【实践】玩转正则表达式+JS正则处理函数

前言

写这篇文章不是空穴来风,最近一个礼拜写了一个简单的nodejs脚本,用来处理上千个文件,以便于在某些特定字符的周围添加标记,先说一下我这个脚本使用场景主要是来识别中文(具体做什么,之后会单独写一篇文章,此处只提该脚本作用),同时为不同的文件类型,包括js,vm,jsp等等文件中文周围添加标记,以便于减少人工添加标记的事件。

注:本文着重用示例讲解,理论知识推荐此篇文章 http://www.jb51.net/tools/zhe... 最早我就是看的这篇文章初步接触正则,正则刚开始很枯燥,慢慢学就好了,加油!!!

1. 正则理论部分简介

只是看下面的这些还是处于懵逼状态,其实直接看第二节例子即可,为了完整性此处便于大家查阅!

  • [] 集合
  • {} 范围
  • () 分组
  • | 并列关系
  • + 一次或者多次(范围简写方式1)
  • * 零次或多次(范围简写方式2)
  • ? 零次或一次(范围简写方式3) 另外和贪婪模式有关,后面会讲
  • ^ 两个功能,放在开始作为开始符,放在[]的开头作为“非”
  • $ 结束符
  • \ 转义
  • (?=pattern) 正向肯定环视(这个名字好多地方都不一样,断言,预查,我最喜欢环视,同下)
  • (?!pattern) 正向否定环视
  • (?<=pattern) 逆向肯定环视
  • (?<!pattern) 逆向否定环视
  • . 匹配除换行符之外的所有字符(此项以下为范围集)
  • \s 匹配任何空白字符,包括空格、制表符、换页符等等。
  • \S 匹配任何非空白字符(s的反面)
  • \d 匹配数字字符
  • \D 匹配非数字字符(d的反面)
  • \w 匹配字母、数字、下划线
  • \W 匹配非字母、数字、下划线

以上这些我觉得就是比较常用的基本能够够大家使用的了,对于中文站一般还会用到中文的相关匹配,那么中文的匹配为[\u4e00-\u9fa5],其中\u是四个十六进制数字表示的Unicode字符,不知道匹配的中文是否全,但是大部分还都是可以的

2. 正则简单调试

实际上调试正则可以不需要什么工具,你要非得要的话,可以用Note Pad++,这个简单的编辑器内置有正则的匹配,Ctrl+F弹出对话框里边是含有正则选择项,打上对勾即可以在编辑其中写内容,看看能否搜索到了。

我建议看此篇文章或者练习的时候,在chrome浏览器直接Windows系统按F12,Mac上按command+option+J,点击console或者控制台,用什么浏览器自行研究如何打开控制台,如图

光标位置即可操作js,然后利用js的就可以展示你写的正则是否正确,很速度的方式,可以用上下键来切换,迅速修改你的表达式

3. JS相关处理函数

下文的Reg代表正则表达式,str代表要匹配的字符串,由于还未开始正则表达式讲解,如果有无法理解请略读,了解如何利用这几个函数,然后开始进行第四节正则学习,然后回头看就OK了。

RegExp方法

test

用法Reg.test(str)
返回值:Boolean
实例:/a/.test("a") // true

exec

用法Reg.exec(str)
返回值:Arraynull
实例1:/b(a)/.exec("ba") // ["ba","a",index: 0,input: "ba"]
实例2:/a(c)/.exec("ba") // null
解释:匹配的值会按照顺序-->全匹配,第一分组,第二分组...等等,匹配到的字符串位置(index),输入的字符串(input)

String方法

match

用法str.match(Reg)
返回值:Arraynull
其实和RegExptest方法是一致的,只不过这个字符串在前
注意:当区分模式时match返回情况有所区别
实例1:"bababa".match(/b(a)/g) // ["ba","ba","ba"]
实例2:"bababa".match(/b(a)/) // ["ba",input: "bababa"]

search
用法str.search(Reg)
返回值:Number 位置索引(无匹配返回-1)
实例:"wefeaba".search(/b(a)/) // 5

split

用法str.split(str)str.split(Reg)自动全局搜索
返回值:Array 将分开的子字符串放到数组中
实例1:"前端,后端,设计".split(",") // ["前端","后端","设计"]
实例2:"f4wef1er2gr".split(/\d/) // ["f","wef","er","gr"]

replace

用法str.replace(str,str)str.replace(Reg,Fn)
实例1:"前端,设计".replace(",","|") // "前端|后端,设计"
实例2:"前端,设计".replace(/,/,设计"
实例3:"前端,/g,"|") // "前端|后端|设计"
实例4:

"前端,function($all){
    return '{' + $all + '}';
});
// "前端{,}后端{,}设计"

实例5:

"1、这是例子balabala".replace(/1、([\u4e00-\u9fa5]+)[a-z]*/g,function($all,$1){
    return '{' + $1 + '}';
})
// "{这是例子}"

解释: replace的函数参数顺序为-->全匹配,第一捕获组,第二捕获组...

