Blog

# 正则表达式必知必会

# 1. 第 1 章 正则表达式入门

用途：

  • 解决特定的问题而发明的一种工具

如何使用：

  • 搜索
  • 替换

什么是正则：

  • 正则表达式，regular expression，RegEex，regex，模式
  • 正则表达式是一些用来匹配和处理文本的字符串
  • 正则表达式语言用来构造正则表达式，正则表达式用来完成搜索和替换操作。

# 2. 第 2 章 匹配单个字符

匹配普通文本：

  • Ben

匹配多个结果：

  • 正则表达式引擎默认返回第一个匹配结果
  • JS 中，使用 g 来返回所有匹配结果

字母的大小写：

  • 正则表达式是区分大小写的
  • JS 中，使用 i 忽略大小写

匹配任意单个字符：

  • . 点符号，特殊字符，表示任意单个字符
  • \. 匹配点符号本身，转义

元字符：

  • 有特殊含义的字符
  • 如 . , \

# 3. 第 3 章 匹配一组字符

匹配多个字符中的一个：

  • [abc]
  • 元字符 [ , ] 用来定义一个字符集合，必须匹配集合中的字符之一

字符区间：

  • A-Z: 从大写字符 A 到大写字符 Z
  • a-z: 从小写字符 a 到小写字符 z
  • A-z: 这个区间包含 [ ,^ 等字符

排除：

  • [^xyz] 排除字符集合中的所有字符

注意：

  • - 只有在 [a-z] 中才是元字符，在其他地方就是普通字符
  • [\w.]: \w 是元字符，. 是普通字符
  • [\/]: 斜线 / 在[ ] 中可以不用转义，但有些正则引擎要求转义

# 4. 第 4 章 使用元字符

转义：

  • 元字符有特殊含义，无法代表自身
  • 通过 \ 元字符来对元字符进行转义

空白字符：

元字符 说明
\b 回退（Backspace 键）
\f 换页符
\n 换行符
\r 回车符
\t 制表符（Tab 键）
\v 垂直制表符

文本行结束标记：

  • \r\n: windows 系统
  • \n: Unix 系统

普通字符转义为元字符：

  • \ 对普通字符使用，可以将普通字符转义为元字符

匹配数字：

  • \d: 数字，[0-9]
  • \D: 非数字，[^0-9]

匹配字母数字下划线：

  • \w: 字母数字下划线， [a-zA-Z0-9_]
  • \W: 非字母数字下划线， [^a-zA-Z0-9_]

匹配空白字符：

  • \s: 空白字符， [\f\n\r\t\v]
  • \S: 非空白字符， [^\f\n\r\t\v]

# 5. 第 5 章 重复匹配

量词：

  • *: 匹配 0 个或多个
  • +: 匹配 1 个或多个
  • ?: 匹配 0 个或 1 个

区间范围：

  • {m}: 匹配 m 个
  • {m, n}: 匹配至少 m 个，最多 n 个
  • {m,}: 匹配至少 m 个

贪婪型量词：

  • * / + / {m,}
  • 没有上限，尽可能多的匹配

懒惰型量词：

  • *? / +? / {m,}?
  • 尽可能少的匹配，碰到第一个匹配就停止

# 6. 第 6 章 位置匹配

单词边界：

  • \b: 匹配一个单词的开头或结尾，匹配一个位置，一边是单词(\w) 一边是其他内容(\W)
  • \bcat\b: 匹配完整的单词
  • \bcat: 匹配以 cat 打头的单词
  • cat\b: 匹配以 cat 结尾的单词

字符串边界：

  • ^a: 匹配以 a 打头的
  • a$: 匹配以 a 结尾的
  • 多行模式：^,& 会作用到每一行

# 7. 第 7 章 使用子表达式

子表达式：

  • 元字符： ( , )

  • 示例：

    (19|20)\d{2}

  |, 是或操作符, 从左到右匹配，匹配第一个就停止

子表达式嵌套：

  • 示例：匹配 IP 地址

    分析：
  1. 一位数： 
      
      \d

  2. 两位数：

      \d{2}

  3. 三位数

      1 开头：  1\d{2}
      2 开头：
          第 2 位是 0 ~ 4： 2[0-4]\d
          第 2 被是 5：     25[0-5]

综上：

  ( ( (25[0-5]) | (2[0-4]\d) | (1\d{2}) | (\d{2}) | (\d) ) \. ){3} ( (25[0-5]) | (2[0-4]\d) | (1\d{2}) | (\d{2}) | (\d) )

  (((25[0-5])|(2[0-4]\d)|(1\d{2})|(\d{2})|(\d))\.){3}((25[0-5])|(2[0-4]\d)|(1\d{2})|(\d{2})|(\d))

