第一章 正則表達式字符匹配攻略

正則表達式是匹配模式，要么匹配字符，要么匹配位置。請記住這句話。

然而關于正則如何匹配字符的學習，大部分人都覺得這塊比較雜亂。

畢竟元字符太多了，看起來沒有系統(tǒng)性，不好記。本章就解決這個問題。

內(nèi)容包括：

1. 兩種模糊匹配
2. 字符組
3. 量詞
4. 分支結(jié)構(gòu)
5. 案例分析

1. 兩種模糊匹配

如果正則只有精確匹配是沒多大意義的，比如/hello/，也只能匹配字符串中的”hello”這個子串。

var regex = /hello/;
console.log( regex.test("hello") ); 
// => true

正則表達式之所以強大，是因為其能實現(xiàn)模糊匹配。

而模糊匹配，有兩個方向上的“模糊”：橫向模糊和縱向模糊。

1.1 橫向模糊匹配

橫向模糊指的是，一個正則可匹配的字符串的長度不是固定的，可以是多種情況的。

其實現(xiàn)的方式是使用量詞。譬如{m,n}，表示連續(xù)出現(xiàn)最少m次，最多n次。

比如/ab{2,5}c/表示匹配這樣一個字符串：第一個字符是“a”，接下來是2到5個字符“b”，最后是字符“c”。測試如下：

var regex = /ab{2,5}c/g;
var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log( string.match(regex) ); 
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

注意：案例中用的正則是/ab{2,5}c/g，后面多了g，它是正則的一個修飾符。表示全局匹配，即在目標字符串中按順序找到滿足匹配模式的所有子串，強調(diào)的是“所有”，而不只是“第一個”。g是單詞global的首字母。

1.2 縱向模糊匹配

縱向模糊指的是，一個正則匹配的字符串，具體到某一位字符時，它可以不是某個確定的字符，可以有多種可能。

其實現(xiàn)的方式是使用字符組。譬如[abc]，表示該字符是可以字符“a”、“b”、“c”中的任何一個。

比如/a[123]b/可以匹配如下三種字符串：”a1b”、”a2b”、”a3b”。測試如下：

var regex = /a[123]b/g;
var string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) ); 
// => ["a1b", "a2b", "a3b"]

以上就是本章講的主體內(nèi)容，只要掌握橫向和縱向模糊匹配，就能解決很大部分正則匹配問題。

接下來的內(nèi)容就是展開說了，如果對此都比較熟悉的話，可以跳過，直接看本章案例那節(jié)。

2. 字符組

需要強調(diào)的是，雖叫字符組（字符類），但只是其中一個字符。例如[abc]，表示匹配一個字符，它可以是“a”、“b”、“c”之一。

2.1 范圍表示法

如果字符組里的字符特別多的話，怎么辦？可以使用范圍表示法。

比如[123456abcdefGHIJKLM]，可以寫成[1-6a-fG-M]。用連字符-來省略和簡寫。

因為連字符有特殊用途，那么要匹配“a”、“-”、“z”這三者中任意一個字符，該怎么做呢？

不能寫成[a-z]，因為其表示小寫字符中的任何一個字符。

可以寫成如下的方式：[-az]或[az-]或[a\-z]。即要么放在開頭，要么放在結(jié)尾，要么轉(zhuǎn)義?？傊粫屢嬲J為是范圍表示法就行了。

2.2 排除字符組

縱向模糊匹配，還有一種情形就是，某位字符可以是任何東西，但就不能是”a”、”b”、”c”。

此時就是排除字符組（反義字符組）的概念。例如[^abc]，表示是一個除”a”、”b”、”c”之外的任意一個字符。字符組的第一位放^（脫字符），表示求反的概念。

當然，也有相應的范圍表示法。

2.3 常見的簡寫形式

有了字符組的概念后，一些常見的符號我們也就理解了。因為它們都是系統(tǒng)自帶的簡寫形式。

\d就是[0-9]。表示是一位數(shù)字。記憶方式：其英文是digit（數(shù)字）。

\D就是[^0-9]。表示除數(shù)字外的任意字符。

\w就是[0-9a-zA-Z_]。表示數(shù)字、大小寫字母和下劃線。記憶方式：w是word的簡寫，也稱單詞字符。

\W是[^0-9a-zA-Z_]。非單詞字符。

\s是[ \t\v\n\r\f]。表示空白符，包括空格、水平制表符、垂直制表符、換行符、回車符、換頁符。記憶方式：s是space character的首字母。

\S是[^ \t\v\n\r\f]。 非空白符。

.就是[^\n\r\u2028\u2029]。通配符，表示幾乎任意字符。換行符、回車符、行分隔符和段分隔符除外。記憶方式：想想省略號…中的每個點，都可以理解成占位符，表示任何類似的東西。

如果要匹配任意字符怎么辦？可以使用[\d\D]、[\w\W]、[\s\S]和[^]中任何的一個。

3. 量詞

量詞也稱重復。掌握{m,n}的準確含義后，只需要記住一些簡寫形式。

3.1 簡寫形式

**{m,}** 表示至少出現(xiàn)m次。

**{m}** 等價于{m,m}，表示出現(xiàn)m次。

**?** 等價于{0,1}，表示出現(xiàn)或者不出現(xiàn)。記憶方式：問號的意思表示，有嗎？

**+**等價于{1,}，表示出現(xiàn)至少一次。記憶方式：加號是追加的意思，得先有一個，然后才考慮追加。

***** 等價于{0,}，表示出現(xiàn)任意次，有可能不出現(xiàn)。記憶方式：看看天上的星星，可能一顆沒有，可能零散有幾顆，可能數(shù)也數(shù)不過來。

3.2 貪婪匹配和惰性匹配

看如下的例子：

var regex = /\d{2,5}/g;
var string = "123 1234 12345 123456";
console.log( string.match(regex) ); 
// => ["123", "1234", "12345", "12345"]