4. 由浅入深讲解正则

边练习边写,你会发现无穷的乐趣,看到中途累了休息一下

最简单的正则

  • /a/

用途:匹配a,只要串中包含a即可
说明:js中用两个/来圈定正则,中间的a即为要匹配的字符

实例:/a/.test("ab") // true

我们现在看一个使用场景,你提供了一个输入框,这个输入框是让用户输入手机号,先来个最简单的规则,用户的手机号应为11位数字,这是一个最简单的正则,如下所示。

  • /^\d{11}$/

用途:匹配从开始到结尾共11位数字的字符串
说明:^用来标识开头,$用来标识结尾,\d为数字集合,{11}代表将\d循环11次
注意:用来判断某字符串正确与否一定要加开始结束标识符,看实例2即可看出端倪,十二位数字也被匹配上了,也就是只要串中包含正则可匹配的就能成功,此处可以看出开始结束符的重要性

实例1:/^\d{11}$/.test("13212344321") // true
实例2:/\d{11}/.test("132123443211") // true

  • /^\d{5,11}$/

用途:匹配从开始到结尾共5-11数字均可的字符串
说明:{5,11} 集合来标识5到11位,可以{5,}来表示5到n多位

实例1:/^d{5,11}$/.test("1234") // false
实例2:/^d{5,11}$/.test("1234567") // true

下面继续拓展,组合上面方式

  • /^132\d{8}$/

用途:匹配开头为132的手机号码
说明:132其实就是直接匹配这三个字符,后面的其实就是动态匹配8位数字,合起来就是11位了

实例1:/^132\d{8}$/.test("18912344321") // false
实例2:/^132\d{8}$/.test("13212344321") // true

手机号不是只有132开头的啊,如果我想用189开头的呢,请看

  • /^(132|189|133)\d{8}$/

用途:匹配开头为132或189或133的手机号
说明:此处应该注意我们用到了分组()和并列关系|,并列就很简单了就是说可以132可以189可以133,此处一定注意分组是一定要用的如果不用就会出现实例1的情况,因为并列关系不是前面数字了,变成了三部分了

实例1:/^132|189|133\d{8}$/.test("132") // true
实例2:/^(132|189|133)\d{8}$/.test("132") // false
实例3:/^(132|189|133)\d{8}$/.test("18912344321") // true
实例4:/^(132|189|133)\d{8}$/.test("13212344321") // true

现在来看另一个场景,如果我们不是判断手机号,而是在一堆中文介绍中提取出手机号,那么需要怎么办呢?

匹配内容:"大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344321}测试"

  • /\{((132|189|133)\d{8})\}/

用途:用来匹配文中的手机号,注意手机两边有标识{}我们有这个定位符会很方便将其匹配出来
说明:首先,可以看到\{,我们前面提到了{}为正则特殊字符,虽然此处不加也可以,但是好习惯就是特殊字符要加上\避免出问题,例如{1},如果你要匹配的不是前面的东西循环一次那么就会出问题了;另外,看到我用两个()这相当于有两个捕获组,请看实例(这回我用exec,会看的更直接)

实例1:/\{((132|189|133)\d{8})\}/.exec("大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344321}测试")
// ["{13212344321}","13212344321","132",index: 21,input: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344321}测试"]

可以看到第一捕获组放在了索引为1的位置,我们就可以直接取用了,不过我们会想如果串中如果有多个电话号想搞怎么办,就像上面这段字符串,下面我给出js写法,并解释

var str = "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344334}测试";
var reg = /\{((132|189|133)\d{8})\}/g;

console.log(reg.exec(str));
console.log(reg.exec(str));

// ["{13212344321}",input: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344334}测试"]

// ["{13212344334}","13212344334",index: 41,input: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344334}测试"]

说明:g正则后面加个g表示全局模式;关于模式,i表示不区分大小写,m表示多行模式,我很少用,此处不讲了;对于exec有这么个特性,当正则表达式为全局匹配模式每次执行exec后会刷新下一次执行开始位置,下一次的开始位置为第一次匹配的最后一个字符的下一个位置,所以执行两次就会将串中所有的匹配出来,这样就实现了提取的目的

继续看上面的这段文本,如果我想匹配jackwang怎么办呢?

