正则表达式理论篇

cover_900x500

学习正则表达式的你们,有没有发现,一开始总是记不住语法。嗯,加深大家的印象的同时,我也是来找同道中人的。

首先你要记住它的名字

正则表达式
regular expression
缩写 regexp 、regex 、egrep。

正则表达式可以干嘛

  • 数据验证。
  • 复杂的字符串搜寻、替换。
  • 基于模式匹配从字符串中提取子字符串。

概述

正则表达式包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为“元字符”)。

若要匹配这些特殊字符,必须首先转义字符,即,在字符前面加反斜杠字符 \**。
例如,若要搜索 “+”文本字符,可使用表达式 \+
但是大多数 特殊字符 在中括号表达式内出现时失去本来的意义,并恢复为普通字符。

构造函数(四种写法)

用于模式匹配的String方法

  • String.search()
    参数:要搜索的子字符串,或者一个正则表达式。
    返回:第一个与参数匹配的子串的起始位置,如果找不到,返回-1
    说明:不支持全局搜索,如果参数是字符串,会先通过RegExp构造函数转换成正则表达式。
  • String.replace()
    作用:查找并替换字符串。
    第一个参数:字符串或正则表达式,
    第二个参数:要进行替换的字符串,也可以是函数。
    用法:

替换文本中的$字符有特殊含义:

如:

  • String.match()
    参数:要搜索的子字符串,或者一个正则表达式。
    返回:一个由匹配结果组成的数组

非全局检索:如果没有找到任何匹配的文本返回null;否则数组的第一个元素是匹配的字符串,剩下的是小括号中的子表达式,即a[n]中存放的是$n的内容。非全局检索返回三个属性:length 属性;index 属性声明的是匹配文本的第一个字符的位置;input 属性则存放的是被检索的字符串 string。

全局检索:设置标志g则返回所有匹配子字符串,即不提供与子表达式相关的信息。没有 index 属性或 input 属性。

match

  • String.split()
    作用:把一个字符串分割成字符串数组。
    参数:正则表达式或字符串。
    返回:子串组成的数组。

RegExp的方法

  • RegExpObject.exec()
    参数:字符串。
    返回:

非全局检索:与String.macth()非全局检索相同,返回一个数组或null。

全局检索:尽管是全局匹配的正则表达式,但是exec方法只对指定的字符串进行一次匹配。但是可以反复调用来实现全局检索。在 RegExpObject 的lastIndex 属性指定的字符处开始检索字符串;匹配后,将更新lastIndex为匹配文本的最后一个字符的下一个位置;再也找不到匹配的文本时,将返回null,并把 lastIndex 属性重置为 0。

如:

exec_g

  • RegExpObject.test()
    参数:字符串。
    返回:true或false。
  • RegExpObject.toString()
    返回:字符串

字符

| 指示在两个或多个项之间进行选择。类似js中的或,又称分支条件
/ 正则表达式模式的开始或结尾。
\ 反斜杠字符,用来转义。
- 连字符 当且仅当在字符组[]的内部表示一个范围,比如[A-Z]就是表示范围从A到Z;如果需要在字符组里面表示普通字符-,放在字符组的开头即可。

. 匹配除换行符 \n 之外的任何单个字符。
\d 等价[0-9],匹配0到9字符。
\D 等价[^0-9],与\d相反。
\w 与以下任意字符匹配:A-Z、a-z、0-9 和下划线,等价于 [A-Za-z0-9]。
\W 与\w相反,即 [^A-Za-z0-9
]

限定符(量词字符)

显示限定符位于大括号 {} 中,并包含指示出现次数上下限的数值;*+? 这三个字符属于单字符限定符

{n} 正好匹配 n 次。
{n,} 至少匹配 n 次。
{n,m} 匹配至少 n 次,至多 m 次。
* 等价{0,}
+ 等价{1,}
? 等价{0,1}

注意:

  • 显示限定符中,逗号和数字之间不能有空格,否则返回null!
  • 贪婪量词*+:javascript默认是贪婪匹配,也就是说匹配重复字符是尽可能多地匹配。
  • 惰性(最少重复匹配)量词?:当进行非贪婪匹配,只需要在待匹配的字符后面跟随一个?即可。

定位点(锚字符、边界)

^ 匹配开始的位置。将 ^ 用作括号[]表达式中的第一个字符,则会对字符集求反。
$ 匹配结尾的位置。
\b 与一个字边界匹配,如er\b 与“never”中的“er”匹配,但与“verb”中的“er”不匹配。
\B 非边界字匹配。

