---
title: 正则表达式重新入门(1)
date: 2018-12-10 16:34:42
categories: 
  - JavaScript
tags: 
  - 正则表达式
---

### RegExp对象
在JavaScript当中, `RegExp`对象表示正则表达式
创建RegExp对象有两种方式
1. 常量 : `let reg = /hello\n/g`
> 后面的g是修饰符, 表示全局匹配; 这里的 **/** 是表示正则表达式的边界, 不属于内容
2. 构造函数 : `let reg = new RegExp('hello\\n', 'g')`
> 修饰符是作为第二个参数传入的, 第一个参数是正则内容的**字符串**, 所以对于反斜杠需要转义

<!-- more -->
### 正则表达式的构成
正则表达式由两种基本字符类型构成
+ 原义字符 : 表示这个字符的原本意思
+ 元字符 : 在正则表达式当中具备特殊含义, 如果要让元字符表达其本身含义(也就是作为原义字符使用), 需要加 **\\** 进行转义

#### 各种元字符
+ `$` 匹配输入字符串的结尾位置。如果设置了RegExp对象的Multiline属性，则也匹配 'n' 或 'r'。
+ `()` 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。
+ `*` 匹配前面的子表达式零次或多次。
+ `+` 匹配前面的子表达式一次或多次。
+ `.` 匹配除换行符 \n 之外的任何单字符。
+ `[]` 标记一个中括号表达式的开始和结束位置, 常用于表示范围。
+ `{}` 标记限定符表达式的开始。
+ `|` 指明两项之间的一个选择("或者"的含义)。
+ `?` 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。
+ `\` 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。
+ `^` 匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合("非"的含义)。


### 边界

|字符|含义|
|----|----|
|^|以指定的字符开始|
|$|以指定的字符结束|
|\b|单词边界|
|\B|非单词边界|

例如
```javascript
// eg.1 以AB或者AC开头
let reg1 = /^AB|^AC/
'ABCDE'.replace(reg1, '123') // 123CDE
'ACEF'.replace(reg1, '123') // 123EF

// eg.2 以X结尾
let reg2 = /X$/
'ABCX'.replace(reg2, '0') //ABC0

// eg.3 is作为一个独立的单词, 且全局匹配
let reg3 = /\bis\b/g
'this is me is it'.replace(reg3, 'ok') // this ok me ok it
// 如果没有全局匹配, 则只会替换第一个
// 如果没有单词边界匹配, 那么this当中的is也会被替换
```
虽然说单词边界找的是空白字符, 也就是\s
但是上面的eg.3却不能用\s, 会导致单词之间的空格也被替换掉

### 范围类
如果要匹配某个范围的其中一个字符
那么可以使用`[]`

例如
```javascript
// eg.1 穷举的范围
let reg1 = /[abc]/g
'apbicy'.replace(reg, 'x') // xpxixy

// eg.2 包含- ,按照编码的范围
let reg2 = /[0-9]/g
'a1b2c3d5'.replace(reg, '0') // a0b0c0d0
```

### 预定义类
其实就是一些预定义的范围类
为了使正则书写更简洁

+ `\cX` 匹配由x指明的控制字符。例如， cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 \c 视为一个原义的 'c' 字符。
+ `\f` 匹配一个换页符。等价于 x0c 和 cL。
+ `\n` 匹配一个换行符。等价于 x0a 和 cJ。
+ `\r` 匹配一个回车符。等价于 x0d 和 cM。
+ `\t` 匹配一个制表符。等价于 x09 和 cI。
+ `\v` 匹配一个垂直制表符。等价于 x0b 和 cK
+ `\s` 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [\f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
+ `\S` 匹配任何非空白字符。

|字符|等价类|含义|
|---|-----|----|
|.|[^\r\n]|除了回车和换行符之外的所有字符|
|\d|[0-9]|数字字符|
|\D|[^0-9]|非数字字符|
|\s|[\t\n\x0B\f\r]|空白符|
|\S|[^\t\n\x0B\f\r]|非空白符|
|\w|[a-zA-Z0-9_]|单词字符(大小写字母 数字 下划线)|
|\W|[^a-zA-Z0-9_]|非单词字符|