  • /[acgjknw]+/

用途:匹配包含acgjknw这些字符的1或多次循环
说明:[]是字符集,里边的就是要表示的字符,后面加一个+那么就是表示将前面的[]里边的循环1次或多次,同理?*不再用例子展示了

实例:/[acgjknw]+/g.exec("大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344334}测试")
// ["jackwang",index: 6,input: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344334}测试"]

可以看到我们写了很多字母,其实我们想匹配英文名,英文名不一定只有这几个字符,所以此处我们可以这样

  • /[a-z]+/

用途:匹配包含a-z的1或多次循环
说明:注意-这是范围的意思,按照ASCII中的顺序,写这个范围就行,这回我搞脚本的时候就遇到一个坑,如实例2,本来想匹配:-=,但是忘记对-进行转义,导致<也被匹配上

实例1:/[a-z]+/g.exec("大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344334}测试")
// ["jackwang",input: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为{13212344334}测试"]
实例2:/[:-=]/.test("<")// true

还有一些什么没讲呢,下面单独举例来说明

贪婪模式/非贪婪模式
字符串:"baeabaeab"

  • /b[a-z]+b//b[a-z]+?b/

说明:前者为贪婪模式,后者为非贪婪模式;请注意+后面的?添加了就为非贪婪模式,同理*和'?'后面可以添加;贪婪模式就是多次循环会尽可能的去匹配,非贪婪模式就是最少匹配,看实例结果即可明白,此正则功能很有用希望大家记住

实例1:/b[a-z]+b/.exec("baeabaeab")
// ["baeabaeab",input: "baeabaeab"]
实例2:/b[a-z]+?b/.exec("baeabaeab")
// ["baeab",input: "baeabaeab"]

反义

  • /[^5]/

说明:只要在集合的最开始用^即可,就是表示除了5之外所有字符

实例:/[^5]/.test("5") // false

环视

环视其实某些情况还是挺好用的,还记得前面的匹配手机号吗?

字符串: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为13212344334测试"

其实我们还可以用环视

  • /(?<=\{)((132|189|133)\d{8})(?=\})/

实例:/(?<=\{)((132|189|133)\d{8})(?=\})/.exec("大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为13212344334测试")
// ["13212344321",index: 22,input: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为13212344334测试"]

说明:刚开始环视可能比较难以理解,我通俗点讲,我觉得比我最开始提到的文章好理解

  1. 这就像站队一样,我在一排中想要找出你来,就可以直接匹配,但是我要找出张三和李四中间的你,但是我只想要你,不要带着他俩,那么环视就是这个功能
  2. 环视被包含的东西是不参与到正则最后匹配出来的东西当中的,它只起到一个定位的作用
  3. (?<=\{)逆向肯定环视,举例来说,在匹配132之前要从1往回看,也就是逆向看看他的上一位是不是{,如果是的话才算合法,如果不是就匹配不成功,也就是你要往前看不是张三,那我就不找你了。同理,(?=\})正向肯定环视,也就是匹配手机号之后,后面一定要有},这样才算成功,也就是你向后(顺序)看是李四才行,这整个表达式也就是你向前(逆向)看必须是张三,向后(正向)看必须是李四,我才会找你。
  4. 上面两个是肯定状态,另外还有两个否定状态,意思就是反的,(?<!pattern)逆向否定环视(?!pattern)正向否定环视, pattern为要匹配的表达式,举个例子
  • /(?<!\{)((132|189|133)\d{8})(?!\})/

说明:匹配手机号前面没有{后面没有}的手机号

实例2:/(?<!\{)((132|189|133)\d{8})(?!\})/.exec("大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为13212344334测试")
// ["13212344334",input: "大家好,我叫jackwang,我的手机号是{13212344321},他的手机号为13212344334测试"]

综上,看出来这两个实例的不同了吗,当然你可以任意匹配这四种方式来达到你要的效果但是注意,可能每种语言支持程度不同,不要过度依赖。

5. 其他

匹配任意字符建议使用 /[\s\S]+/因为.会去掉换行符
注意用到的特殊字符一定要转义(好习惯) /[\{\}\[\]\^\$]/
注意-的使用 /[:-=]/ 这样会匹配<等,注意转义

运算符优先级

运算符 描述
\ 转义
()[] 圆括号和方括号
*,+,?,{n},{n,},m} 限定符
^,$,任何元字符、任何字符 定位点和序列
| 或操作

关于那些js的处理函数,自己去摸索吧,篇幅这么长,估计要看不下去了,我搞脚本的时候大量使用了replacetest函数,很好用,对于文件整体处理操作很好用,建议好好学学,请见MDN:https://developer.mozilla.org...

可能还有其他一些没讲到的正则知识,但是上面的这些基本包含了正则的90%了。

总结

啰里啰嗦讲了这么久,只是为了让新手能够由浅入深的慢慢学习,学习正则不是一蹴而就的过程,需要慢慢使用,慢慢探索,同一个匹配可能能写出好多正则,大家可以慢慢练习,写出更优雅的正则。

另外要说一点,不是非要写一个巨长的正则来匹配巨难的字符串,要合理利用各语言的函数来简化正则的写法,否则一个巨长的正则可能就是噩梦,这个事自己权衡,相信会将正则用到极致。

谢谢!

本文如有疏漏之处或者又问题交流,请直接回复本文!

相关文章

正则替换html代码中img标签的src值在开发富文本信息在移动端...
正则表达式
AWK是一种处理文本文件的语言,是一个强大的文件分析工具。它...
正则表达式是特殊的字符序列,利用事先定义好的特定字符以及...
Python界一名小学生,热心分享编程学习。
收集整理每周优质开发者内容,包括、、等方面。每周五定期发...