0
点赞
收藏
分享

微信扫一扫

【正则】954- 正则表达式有几种字符匹配模式?

【正则】954- 正则表达式有几种字符匹配模式?_正则表达式

最近再一次重温老姚大佬的《JavaScript 正则表达式迷你书》 , 并将核心知识点整理一遍,方便复习。

原书写得非常棒,建议看下原书啦。  地址:https://github.com/qdlaoyao/js-regex-mini-book


原书这么一句话,特别棒:正则表达式是匹配模式,要么匹配字符,要么匹配位置,要记住。

1. 两种模糊匹配

正则表达式的强大在于它的模糊匹配,这里介绍两个方向上的“模糊”:横向模糊和纵向模糊。

  • 横向模糊匹配

即一个正则可匹配的字符串长度不固定,可以是多种情况。

如 ​​/ab{2,5}c/​​​ 表示匹配:第一个字符是 ​​"a"​​​ ,然后是 2 - 5 个字符 ​​"b"​​​ ,最后是字符 ​​"c"​​ :

let r = /ab{2,5}c/g;
let s = "abc abbc abbbc abbbbbbc";
s.match(r); // ["abbc", "abbbc"]

  • 纵向模糊匹配

即一个正则可匹配某个不确定的字符,可以有多种可能。

如 ​​/[abc]/​​​ 表示匹配 ​​"a", "b", "c"​​ 中任意一个。

let r = /a[123]b/g;
let s = "a0b a1b a4b";
s.match(r); // ["a1b"]

2. 字符组

  • 范围表示法

可以指定字符范围,比如 ​​[1234abcdUVWXYZ]​​​ 就可以表示成 ​​[1-4a-dU-Z]​​​ ,使用 ​​-​​ 来进行缩写。

如果要匹配 ​​"a", "-", "z"​​​ 中任意一个字符,可以这么写:​​[-az]​​​ 或 ​​[a\-z]​​​ 或 ​​[az-]​​ 。

  • 排除字符组

即需要排除某些字符时使用,通过在字符组第一个使用 ​​^​​​ 来表示取反,如 ​​[^abc]​​​ 就表示匹配除了 ​​"a", "b", "c"​​ 的任意一个字符。

  • 常见简写形式

字符组

具体含义

​\d​

表示 ​​[0-9]​​,表示一位数字。

​\D​

表示 ​​[^0-9]​​,表示除数字外的任意字符。

​\w​

表示 ​​[0-9a-zA-Z_]​​,表示数字、大小写字母和下划线。

​\W​

表示 ​​[^0-9a-zA-Z_]​​,表示非单词字符。

​\s​

表示 ​​[\t\v\n\r\f]​​,表示空白符,包含空格、水平制表符、垂直制表符、换行符、回车符、换页符。

​\S​

表示 ​​[^\t\v\n\r\f]​​,表示非空白字符。

​.​

表示 ​​[^\n\r\u2028\u2029]​​ 。通配符,表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。

然后表示任意字符,就可以使用 ​​[\d\D]​​​、​​[\w\W]​​​、​​[\s\S]​​​ 和 ​​[^]​​ 任意一个。

3. 量词

量词也称重复,常用简写如下:

量词

具体含义

​{m,}​

表示至少出现 m 次。

​{m}​

等价于 ​​{m, m}​​ ,表示出现 m 次。

​?​

等价于 ​​{0, 1}​​ ,表示出现或不出现。

​+​

等价于 ​​{1, }​​ ,表示至少出现1次。

​*​

等价于 ​​{0, }​​ ,表示出现任意次,也有可能不出现。

  • 贪婪匹配和惰性匹配

在正则 ​​/\d{2,4}/​​ ,表示数字连续出现 2 - 4 次,可以匹配到 2 位、 3 位、4 位连续数字。

但是在 贪婪匹配 如 ​​/\d{2,4}/g​​ ,会尽可能多匹配,如超过 4 个,就只匹配 4 个,如有 3 个,就匹配 3 位。

而在 惰性匹配 如 ​​/\d{2,4}?/g​​ ,会 尽可能少 匹配,如超过 2 个,就只匹配 2 个,不会继续匹配下去。

let r1 = /\d{2,4}/g;
let r2 = /\d{2,4}?/g;
let s = "123 1234 12345";
s.match(r1); // ["123", "1234", "1234"]
s.match(r2); // ["12", "12", "34", "12", "34"]

