快速回忆正则表达式

前端之家收集整理的这篇文章主要介绍了快速回忆正则表达式前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

这不是入门级文章,但如果你对正则表达式有了解,或使用过,则能帮助你快速回忆。阅读此文需要你之前使用过正则表达式或者有些了解,因为我没有写很多的例子。总结正则表达式,只是因为个人在几年的积累之后,想通俗简单的概述正则表达式中各种符号和用法。网上有很多关于正则表达式,但总感觉专业术语太多,读起来拗口或绕弯子。最后两小节来自正则表达式30分钟入门教程(如果你完全不了解正则表达式,还是先去这看看,因为他的例子较多,两相比较有助深入理解),有部分修缮。

正则表达式字符串由两种基本字符组成:原义文本字符和元字符。所谓元字符就是正则表达式中具有特殊意义的专用字符,元字符可能是一个字符,也可能是多个字符组成的一个基本单元。

元字符

一个元字符可能代表的是一个数字、字母、位置或数量

代表字符

代码

说明

.

匹配除换行符以外的任意字符

\w

匹配字母或数字或下划线或汉字

\s

匹配任意的空白符

\d

匹配数字

\S

与\s相反

\D

与\d相反

\W

与\w相反


代表数量

代码

说明

*

重复零次或更多次

+

重复一次或更多次

?

重复零次或一次

{n}

重复n次

{n,}

重复n次或更多次

{n,m}

重复n到m次


代表位置

代码

说明

\b

匹配单词的开始或结束

\B

不是单词开头或结束的开始

^

匹配字符串的开始

$

匹配字符串的结束


转义字符

既然元字符在正则表达式中有特殊意义,如果现在要把它们当成一般原义文本字符,怎么办?在元字符前添加反斜杠\,表示当前元字符已经失去了正则表达式中的特殊意义,变成了一个原义文本字符。

预定义字符集

元字符匹配范围太广,如果只是想匹配某小范围内的字符,该怎么办?

很简单,使用方括号列出来即可。如[aeIoU]或[.?!],表示只能匹配方括号中出现的字符。

需要注意的是:在这个方括号中,代斜杠的元字符依然是元字符,但那些没有斜杠前缀的则都不再是元字符,但多了一个元字符,就是连字符-。

  • 如果连字符在两个字符之间,那么就表示范围,连字符本身不算,如[0-9],[a-z]等;
  • 如果连字符后面没有字符,则表示连字符也是预定义的字符集的字符之一,如[*%-];

在预定义字符集中,可以使用转义字符

反义(antonymy)

有时只需要查找不属于某个简单定义的字符集的字符,这就是反义

代码

说明

\W

匹配任意不是字母,数字,下划线,汉字的字符

\S

匹配任意不是空白符的字符

\D

匹配任意非数字的字符

\B

匹配不是单词开头或结束的位置

[^x]

匹配除了x以外的任意字符

[^aeIoU]

匹配除了aeIoU这几个字母以外的任意字符


或 | 分支

这相当于或语句,具体方法是用垂直线|把不同的规则分隔开。如0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码:一种是三位区号,8位本地号(如010-12345678),一种是4位区号,7位本地号(0376-2233445)。

分组(group)

所谓分组,其实就是把小括号()中正则表达式作为一个小的匹配单元。

分组的作用有两个:

  • 默认情况下,正则表达式会解析器给每一个小组分配一个组号,通过这种方式,后面的正则表达式就可以通过组号引用这个小组匹配的内容
  • 小组后可以跟代表数量的元字符,简化正则表达式书写;比如,(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。

小组后跟代表数量的元字符有一个问题需要注意:感觉应该是生成了若干个小组,但其实就是一个分组,因为组号是解析器解析的时候给的,代表小组的字符串在整个正则表达式字符串中只出现了一次,所以只分配了一个唯一的组号。因此,正则表达式执行完后,这个组匹配的内容是最后一次匹配的内容

比如:

/(\d{1,3}\.){3}\d{1,3}/g.exec("201.202.203.204");

结果:["201.202.203.204","203."]

