正则表达式语法入门

发表于 4年以前 | 总阅读数：1628 次

概述

本文主要通过对正则表达式的语法进行一些简单的介绍，从而让没有接触过或者想学习正则表达式的同学有一个基础的了解，从而能够看懂和编写使用一般的正则表达式。

本文的主要内容为：

正则表达式的字符匹配
正则表达式的位置匹配
正则表达式的括号与捕获组

本文的主要受众是想要学习正则表达式又不知道从何入手的同学。如果你已经使用过正则表达式，可以快速浏览本文，强化自己的记忆即可。

字符匹配

匹配规则

在正则表达式中，分为精确匹配和模糊匹配两种。顾名思义，精确匹配就是匹配特定的字符或者位置；而非精确匹配就是带有一定的范围的匹配。具体示例如下：

const reg1 = /ab/; //精确匹配

const reg2 = /ab+/; //模糊匹配

不同的匹配适用于不同的场景，大家根据自己的需求进行选择即可。

字符组

在正则表达式中，我们经常会遇到从N个字符里面选取任意字符进行匹配的需求。这个时候，我们就需要一个字符组。具体示例如下：

const reg = /[abc]/; // 与上面示例完全相同，匹配a或b或者c

当匹配的字符多了以后，我们不可能全部都列到字符组里，因此我们可以使用范围表示法。具体示例如下：

const reg = /[a-c]/; // 匹配a或b或c

相同类的字符可以用范围，如1-9、A-Z或者a-z。在字符组中，-是一个特殊字符，如果需要匹配-，则需要使用\进行转义。

当然，如果我们是不想匹配N个字符中的任意一个，我们可以用排除字符组的方式来进行匹配。具体示例如下：

const reg = /[^abc]/; // 不匹配a、b、c中任意一个

排除字符组中也可以使用范围。

量词

当我们需要匹配单个字符时，我们可以使用上面示例中的方法。但是，如果我们需要匹配单个字符若干次呢？最简单的方法就是将匹配的正则表达式写若干次，但是这样不仅费时费力，还不方便阅读。因此，正则表达式中使用了量词来表示重复匹配N次的情况。

量词含义如下：

{m, }，至少出现m次。
{m, n}，最少出现m次，最多出现n次（最多出现N次的写法为{0, n}，而不是{, n}）
？，匹配0或者1次
+，最少匹配1次，与{1, }等价
*，匹配任意次，与{0, }等价

了解了上述量词，下面我们来看下这些量词在示例中到底是如何应用的：

const reg1 = /a+/; //至少匹配一次a

const reg2 = /a?b*/; //匹配0或者1次a，再匹配任意次的b

现在问题来了，上面示例中的/a+/这个正则表达式，如果遇到了字符串'aaa'，那么得到的匹配结果是什么呢？这个就涉及到了我们下一节要介绍的内容。

贪婪匹配与非贪婪匹配

贪婪匹配：所有的量词都会尽可能多的进行匹配，默认值。以/a+/和'aaa'为例，匹配的结果是'aaa'。非贪婪匹配：所有的两次都会尽可能少的匹配。以/a+?/和'aaa'为例，匹配的结果是'a'。

因为贪婪匹配是默认值，所以当我们写正则表达式时，默认就是贪婪匹配。那么我们应该如何来表示非贪婪匹配呢？具体示例如下：

const reg1 = /a+/; //贪婪匹配

const reg2 = /a+?/; // 非贪婪匹配

通过上面的示例我们可以看到，我们只需要在两次后加上一个?，就表示是一个非贪婪匹配。

注：非贪婪匹配只会向后作用，不会向前作用。即\/a+?bb\/匹配'aabb'是'aabb'，而不是'abb'；而\/aab+?\/则是匹配'aab'。（这个与正则表达式匹配和回溯的原理有关，有兴趣的可以阅读我的下一篇关于正则表达式的博客）

分支逻辑

在一个正则表达式中，我们会遇到做选择的情况。单个元素进行选择时，我们可以使用字符组。但是，如果需要多个元素比如ab或者cd进行选择时，这个时候我们就需要分支逻辑。具体示例代码如下：

const reg = /ab|cd/; //表示选择ab或者cd。为什么不是b和c呢？这个我们在下一篇博客——进阶篇中将会讲述操作符优先级问题。

位置匹配

正则表达式除了捕获字符，还可以捕获字符串中的位置。所谓的位置，指的就是两个字符之间。比如'ab'这个字符串，就有3个位置，分别位于a前面、a后面b前面和b后面。如果我们将位置当成是一个空字符串''，其实对于位置的匹配也可以归纳到对字符的匹配中。