惰性量词

贪婪量词

​{m,m}?​

​{m,m}​

​{m,}?​

​{m,}​

​??​

​?​

​+?​

​+​

​*?​

​*​

4. 多选分支

即提供多个子匹配模式任选一个,使用 ​​|​​(管道符)分隔,由于分支结构也是惰性,即匹配上一个后,就不会继续匹配后续的。

格式如:​​(r1|r2|r3)​​​,我们就可以使用 ​​/leo|pingan/​​​ 来匹配 ​​"leo"​​​ 和 ​​"pingan"​​。

let r = /leo|pingan/g;
let s = "leo cool,pingan good.";
s.match(r);// ["leo", "pingan"]

// 多选分支的惰性表现
let r1 = /leo|leooo/g;
let r2 = /leooo|leo/g;
let s = "leooo";
s.match(r1);// ["leo"]
s.match(r2);// ["leooo"]

5. 分组命名 (ES9)

ES9 之前的分组是通过数字命名的:

const pattern = /(\d{4})-(\d{2})-(\d{2})/u;
const result = pattern.exec('2020-01-05');
console.log(result[0]); // 打印"2020-01-05"
console.log(result[1]); // 打印"2020"
console.log(result[2]); // 打印"01"
console.log(result[3]); // 打印"05"

现在可以通过指定分组的名称,增加代码可读性,便于维护:

const pattern = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/u;
const result = pattern.exec('2020-01-05');
console.log(result.groups.year); // 打印"2020-01-05"
console.log(result.groups.month); // 打印"01"
console.log(result.groups.day); // 打印"05"

分组命名还可以和 ​​String.prototype.replace​​ 方法结合:

const reDate = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/;
const d = '2020-01-05';
const USADate = d.replace(reDate, '$<month>-$<day>-$<year>');
console.log(USADate); // 01-05-2020

6. 忽略分组

如果不希望捕获某些分组,在分组内加上 ​​?:​​​ 即可。比如 ​​(?:tom).(ok)​​​ 那么这里 ​​$1​​​ 指的就是 ​​ok​​。

7. 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。

  • 十六进制颜色值匹配

let r = /#[0-9a-fA-F]{6}|#[0-9a-fA-F]{3}/g;
let s = "#ffaacc #Ff00DD #fFF #01d #9Gd";
s.match(r); // ["#ffaacc", "#Ff00DD", "#fFF", "#01d"]

  • 时间和日期匹配

// 时间 12:23 或 01:09
let r = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;
r.test("23:25"); // true
r.test("03:05"); // true

// 时间 12:23 或 1:9
let r = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;
r.test("23:25"); // true
r.test("03:05"); // true
r.test("3:5"); // true

// 日期 yyyy-mm-dd
let r = /^[0-9]{4}-(0[1-9]|[1][0-2])-(0[1-9]|[12][0-9]|3[01])$/;
r.test("2019-09-19"); // true
r.test("2019-09-32"); // false

  • Windows操作系统文件路径匹配

盘符使用 ​​[a-zA-Z]:\\​​​ ,这里需要注意 ​​\​​​ 字符需要转义,并且盘符不区分大小写;
文件名或文件夹名,不能包含特殊字符,使用 ​​​[^\\:*<>|"?\r\n/]​​​ 表示合法字符;
并且至少有一个字符,还有可以出现任意次,就可以使用 ​​​([^\\:*<>|"?\r\n/]+\\)*​​​ 匹配任意个 ​​文件夹\​​​;
还有路径最后一部分可以是 ​​​文件夹​​​ ,即没有 ​​\​​​ 于是表示成 ​​([^\\:*<>|"?\r\n/]+)?​​。

let r = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;
r.test("C:\\document\\leo\\a.png"); // true
r.test("C:\\document\\leo\\"); // true
r.test("C:\\document"); // true
r.test("C:\\"); // true

  • id匹配

如提取 ​​<div id="leo" class="good"></id>​​​ 中的 ​​id="leo"​​ :

let r1 = /id=".*"/;    // tips1
let r2 = /id=".*?"/; // tips2
let r3 = /id="[^"]*"/; // tips3

let s = '<div id="leo" class="good"></id>';
s.match(r1)[0]; // id="leo" class="good"
s.match(r2)[0]; // id="leo"
s.match(r3)[0]; // id="leo"

tips1:由于 ​​.​​​ 匹配双引号,且 ​​*​​​ 贪婪,就会持续匹配到最后一个双引号结束。
tips2:使用惰性匹配,但效率低,有回溯问题。
tips3:最终优化。

【正则】954- 正则表达式有几种字符匹配模式?_正则表达式_02


举报

相关推荐

0 条评论