match,group1,group2) {
console.log(group1);
console.log(group2);
}
如果正则表达式分组处理,那么在回调函数中,函数的第二个、第三参数就是group1,group2。这样子,就可以做很多神奇的事情
1.4.5.3. 综合练习题
- 判断一个字符串中出现次数最多的字符,并统计次数
var s = 'aaabbbcccaaabbbaaa';
var a = s.split('').sort().join(""); //"aaaaaaaaabbbbbbccc"
var ans = a.match(/(w)1+/g);
ans.sort(function(a,b) {
return a.length - b.length;
})
console.log('ans is : ' + ans[ans.length-1])
1.4.6. 总结
- 在js中,正则表达式字面量
/reg/
和字符串字面量"str"
用于创建正则和字符串。其中正则上有两个方法reg.test()
和reg.exec()
reg.test(str)
方法,返回布尔变量,用于指示是否有所匹配;reg.exec(str)
有点类似与迭代器,每次执行,返回匹配结果和分组,直到返回为null
结束。- 字符串方法主要有
str.match(reg)
,str.split(reg)
和str.replace(reg,str|function)
三种方法。 match
比较特殊,如果正则包含了分组,且没有g
标志,则返回匹配内容和分组; 如果没有分组,且有g
标志,返回所有匹配内容split
方法主要用于字符串分割,如果想要保存分隔符,记得将匹配内容分组(用小括号包起来)replace
是最强大的方法,当使用回掉函数时,返回值就是替换值; 参数分别为匹配值
group1
group2
…
文章来源:https://www.cnaaa.net,转载请注明出处:https://www.cnaaa.net/archives/6585