2019.8.15分享:正则表达式字符匹配攻略

一、正则表达式

正则表达式是匹配模式,要么匹配字符,要么匹配位置。

这次分享主要将提下正则表达式字符匹配

• 两种模糊匹配

• 字符组

• 量词

• 分支结构

• 案例分析

1.1. 两种模糊匹配

如果正则只有精确匹配是没多大意义的,比如 /hello/,也只能匹配字符串中的 "hello" 这个子串。

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

正则表达式之所以强大,是因为其能实现模糊匹配。

而模糊匹配,有两个方向上的“模糊”:横向模糊和纵向模糊。

1.1.1. 横向模糊匹配

横向模糊指的是,一个正则可匹配的字符串的长度不是固定的,可以是多种情况的。
其实现的方式是使用量词。

譬如 {m,n},表示连续出现最少 m 次,最多 n 次。

比如正则 /ab{2,5}c/ 表示匹配这样一个字符串:第一个字符是 "a",接下来是 2 到 5 个字符 "b",最后是字符 "c"。

其可视化形式如下:


1.png

测试如下:

  var regex = /ab{2,5}c/g;
  var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
  console.log( string.match(regex) );
  // => ["abbc", "abbbc", "abbbbc", "abbbbbc"]
案例中用的正则是 /ab{2,5}c/g,其中 g 是正则的一个修饰符。
表示全局匹配,即,在目 标字符串中按顺序找到满足匹配模式的所有子串,强调 的是“所有”,而不只是“第一个”。
g 是单词 global 的首字母。
1.1.2. 纵向模糊匹配

纵向模糊指的是,一个正则匹配的字符串,具体到某一位字符时,它可以不是某个确定的字符,可以有多种 可能。

其实现的方式是使用字符组。譬如 [abc],表示该字符是可以字符 "a"、"b"、"c" 中的任何一个。 比如 /a[123]b/ 可以匹配如下三种字符串: "a1b"、"a2b"、"a3b"。
其可视化形式如下:


2.png

测试如下:

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

需要强调的是,虽叫字符组(字符类),但只是其中一个字符。
例如 [abc],表示匹配一个字符,它可以是 "a"、"b"、"c" 之一。

1.2.1. 范围表示法

如果字符组里的字符特别多的话,可以使用范围表示法。
比如 [123456abcdefGHIJKLM],可以写成 [1-6a-fG-M]。用连字符 - 来省略和简写。 因为连字符有特殊用途,那么要匹配 "a"、"-"、"z" 这三者中任意一个字符,该怎么做呢? 不能写成 [a-z],因为其表示小写字符中的任何一个字符。
可以写成如下的方式:[-az] 或 [az-] 或 [a-z]。 即要么放在开头,要么放在结尾,要么转义。总之不会让引擎认为是范围表示法就行了。

1.2.2. 排除字符组

纵向模糊匹配,还有一种情形就是,某位字符可以是任何东西,但就不能是 "a"、"b"、"c"。
此时就是排除字符组(反义字符组)的概念。例如 [^abc],表示是一个除 "a"、"b"、"c"之外的任意一个字 符。字符组的第一位放 ^(脱字符),表示求反的概念。
当然,也有相应的范围表示法。

1.2.3. 常见的简写形式

有了字符组的概念后,一些常见的符号我们也就理解了。因为它们都是系统自带的简写形式
字符组.png

如果要匹配任意字符怎么办?可以使用 [\d\D]、[\w\W]、[\s\S] 和 [^] 中任何的一个。 以上各字符组对应的可视化形式是:


3.png
1.3. 量词

量词也称重复。掌握 {m,n} 的准确含义后,只需要记住一些简写形式。

1.3.1. 简写形式
量词.png
1.3.2. 贪婪匹配与惰性匹配
贪婪匹配:

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"]

其中正则 /\d{2,5}/,表示数字连续出现 2 到 5 次。会匹配 2 位、3 位、4 位、5 位连续数字。

但是其是贪婪的,它会尽可能多的匹配。你能给我 6 个,我就要 5 个。你能给我 3 个,我就要 3 个。
反正只要在能力范围内,越多越好。

惰性匹配

尽可能少的匹配:

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}?/ 表示,虽然 2 到 5 次都行,当 2 个就够的时候,就不再往下尝试了。
以上惰性量词对应的可视化形式是:


惰性匹配.png
1.4. 多选分支

一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一。
具体形式如下:(p1|p2|p3),其中 p1、p2 和 p3 是子模式,用 |(管道符)分隔,表示其中任何之一。 例如要匹配字符串 "good" 和 "nice" 可以使用 /good|nice/。

可视化形式如下:
6.png

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

但有个事实我们应该注意,比如我用 /good|goodbye/,去匹配 "goodbye" 字符串时,结果是 "good":

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

而把正则改成 /goodbye|good/,结果是:

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

也就是说,分支结构也是惰性的,即当前面的匹配上了,后面的就不再尝试了。

1.5. 案例分析

匹配字符,无非就是字符组、量词和分支结构的组合使用罢了。
下面找几个例子演练一下(其中,每个正则并不是只有唯一写法):

1.5.1. 匹配 16 进制颜色值

要求匹配:

    #ffbbad
    #Fc01DF
    #FFF
    #ffE

分析:
表示一个 16 进制字符,可以用字符组 [0-9a-fA-F]。
其中字符可以出现 3 或 6 次,需要是用量词和分支结构。 使用分支结构时,需要注意顺序。
正则如下:

  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"]

其可视化形式:


匹配16进制颜色.png
1.5.2. 匹配时间 以 24 小时制为例。

要求匹配:

23:59
02:07

分析:
共 4 位数字,第一位数字可以为 [0-2]。
当第 1 位为 "2" 时,第 2 位可以为 [0-3],其他情况时,第 2 位为 [0-9]。 第 3 位数字为 [0-5],第4位为 [0-9]。
正则如下:

  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
正则中使用了 ^ 和 $,分别表示字符串开头和结尾。

如果也要求匹配 "7:9",也就是说时分前面的 "0" 可以省略。 此时正则变成:

  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

其可视化形式:


匹配时间.png
1.5.3. 匹配日期

比如 yyyy-mm-dd 格式为例。
要求匹配:

2017-06-10

分析:
年,四位数字即可,可用 [0-9]{4}。
月,共 12 个月,分两种情况 "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])。
正则如下:

   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

其可视化形式:


匹配日期.png

推荐阅读更多精彩内容