正则表达式字符串匹配相关

引：《JavaScript 正则表达式迷你书》

读老姚丨洞见生产者的《JavaScript 正则表达式迷你书》全是干货好书，通俗易懂，图文结合
正则是匹配模式，要么匹配字符，要么匹配位置。《JavaScript 正则表达式迷你书》

一、两种模糊匹配（横向模糊和纵向模糊）

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

	// 释1：表示第一个字符是'a'，第二个字符为'b'，2-5（索引）的字符只能够为'b'，后面紧接字符'c'
	// 释2：{2,5}量词理解：第一个字符为'a'，后面紧接'b'出现2到5次，后面紧接字符'c'
	// 其中 g 是正则的一个修饰符，表示全局匹配
	let R = /ab{2,5}c/g
	let string = 'abc abbc abbbc abbbbc abbbbbc abbbbbbc abdc ab1c'
	string.match(R) // ['abbc', 'abbbc', 'abbbbc', 'abbbbbc']
1
2
3
4
5
6

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。

	// 表示第一个字符是'a'，第二个字符为123数组其中的一个，后面紧接字符'c'，字符串长度为3
	let R = /a[123]c/g
	let string = 'a1c a2c a3c abc a123c a12c a1dc ab1c'
	string.match(R) // ['a1c', 'a2c', 'a3c']
1
2
3
4

二、字符组（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.表示范围

	[1-5a-dA-D] //表示范围[12345abcdABCD]
	
	[a-z] // 表示所有小写字母
	
	// 正则语言中的特殊字符表达时要么放在开头，要么放在结尾，要么转义，例如要匹配"a"、"z"、"-"三者中任意字符
	[a\-z]、[-az]、[az-]
	
1
2
3
4
5
6
7

2.取反范围

反义字符组，字符组的第一位放 ^（脱字符），表示求反的概念

	[^abc] // 除了"a" "b" "c" 其他任意字符都满足
	
1
2

3.常用简写

	\d       // 表示 [0-9]。表示是一位数字，记忆方式：其英文是 digit（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，记忆方式：w 是 word 的简写，也称单词字符
	\W       // 表示 [^0-9a-zA-Z_]。非单词字符
	\s       // 表示 [ \t\v\n\r\f]。表示空白符，包括空格、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]。 非空白符
	.        // 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，记忆方式：想想省略号 … 中的每个点，都可以理解成占位符，表示任何类似的东西
1
2
3
4
5
6
7

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

三、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.简写形式

	{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}，表示出现或者不出现
	+          // 等价于 {1,}，表示出现至少一次。
	*          // 等价于 {0,}，表示出现任意次，有可能不出现
	
	
	let R = /a{3}/  // 表示"a" 连续出现3次
	let R = /\d{1,5}/   // 表示数字连续出现1到5次
	let R = /c+/    // 表示至少要有一个"c"
1
2
3
4
5
6
7
8
9
10

2.贪婪与惰性匹配（使用书中例子）

贪婪匹配

	let regex = /\d{2,5}/g;
	let 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
1
2
3
4
5
6
7
8

惰性匹配

	let regex = /\d{2,5}?/g;
	let 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
1
2
3
4
5
6

通过在量词后面加个问号就能实现惰性匹配，对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？

惰性量词:        贪婪量词:
{m,n}?           {m,n}
{m,}? 			 {m,}
??				 ?
+? 				 +	
*? 				 *
1
2
3
4
5
6

3.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"vue"和"react" 可以使用 /vue|react/
	let R = /vue|react/g
	let str = "vue and react"
	console.log(str.match(R))
	// ['vue', 'react']
1
2
3
4
5

分支结构也是惰性的匹配，当前面的匹配上了，后面的就不再匹配。如下

	// 上面的例子改为去匹配"vue and vuex"
	let R1 = /vue|vuex/g
	let str1 = "vuex"
	console.log(str1.match(R1))
	// ['vue']
	let R2 = /vuex|vue/g
	let str2 = "vuex"
	console.log(str2.match(R2))
	// ['vuex']
1
2
3
4
5
6
7
8
9

