可能是最好的正则表达式教程的笔记

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(位置) Column C
\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 C3
\S 匹配white space(包括空格、tab等) {n}匹配出现n次的 C3
. 匹配任何,任何的字符 B3 C3

1.1.1. single char

假设你有一段字符如下:
字符

  • \w

    将匹配所有word,当然,() - 等字符除外

  • \w\w\w

发现匹配的有’These are some phone numbers …’
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。

  • \s\s

    匹配到一行中连续两个空格

    quantifiers

    假设我们有这一段话:

    1
    2
    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 some phone numbers 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:
    Theseare some phonenumbers915-555-1234…’
    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^ $\b

1
2
3
4
5
6
7
8
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\b\w{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,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:

1
The lynk is quite a link don't you think? l nk l(nk

正则表达式:
l[yi (]k

结果:

1
lynk  link  l nk   l(nk

很容易理解的,就是表达逻辑。

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:

1
2
3
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\( \.

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

  1. -连接符不是第一个字符时
    [-.]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。

  2. []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

1
2
3
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

  1. 任何一个以words开头的,一个或更多 \w+
  2. 紧接着是一个@符号 \w+@
  3. 接着有一个或者更多的words \w+@\w+
  4. 接着一个.标点 \w+@\w+\.
  5. 接着一个com netedu \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

  1. []的作用,用英文表达就是”alternation”,表达一个或的逻辑;
  2. /[-.(]/ 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
  3. [.)] 括号中的特殊符号不需要转义,就表示其本身
  4. [^ab] 括号中的^表示非,anythings except a and b
  5. (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

1
2
3
4
5
6
7
8
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:

1
2
3
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

1
2
3
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

  1. 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
    1
    2
    3
    4
    shiffina, Daniel
    shifafl, Daniell
    shquer, Danny
    ...

实现方法:

1
2
3
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

  1. 匹配markdown中的link标签,并替换为html标签
    1
    2
    3
    [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:
字符匹配

看到了,第一行的内容会全部匹配下来,而不能区分[google][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][test]分开,效果如下:
分割

接下来完成所有内容:

1
2
3
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

1
2
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+)\s\1

效果:
效果图

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,就变成了\b(\w+)\s\1\b

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

  1. 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
  2. 选择器可以使用$1\1,但是使用场景不同,\用在正则表达式自己身上
  3. ?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。

1
2
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()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。

1
2
3
4
5
6
7
8
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。

1
2
3
4
5
6
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

1
var reg = /w+/g

看下面一个练习

1
2
3
4
5
6
7
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?

1
2
3
4
5
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

1
2
3
4
5
6
7
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:

1
2
["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。

1
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

1
2
3
4
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

1
2
3
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

1
2
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

1
result = s.split(/[,.!?\s]+/)

当然,有个最简单的方法,我们可以这样去做

1
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

1
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。

1
2
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

1
2
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

1
2
3
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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
var s = "Hello,My name is Vincent. What is your name?"
var newStr = s.replace(/\b\w{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?

1
2
3
4
5
6
//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

  1. 判断一个字符串中出现次数最多的字符,并统计次数
1
2
3
4
5
6
7
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])

1.4.6. 总结

  1. 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()reg.exec()
  2. 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。
  3. 字符串方法主要有str.match(reg),str.split(reg)str.replace(reg,str|function) 三种方法。
  4. 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
  5. 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)
  6. 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
0%