# 8. 第 8 章 反向引用

反向引用匹配：

  • 通过 \n 引用第 n 个分组（子表达式）匹配的结果

  • 在 JS 中，使用 \n 标识反向引用，在替换中用 $n 标识

  • 示例：匹配连续单词

    `
this is a block of of text,
several words here are are
repeated, and and they should not be;
`
.match(
  /[ ](\w+)[ ]\1/g
)

/* =>

(3) [' of of', ' are are', ' and and']

*/


/* 
分析：
  [ ](\w+)[ ]\1

    [ ](\w+)[ ]\w+
    两个 \w+ 要求内容一样
*/

  • 示例：匹配 HTML 中 <hn> 标签：

    `
<body>
  <h1>xxx yy zz</h1>
  xxx yy zz
  <h2>xxx yy zz</h2>
  xxx yy zz
  <h5>xxx yy zz</h2>
  xxx yy zz
</body>
`
.match(
  /<h([1-5])>.*?<\/h\1>/gi
)

/* =>

(2) ['<h1>xxx yy zz</h1>', '<h2>xxx yy zz</h2>']

*/

替换操作：

  • 跨模式使用反向引用

  • 示例：将邮箱地址替换为可点击的：

    `
  hello, forward@qq.com is my email address.
`
.replace(
  /(\w+[\w\.]*@[\w\.]+\.\w+)/,
  '<a href="mailto:$1">$1</a>'
)

/* =>

'\n  hello, <a href="mailto:forward@qq.com">forward@qq.com</a> is my email address.\n'

*/

# 9. 第 9 章 环视

说明：

  • 更精细地控制返回的文本

肯定式向前查找：

  • 语法： (?=内容)

  • 说明：既匹配前面的内容，也匹配后面的内容，返回前面的内容

  • 示例：

    `
  http://www.a.com
  https://www.b.com
  ftp://www.c.com
`
.match(
  /\w+(?=:)/g
)

/* =>

(3) ['http', 'https', 'ftp']

*/

否定式向前查找：

  • 语法： (?!内容)

  • 说明：匹配前面的内容，但不匹配后面的内容，返回前面的内容

  • 示例：

    `
  12.34
`
.match(
  /\d{2}(?!\.\d{2})/g
)

/* =>

['34']

*/

# 10. 第 10 章 嵌入式条件

反向引用 条件：

  • 语法：

    • (?(1)内容): 如果第 1 个子表达式存在，则执行内容
    • (?(1)内容1 | 内容2): 如果第 1 个子表达式存在，则执行内容1，否则执行内容2

注意：

  • (?(1)xx) 语法在浏览器端报错 Invalid regular expression

# 11. 第 11 章 常见正则

# 11.1. 国内固定电话号码

规则：

  1. 第 1 位，0 : 表示长途冠码
  2. 第 2 ~ 3 位: 区号
  3. 最后是 7 位或 8 位的电话号码，首位不为 1
  4. 常见写法：
    • (012)3456 7890
    • (012)34567890
    • 012-34567890

分析：

  • 前三位，区号：

    • (012): \(0\d{1,2}\)
    • 012-: 0\d{1,2}-

  • 号码

    • 3456 7890: \d{2,4}\s?\d{3,4}

正则：

  • (\(0\d{1,2}\)|0\d{1,2}-)\d{2,4}\s?\d{3,4}

测试：

`
    * (012)3456 7890
    * (012)34567890
    * 012-34567890
`
.match(
  /(\(0\d{1,2}\)|0\d{1,2}-)\d{2,4}\s?\d{3,4}/g
)

/* =>

(3) ['(012)3456 7890', '(012)34567890', '012-34567890']

*/

# 11.2. 北美电话号码

规则：

  1. 3位区号 + 7位号码

  2. 7位号码: 3位局号 + 4位线路号

  3. 区号 和 局号 不能为 0/1

  4. 常见写法：

    • 248-555-1234
    • (313) 555-1234
    • (810)555-1234
    • 734.555.9999

分析：

  • 前三位，区号

    • 248-: \d{3}-
    • (810): \(\d{3}\)\s
    • (313): \(\d{3}\)
    • 734.: \d{3}\.
    • 综上: [(]?\d{3}[-).]\s?

  • 号码

    • 555-1234: \d{3}[-]\d{4}
    • 555.9999: \d{3}[.]\d{4}
    • 综上: \d{3}[-.]\d{4}

正则：

  • [(]?\d{3}[-).]\s?\d{3}[-.]\d{4}

测试：

`
    * 248-555-1234
    * (313) 555-1234
    * (810)555-1234
    * 734.555.9999
`
.match(
  /[(]?\d{3}[-).]\s?\d{3}[-.]\d{4}/g
)

/* =>

(4) ['248-555-1234', '(313) 555-1234', '(810)555-1234', '734.555.9999']

*/

# 11.3. 美国 ZIP 编码

正则：

  • \d{5}(-\d{4})?