四、案例分析

例1.匹配 16 进制颜色值

要求匹配:

#ffbbad
#Fc01DF
#FFF
#ffE
1
2
3
4

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（惰性）

正则：

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"]
1
2
3
4

例2.匹配时间

以 24 小时制为例，要求匹配：

23:59
02:07
1
2

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：

var regex = /^[01][0-9]|2[0-3]:[0-5][0-9]$/;
console.log( regex.test("23:59") ); // true
console.log( regex.test("02:07") ); // true
1
2
3

正则中使用了 ^ 和 $，分别表示字符串开头和结尾，在字符组中使用脱字符表示反义字符组取反

如果也要求匹配 “7:9”，也就是说时分前面的 “0” 可以省略

var regex = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;
console.log( regex.test("23:59") ); // true
console.log( regex.test("02:07") ); // true
console.log( regex.test("7:9") ); // true
1
2
3
4

例3.匹配日期

比如 yyyy-mm-dd 格式为例，要求匹配：

2017-06-10
1

分析:
年4位数，可以字符组加量词表示为[0-9]{4}
月2位数，分两种情况，01 02 03 04… 10 11 12，加上分支表示为0[1-9]|1[0-2]
日2位数，最大31号，可表示为0[1-9]|[12][0-9]|3[01]

正则：

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
1
2

例4.window 操作系统文件路径
尬，这个题学的迷迷糊糊的，我直接全部贴出来…
要求匹配：

F:\study\javascript\regex\regular expression.pdf
F:\study\javascript\regex\
F:\study\javascript
F:\
1
2
3
4

分析：
整体模式是: 盘符:\文件夹\文件夹\文件夹
其中匹配 “F:”，需要使用 [a-zA-Z]:\，其中盘符不区分大小写，注意 \ 字符需要转义。
文件名或者文件夹名，不能包含一些特殊字符，此时我们需要排除字符组 [^\:<>|"?\r\n/] 来表示合法字符。
另外它们的名字不能为空名，至少有一个字符，也就是要使用量词 +。因此匹配 文件夹\，可用[^\:<>|“?\r\n/]+\。
另外 文件夹\，可以出现任意次。也就是 ([^\:<>|"?\r\n/]+\)。其中括号表示其内部正则是一个整体。具体详细请参考第三章。（可能是还有姿势没学…）
路径的最后一部分可以是 文件夹，没有 \，因此需要添加 ([^\:*<>|”?\r\n/]+)?。
最后拼接成了一个看起来比较复杂的正则：

var regex = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;
console.log( regex.test("F:\\study\\javascript\\regex\\regular expression.pdf") );
console.log( regex.test("F:\\study\\javascript\\regex\\") );
console.log( regex.test("F:\\study\\javascript") );
console.log( regex.test("F:\\") );
// => true
// => true
// => true
// => true
1
2
3
4
5
6
7
8
9

其中，在JavaScript 中字符串要表示字符 \ 时，也需要转义

例5. 匹配 id

要求从

提取出 id=“container”。

分析：
比较容易想到根据"id=xxx"这种格式来写正则，例如：/id=“.*”/，但是由于正则的贪婪与惰性匹配，*属于贪婪量词
当遇到 container 后面双引号时，是不会停下来，会继续匹配，直到遇到最后一个双引号为止

let regex = /id=".*"/
let string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container" class="main"
1
2
3
4

贪婪量词加？改为惰性量词解决问题

let regex = /id=".*?"/
let string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"
1
2
3
4

五、总结

关于正则的字符串匹配，主要需要掌握字符组、量词以及分支结构，然后理解惰性与贪婪匹配。基本就能搞定大部分的字符匹配
后续会更新更多学习正则的知识，喜欢的话可以关注一波或者直接去看姚丨洞见生产者的《JavaScript 正则表达式迷你书》
之前学过其他的正则资料，相比较迷你书更简单通俗易懂，不像其他资料看一段就没有欲望学下去