### 量词
用于指定某个组合出现的数量

|字符|含义|
|---|---|
|?|0次或1次|
|+|1次或多次|
|*|任意次数|
|{n}|出现n次|
|{n,m}|出现n到m次(包含n与m)|
|{n,}|至少出现n次|

例如
```javascript
// 以1个或多个数字结尾
let reg = /\d+$/
'abc123'.replace(reg, 'xx') //'abcxx'
```

### 贪婪模式
正则针对字符串从左向右进行解析, 每个部分都会尽可能多地去匹配字符, 这称之为`贪婪模式`

例如
```javascript
let reg = /^\d{2,5}/
'123456'.replace(reg, 'xx') // xx6
```
按照这个正则的规则, 匹配2到5个数字都是可以的
但是它实际执行的时候是按照最多的方式来匹配的, 也就是默认的匹配模式是贪婪模式

如果要使用非贪婪模式, 需要在量词后面加上`?`
```javascript
let reg = /^\d{2,5}?/
'123456'.replace(reg, 'xx') // xx3456
```

### 分支条件
使用`|`来代表分支条件, 也就是匹配前后的任何一个规则即可
比如
![分支条件](/images/JavaScript/regex/分支条件.png)
表示字符串整体包含10个数字或者20个数字, 并且最后有2个字母

> 注意 : 这个 | 分割的是左右两边所有部分，而不是仅仅连着这个符号的左右两部分
所以需要加括号, 否则会一直涵盖到表达式的边界或者遇到下一个 |

### 断言

如果字符串中存在2个数字后面跟着2个字母, 就把这2个数字替换掉
如果只是这样写\d{2}[a-zA-Z]{2}
那么后面跟着的2个字母也会被替换掉

要实现这种需求, 就必须用到`断言`

由于正则是将字符串从左到右进行解析, 左侧可以称之为**头部**, 右侧可以称之为**尾部**
从头部向尾部移动可以称之为向前走
判断前面是什么可以称之为`前瞻`
> JavaScript只支持前瞻, 而不能去判断后面是什么(后顾)

对于上面的需求, 就可以利用断言来做了
```javascript
let reg = /\d{2}(?=[a-zA-Z]{2})/
'@12ab'.replace(reg, '**') // @**ab
```

语法规则

|名称|正则语法|含义|
|--|--|--|
|零宽正向前瞻|exp(?=assert)|我前面是符合assert的|
|零宽负向前瞻|exp(?!assert)|我前面的是不符合assert的|
|零宽正向后顾|exp(?<=assert)|我后面是符合assert的|
|零宽负向后顾|exp(?<!assert)|我后面是不符合assert的|


如同^代表开头，$代表结尾，\b代表单词边界一样，前瞻断言和后顾断言也有类似的特点，它们只匹配某些位置
在匹配过程中，不占用字符，所以被称为`零宽`

### 分组
当我们需要把某个部分看做一个整体添加量词的时候, 就要给这个部分添加`()`
也就是作为一个分组
(也包括上面的分支条件的边界位置)

未添加分组
![未添加分组](/images/JavaScript/regex/未添加分组.png)

添加分组
![添加分组](/images/JavaScript/regex/添加分组.png)

添加分组之后, 分组后面跟着的量词就会作用于整体

#### 分组的引用
正则在解析的过程中会对分组进行编号(从1开始)
我们可以通过`\数字`的方式对分组进行引用, 从而实现一些需求

例如
要匹配两个连续的数字, 并且这两个数字不同
> 要让后一个数字和前一个数字不同
就必须要引用前一个数字, 那么只能对分组进行引用
同时配合零宽负向前瞻

```javascript
let reg = /(\d{1})(?!\1)\d{1}/
reg.test('a32') // true
reg.test('a55') // false
```
+ `(\d{1})`这里代表的是匹配一个数字, 这个简单
+ `(?!\1)`这里代表的是后面的字符与第一分组不同(但是不占用字符)
+ `\d{1}`这里代表后面还是一个数字

所以就可以达到匹配两个连续数字, 并且这两个数字不同了