# 11.4. IP 地址

参见 第 7 章

# 11.5. URL

规则：

  1. 协议： http:// https:// ftp://
  2. 用户名密码： root:123@
  3. 主机名： www.z.com
  4. 端口号： :12345
  5. 路径: /abc/index.html
  6. 查询字符串：?a=b

分析：

  • 协议： ((https?)|(ftp)):\/\/
  • 用户密码： \w*:\w*@
  • 主机名：[-\w]+([.][-\w]+)*
  • 端口号：:\d{1,5}
  • 路径：(\/[\w_.]+)+\/?
  • 查询字符串：\?\S+

正则：

  • ((https?)|(ftp)):\/\/(\w*:\w*@)?[-\w]+([.][-\w]+)*(:\d{1,5})?((\/[\w_.]+)+\/?)?(\?\S+)?

测试：

`
  http://localhost:8080
  http://www.abc.com
  http://www.abc.com/blog
  https://www.abc.com:80/blog/index.html
  https://root:123456@www.abc.com:80/blog/index.html?a=1&b=2
`
.match(
  /((https?)|(ftp)):\/\/(\w*:\w*@)?[-\w]+([.][-\w]+)*(:\d{1,5})?((\/[\w_.]+)+\/?)?(\?\S+)?/gi
)

/* =>

(5) ['http://localhost:8080', 'http://www.abc.com', 'http://www.abc.com/blog', 'https://www.abc.com:80/blog/index.html', 'https://root:123456@www.abc.com:80/blog/index.html?a=1&b=2']

*/

# 11.6. 电子邮件地址

正则：

  • (\w+\.)*\w+@(\w+\.)*[a-zA-Z]+

# 11.7. HTML 注释

正则：

  • <!--.*?-->

# 11.8. JS 单行注释

正则：

  • \/\/.*

# 12. 附录

# 12.1. JavaScript

String.prototype 的方法:

  • match:
  • replace:
  • search:
  • split:

RegExp.prototype 的方法：

  • exec:
  • test:

标志：

  • g: 全局搜索
  • i: 忽略大小写
  • m: 多行
  • x: 忽略正则表达式中的空白字符

反向引用：

  • $` : $ + 反引号，匹配字符串 前面的所有内容
  • $' : $ + 单引号，匹配字符串 后面的所有内容
  • $+ : $ + 加号， 最后一个匹配的子表达式
  • $& : $ + &， 返回所匹配到的所有内容

示例：

`aaa-bbb`.replace( /(-)/g, '$`' ); // 'aaaaaabbb'

`aaa-bbb`.replace( /(-)/g, '$\'' ); // 'aaabbbbbb'

`aaa-bbb.ccc`.replace( /([-.])/g, '($&)' ); // 'aaa(-)bbb(.)ccc'

# 12.2. 速查表

基本的元字符：

元字符 说明
. 匹配任意单个字符
| 逻辑或操作
[ ] 匹配字符集合中的一个字符
[^ ] 排除该字符集合
[ - ] 定义一个范围
\ 对下一个字符转义

量词元字符：

元字符 说明
* 匹配前一个字符（子表达式）的零次或多次重复
*? *的懒惰型版本
+ 匹配前一个字符（子表达式）的 1 次或多次重复
+? +的懒惰型版本
? 匹配前一个字符（子表达式）的 0 次或 1 次重复
{n} 匹配前一个字符（子表达式）的 n 次重复
{m,n} 匹配前一个字符（子表达式）的 [m, n] 次重复
{n,} 匹配前一个字符（子表达式）的 [n, ∞) 次重复
{n,}? {n,}的懒惰型版本

位置元字符：

元字符 说明
^ 匹配字符串的开头
$ 匹配字符串的结尾
\b 匹配单词边界（开头和结尾）
\B \b的反义

特殊元字符：

元字符 说明
\d 匹配任意数字字符，等价于 [0-9]
\D \d的反义
\w 匹配任意 数字、字母、下划线，等价于 [0-9a-zA-Z_]
\W \w的反义
\s 匹配任意空白字符，等价于 [ \t\v\r\n\f](里面有个空格)
\S \s的反义
\t 制表符
\v 垂直制表符
\r 回车符
\n 换行符
\f 换页符
[\b] 退格字符
\c 匹配一个控制字符
\x 匹配一个十六进制数字
\0 匹配一个八进制数字

反向引用与环视：

元字符 说明
() 定义一个子表达式
\1 匹配第 1 个子表达式，\2匹配第二个子表达式，以此类推
?= 肯定式向前查看
?! 否定式向前查看

上一篇:

books /
下一篇:
books /
03.JSON必知必会

本章目录