其中正則/\d{2,5}/，表示數(shù)字連續(xù)出現(xiàn)2到5次。會匹配2位、3位、4位、5位連續(xù)數(shù)字。

但是其是貪婪的，它會盡可能多的匹配。你能給我6個，我就要5個。你能給我3個，我就3要個。反正只要在能力范圍內(nèi)，越多越好。

我們知道有時貪婪不是一件好事（請看文章最后一個例子）。而惰性匹配，就是盡可能少的匹配：

var regex = /\d{2,5}?/g;
var 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，雖然2到5次都行，當2個就夠的時候，就不在往下嘗試了。

通過在量詞后面加個問號就能實現(xiàn)惰性匹配，因此所有惰性匹配情形如下：

**{m,n}?**
**{m,}?**
**??**
**+?**
***?**

對惰性匹配的記憶方式是：量詞后面加個問號，問一問你知足了嗎，你很貪婪嗎？

4. 多選分支

一個模式可以實現(xiàn)橫向和縱向模糊匹配。而多選分支可以支持多個子模式任選其一。

具體形式如下：(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”good”和”nice”可以使用/good|nice/。測試如下：

var regex = /good|nice/g;
var string = "good idea, nice try.";
console.log( string.match(regex) ); 
// => ["good", "nice"]

但有個事實我們應該注意，比如我用/good|goodbye/，去匹配”goodbye”字符串時，結(jié)果是”good”：

var regex = /good|goodbye/g;
var string = "goodbye";
console.log( string.match(regex) ); 
// => ["good"]

而把正則改成/goodbye|good/，結(jié)果是：

var regex = /goodbye|good/g;
var string = "goodbye";
console.log( string.match(regex) ); 
// => ["goodbye"]

也就是說，分支結(jié)構(gòu)也是惰性的，即當前面的匹配上了，后面的就不再嘗試了。

5. 案例分析

匹配字符，無非就是字符組、量詞和分支結(jié)構(gòu)的組合使用罷了。

下面找?guī)讉€例子演練一下（其中，每個正則并不是只有唯一寫法）：

5.1 匹配16進制顏色值

要求匹配：

ffbbad

Fc01DF

FFF

ffE

分析：

表示一個16進制字符，可以用字符組[0-9a-fA-F]。

其中字符可以出現(xiàn)3或6次，需要是用量詞和分支結(jié)構(gòu)。

使用分支結(jié)構(gòu)時，需要注意順序。

正則如下：

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"]

5.2 匹配時間

以24小時制為例。

要求匹配：

23:59

02:07

分析：

共4位數(shù)字，第一位數(shù)字可以為[0-2]。

當?shù)?位為2時，第2位可以為[0-3]，其他情況時，第2位為[0-9]。

第3位數(shù)字為[0-5]，第4位為[0-9]

正則如下：

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

如果也要求匹配7:9，也就是說時分前面的0可以省略。

此時正則變成：

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

5.3 匹配日期

比如yyyy-mm-dd格式為例。

要求匹配：

2017-06-10

分析：

年，四位數(shù)字即可，可用[0-9]{4}。

月，共12個月，分兩種情況01、02、……、09和10、11、12，可用(0[1-9]|1[0-2])。

日，最大31天，可用(0[1-9]|[12][0-9]|3[01])。

正則如下：

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

5.4 window操作系統(tǒng)文件路徑

要求匹配：

F:\study\javascript\regex\regular expression.pdf

F:\study\javascript\regex\

F:\study\javascript

F:\

分析：

整體模式是: 盤符:\文件夾\文件夾\文件夾\

其中匹配F:\，需要使用[a-zA-Z]:\\，其中盤符不區(qū)分大小寫，注意\字符需要轉(zhuǎn)義。

文件名或者文件夾名，不能包含一些特殊字符，此時我們需要排除字符組[^\\:*<>|"?\r\n/]來表示合法字符。另外不能為空名，至少有一個字符，也就是要使用量詞+。因此匹配“文件夾\”，可用[^\\:*<>|"?\r\n/]+\\。

另外“文件夾\”，可以出現(xiàn)任意次。也就是([^\\:*<>|"?\r\n/]+\\)*。其中括號提供子表達式。

路徑的最后一部分可以是“文件夾”，沒有\，因此需要添加([^\\:*<>|"?\r\n/]+)?。

最后拼接成了一個看起來比較復雜的正則：

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

其中，JS中字符串表示\時，也要轉(zhuǎn)義。

5.5 匹配id

要求從

<div id="container" class="main"></div>

提取出id=”container”。

可能最開始想到的正則是：

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

因為.是通配符，本身就匹配雙引號的，而量詞*又是貪婪的，當遇到container后面雙引號時，不會停下來，會繼續(xù)匹配，直到遇到最后一個雙引號為止。

解決之道，可以使用惰性匹配：

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

當然，這樣也會有個問題。效率比較低，因為其匹配原理會涉及到“回溯”這個概念（這里也只是順便提一下，第四章會詳細說明）。可以優(yōu)化如下：

var regex = /id="[^"]*"/
var string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]); 
// => id="container"

小結(jié)

字符匹配相關的案例，挺多的，不一而足。

掌握字符組和量詞就能解決大部分常見的情形，也就是說，當你會了這二者，JS正則算是入門了。