匹配位置的方式也有不少，我们来看下：

^，匹配开头，多行模式下匹配行开头，即每行开头都会被匹配。
$，匹配结尾，多行模式下匹配行结尾，即每行结尾都会被匹配。
\b，\w与\W之间的位置（\w表示[0-9A-Za-z]，而\W就是\w的补集），包括开头结尾（即也包括\w与^之间的位置，和\w与$之间的位置）
\B，与\b相反，\w与\w之间的位置，和\W与\W之间的位置，包括开头结尾（相对的，即包括\W与^之间的位置，和\W与$之间的位置）
(?=p)，正向肯定断言。p是一个子模式，匹配要在p这个模式之前的位置
(?!p)，正向否定断言。与(?=p)相反，匹配不要在p这个模式之前的位置

上面说了这么多，下面我们通过一个示例来一下：

const reg1 = /^ab/; //对于字符串'abab'来说，只会匹配到开头的'ab'
const reg2 = /ab$/; //对于字符串'abab'来说，只会匹配到结尾的'ab'
const reg3 = /\b/; //对于字符串'a b'来说，会匹配到'a'前面的位置、'a'和' '之间的位置、' '和'b'之间的位置、'b'后面的位置
const reg4 = /\B/; //对于字符串'aa bb[/来说，会匹配到'a'和'a'之间的位置、'b'和'b'之间的位置、'['后面的位置
const reg5 = /(?=a)/; //对于字符串'bac'来说，会匹配到'a'之前的位置
const reg6 = /(?!a)/; //对于字符串'bac'来说，会匹配到'b'之前的位置、'c'之前的位置以及'c'之后的位置

通过上面的例子，大家应该能够理解正则表达式在捕获位置时候所发挥的作用。

ES2018新特性

在ES2018中，增加了反向肯定断言和反向否定断言。具体格式如下：

(?<=p)，反向肯定断言。p是一个子模式，匹配要在p模式之后的位置
(?<!p)，反向否定断言。与(?<=p)相反，匹配不要在p模式之后的位置

我们通过一个具体的示例来看下：

const reg1 = /(?<=a)b/ //对于字符串'abb'来说，只会匹配到'a'和'b'之间的位置。
const reg2 = /(?<=a)b/ //对于字符串'abb'来说，会匹配到'b'和'b'之间的位置。

括号与捕获组

在正则表达式中，括号是一个功能非常多的操作符。本章我们将会详细介绍正则表达式中的括号的各种作用。

提高优先级

在正则表达式中，运算符操作也有优先级之分，如下例所示：

const reg1 = /ab|cd/; //匹配'ab'或者'cd'
const reg2 = /a(b|c)d/;//匹配'a'后，匹配一个'b'或者'c'，再匹配一个'd'

关于正则表达式优先级相关的讨论，我们在此就不做展开了，有兴趣的同学可以阅读我的后一篇关于正则表达式高级进阶的文章。

捕获组与非捕获组

如果我们在正则表达式中，我们需要获取特定的匹配内容，那么我们就要用到捕获组。捕获组通常使用(p)，其中p是一个子模式，表示需要捕获的内容。具体使用示例如下：

const reg = /a(bc)d/;

let result = 'abcd'.match(reg); // 得到的result[1]就是第一个捕获组匹配的字符'ab'

但是，如果我们在一些需要保证优先级的地方使用了小括号，但是又不想成为捕获组来干扰匹配，我们应该怎么办呢？这个时候我们就需要非捕获组。我们只需要在括号最开始加上一个?即可。具体使用示例如下：

const reg = /a(?:bc)d/;

let result = 'abcd'.match(reg); // 得到的result没有捕获组

反向引用

当我们在正则表达式中需要使用前面捕获组匹配的内容时，我们可以使用反向引用。这在匹配一些成对的字符如'和"等时非常有效。具体使用方式如下：

const reg = /(a)b\1/; //匹配字符'aba'

这里需要注意的有三点：

如果出现括号嵌套的情况，那么从左到右以第一个括号（即左开括号）的顺序为准。
\10表示的含义为第10个捕获组，而不是第一个捕获组加上一个字符0。需要表示后者可以用/(\1)0/。即使是在第三种情况下，转移符优先级仍然高于字符顺序。
如果在正则表达式中出现的捕获组个数小于使用的捕获组，那么\字符就会被当成一个转移符而非反向引用。注：\2表示对2进行转义的话，不同的浏览器对转义后的结果是不一样的。下图是Chrome浏览器转义后的结果