后面的正则表达式通过组号引用前面分组匹配的内容,这个就叫后向引用。组号的规则是:从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,依此类推。引用的时候记得在组号前加上斜杠。

比如:

/\b(\w+)\b\s+\1\b/.test("hellohello"); // true

/\b(\w+)\b\s+\1\b/.test("hellohell"); // false

分组的语法:

代码/语法

说明

(exp)

匹配exp,并捕获文本到自动命名的组里

(?<name>exp)

匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp)

(?:exp)

匹配exp,不捕获匹配的文本,也不给此分组分配组号


零宽断言

零宽断言像\b、^、$一样用于指定一个位置,但这个位置应该满足一定的条件,这个条件就被称之为断言。因为这个断言不像分组一样有组号,不消耗匹配的字符串,所以称之为零宽断言。

代码/语法

说明

(?=exp)

断言这个位置的后面,一定有匹配exp的内容

(?<=exp)

断言这个位置的前面,一定有匹配exp的内容

(?!exp)

断言这个位置的后面,一定没有匹配exp的内容

(?<!exp)

断言这个位置的前面,一定没有匹配exp的内容

注释

注释用(?#comment)表示。

贪婪与懒惰(greedy and idle)

一段固定的正则表达式,它所能匹配的可能是整个字符串,也可能只是整个字符串的一部分。假如出现一段正则表达式既能匹配整个字符串,也能只匹配部分该如何处理?

/h.*o/.exec("hello ho"); // ["hello ho"]

/h.*?o/.exec("helloho"); // ["hello"]

以上这个例子中,匹配hello使用的是懒惰匹配,而没有问号限定的则是使用的贪婪匹配。

所谓贪婪匹配就是尽可能多的重复,以匹配尽可能多的字符。反之,懒惰匹配就是匹配尽可能少的字符。默认是贪婪算法,只有在表示数量的元字符后使用了懒惰限定符(也就是问号)才表示这个地方使用懒惰算法。

懒惰限定符

语法

说明

*?

重复任意次,但尽可能少重复

+?

重复1次或更多次,但尽可能少重复

??

重复0次或1次,但尽可能少重复

{n,m}?

重复n到m次,但尽可能少重复

{n,}?

重复n次以上,但尽可能少重复


平衡组(balance group)/递归匹配(recursive match)

前面讲的所有匹配都是线性的,对于匹配像( 100 * ( 50 + 15 ) )这样的可嵌套的层次性结构,则上面的一切方法都没用。因为你不可能知道括号什么时候出现,而且如果左括号和右括号出现的次数不相等怎么办?如何匹配到最长的,配对的括号之间的内容

这里需要用到以下的语法构造:

  • (?'group'exp) 把捕获的内容命名为group,并压入堆栈(Stack)
  • (?'-group'exp) 从堆栈上弹出最后压入堆栈的名为group的捕获内容,如果堆栈本来为空,则本分组的匹配失败
  • (?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话,继续匹配yes部分的表达式,否则继续匹配no部分
  • (?!) 零宽负向先行断言,由于没有exp,试图匹配总是失败

为了避免(和\(把你的大脑彻底搞糊涂,我们还是用尖括号代替圆括号吧。现在我们的问题变成了如何把xx <aa <bbb> <bbb> aa> yy这样的字符串里,最长的配对的尖括号内的内容捕获出来?

< #最外层的左括号

[^<>]* #最外层的左括号后面的不是括号的内容

(

(

(?'Open'<) #碰到了左括号,在黑板上写一个"Open"

[^<>]* #匹配左括号后面的不是括号的内容

)+

(

(?'-Open'>) #碰到了右括号,擦掉一个"Open"

[^<>]* #匹配右括号后面不是括号的内容

)+

)*

(?(Open)(?!)) #在遇到最外层的右括号前面,判断黑板上还有没有没擦掉的"Open";如果还有,则匹配失败

>#最外层的右括号

更多

常用转义字符及其他部分元字符

代码/语法

说明

\a

报警字符(打印它的效果是电脑嘀一声)

\b

通常是单词分界位置,但如果在字符类里使用代表退格

\t

制表符,Tab

\r

回车

\v

竖向制表符

\f

换页符

\n

换行符

\e

Escape

\0nn

ASCII代码中八进制代码为nn的字符

\xnn

ASCII代码中十六进制代码为nn的字符

\unnnn

Unicode代码中十六进制代码为nnnn的字符

\cN

ASCII控制字符。比如\cC代表Ctrl+C

\A

字符串开头(类似^,但不受处理多行选项的影响)

\Z

字符串结尾或行尾(不受处理多行选项的影响)

\z

字符串结尾(类似$,但不受处理多行选项的影响)

\G

当前搜索的开头

\p{name}

Unicode中命名为name的字符类,例如\p{IsGreek}

原文链接:https://www.f2er.com/regex/360534.html

猜你在找的正则表达式相关文章