标记

  • 中括号[] 字符组;标记括号表达式的开始和结尾,起到的作用是匹配这个或者匹配那个。
    [...] 匹配方括号内任意字符。很多字符在[]都会失去本来的意义:[^...]匹配不在方括号内的任意字符;[?.]匹配普通的问号和点号。
    但是不要滥用字符组这个失去意义的特性,比如不要使用[.]来代替\:转义点号,因为需要付出处理字符组的代价
  • 大括号{} 标记限定符表达式的开始和结尾。
  • 小括号() 标记子表达式的开始和结尾,主要作用是分组,对内容进行区分。

(模式) 可以记住和这个模式匹配的匹配项(捕获分组)。不要滥用括号,如果不需要保存子表达式,可使用非捕获型括号(?:)来进行性能优化
(?:模式) 与模式 匹配,但不保存匹配项(非捕获分组)。
(?=模式) 零宽正向先行断言,要求匹配与模式 匹配的搜索字符串。 找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项;但不会保存匹配项。
(?!模式) 零宽负向先行断言,要求匹配与模式 不匹配的搜索字符串。 找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项;但不会保存匹配项。

有点晕?
好,换个说法。。。

先行断言(?=模式):x只有在y前面才匹配,必须写成/x(?=y)/。 解释:找一个x,那个x的后面有y。
先行否定断言(?!模式): x只有不在y前面才匹配,必须写成/x(?!y)/。 解释:找一个x,那个x的后面没有y。

稳住,又来了两个断言,来自ES7提案:

后行断言(?<=模式):与”先行断言”相反, x只有在y后面才匹配,必须写成/(?<=y)x/。解释:找一个x,那个x的前面要有y。
后行否定断言(?<!模式): 与”先行否定断言“相反,x只有不在y后面才匹配,必须写成/(?<!y)x/。 解释:找一个x,那个x的前面没有y。

可以看出,后行断言先匹配/(?<=y)x/的x,然后再回到左边,匹配y的部分,即先右后左”的执行顺序。

零宽负向先行断言的例子:

  • 反向引用:主要作用是给分组加上标识符\n。
    \n 表示引用字符,与第n个子表达式第一次匹配的字符相匹配。

反向引用的例子,给MikeMike字符后加个单引号:

非打印字符

\s 任何空白字符。即[ \f\n\r\t\v]
\S 任何非空白字符。
\t Tab 字符(\u0009)。
\n 换行符(\u000A)
\v 垂直制表符(\u000B)。
\f 换页符(\u000C)
\r 回车符(\u000D)。

注意:\n\r一起使用,即 /[\r\n]/g来匹配换行,因为unix扩展的系统以\n标志结尾,window以\r\n标志结尾。

其他

\cx 匹配 x 指示的控制字符,要求x 的值必须在 A-Z 或 a-z 范围内。
\xn 匹配n,n 是一个十六进制转义码,两位数长。
\un 匹配 n,其中n 是以四位十六进制数表示的 Unicode 字符。

\nm 或 \n 先尝试反向引用,不可则再尝试标识为一个八进制转义码。
\nml 当n 是八进制数字 (0-3),m 和 l 是八进制数字 (0-7) 时,匹配八进制转义码 nml。

修饰符

  • i 执行不区分大小写的匹配。
  • g 执行一个全局匹配,简而言之,即找到所有的匹配,而不是在找到第一个之后就停止。
  • m 多行匹配模式,^匹配一行的开头和字符串的开头,$匹配行的结束和字符串的结束。

ES6新增u和y修饰符:

  • u修饰符

含义为“Unicode模式”,用来正确处理大于\uFFFF的Unicode字符。也就是说,会正确处理四个字节的UTF-16编码。

  • y修饰符

与g修饰符都是全局匹配,不同之处在于:lastIndex属性指定每次搜索的开始位置,g修饰符从这个位置开始向后搜索,直到发现匹配为止;但是y修饰符要求必须在lastIndex指定的位置发现匹配,即y修饰符确保匹配必须从剩余的第一个位置开始,这也是“粘连”的涵义。

优先级顺序:

  1. \ 转义符
  2. (), (?:), (?=), [] 括号和中括号
  3. *、+、?、{n}、{n,}、{n,m} 限定符
  4. 任何元字符^、$、\ 定位点和序列
  5. | 替换

关于引擎

JS 是 NFA 引擎。

NFA 引擎的特点:

  • 以贪婪方式进行,尽可能匹配更多字符
  • 急于邀功请赏,所以最左子正则式优先匹配成功,因此偶尔会错过最佳匹配结果(多选条件分支的情况)
  • 回溯(backtracking),导致速度慢

举个贪婪与回溯结合的例子:

匹配顺序如图所示:

backtracking

参考

MDN
w3school
http://es6.ruanyifeng.com/#docs/regex
http://imweb.io/topic/56e804ef1a5f05dc50643106
http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html
http://www.cnblogs.com/hustskyking/p/how-regular-expressions-work.html

1 10 收藏 2 评论

相关文章

可能感兴趣的话题



直接登录
最新评论
跳到底部
返回顶部