正则笔记（1）- 正则表达式字符匹配攻略

1. 正则表达式字符匹配

正则表达式是匹配模式，要么匹配字符，要么匹配位置。 请记住这句话。

1.1.两种模糊匹配

如果正则只有精确匹配是没多大意义的，比如 /hello/，也只能匹配字符串中的 “hello” 这个子串。

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

正则表达式之所以强大，是因为其能实现模糊匹配。
而模糊匹配，有两个方向上的“模糊”：横向模糊和纵向模糊。

1.1.1.横向模糊匹配

横向模糊指的是，一个正则可匹配的字符串的长度不是固定的，可以是多种情况的。
其实现的方式是使用量词。譬如 {m,n}，表示连续出现最少 m 次，最多 n 次。
比如正则 /ab{2,5}c/ 表示匹配这样一个字符串：第一个字符是 “a”，接下来是 2 到 5 个字符 “b”，最后
是字符 “c”。
测试如下：

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

注意：案例中用的正则是/ab{2,5}c/g，后面多了g，它是正则的一个修饰符。表示全局匹配，即在目标字符串中按顺序找到满足匹配模式的所有子串，强调的是“所有”，而不只是“第一个”。g是单词global的首字母

1.1.2.纵向模糊匹配

纵向模糊指的是，一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种
可能。
其实现的方式是使用字符组。譬如 [abc]，表示该字符是可以字符 “a”、“b”、“c” 中的任何一个。
比如 /a[123]b/ 可以匹配如下三种字符串： “a1b”、“a2b”、“a3b”。

测试如下：

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

1.2.字符租

需要强调的是，虽叫字符组（字符类），但只是其中一个字符。
例如 [abc]，表示匹配一个字符，它可以是 “a”、“b”、“c” 之一。

1.2.1.范围表示法

如果字符组里的字符特别多的话，怎么办？可以使用范围表示法。
比如 [123456abcdefGHIJKLM]，可以写成 [1-6a-fG-M]。用连字符 - 来省略和简写。
因为连字符有特殊用途，那么要匹配 “a”、“-”、“z” 这三者中任意一个字符，该怎么做呢？
不能写成 [a-z]，因为其表示小写字符中的任何一个字符。
可以写成如下的方式：[-az] 或 [az-] 或 [a-z]。
即要么放在开头，要么放在结尾，要么转义。总之不会让引擎认为是范围表示法就行了。

1.2.2.排除字符组

纵向模糊匹配，还有一种情形就是，某位字符可以是任何东西，但就不能是 “a”、“b”、“c”。
此时就是排除字符组（反义字符组）的概念。例如 [^abc]，表示是一个除 “a”、“b”、"c"之外的任意一个字 符。字符组的第一位放 ^（脱字符），表示求反的概念。

当然，也有相应的范围表示法。

1.2.3.常见的简写形式

有了字符组的概念后，一些常见的符号我们也就理解了。因为它们都是系统自带的简写形式。

\d就是[0-9]。表示是一位数字。记忆方式：其英文是digit（数字）。
\D就是[^0-9]。表示除数字外的任意字符。
\w就是[0-9a-zA-Z_]。表示数字、大小写字母和下划线。记忆方式：w是word的简写，也称单词字符。
\W是[^0-9a-zA-Z_]。非单词字符。
\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、换行符、回车符、换页符。记忆方式：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，表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。记忆方式：想想省略号...中的每个点，都可以理解成占位符，表示任何类似的东西。

如果要匹配任意字符怎么办？可以使用 [\d\D]、[\w\W]、[\s\S] 和 [^] 中任何的一个。

1.3.量词

量词也称重复。掌握 {m,n} 的准确含义后，只需要记住一些简写形式。

1.3.1.简写形式

{m,} 表示至少出现m次。
{m} 等价于{m,m}，表示出现m次。
? 等价于{0,1}，表示出现或者不出现。记忆方式：问号的意思表示，有吗？
+ 等价于{1,}，表示出现至少一次。记忆方式：加号是追加的意思，得先有一个，然后才考虑追加。
* 等价于{0,}，表示出现任意次，有可能不出现。记忆方式：看看天上的星星，可能一颗没有，可能零散有几颗，可能数也数不过来。

1.3.2.贪婪匹配与惰性匹配

看出如下例子：

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

其中正则 /\d{2,5}/，表示数字连续出现 2 到 5 次。会匹配 2 位、3 位、4 位、5 位连续数字。

但是其是贪婪的，它会尽可能多的匹配。你能给我 6 个，我就要 5 个。你能给我 3 个，我就要 3 个。
反正只要在能力范围内，越多越好。

我们知道有时贪婪不是一件好事。而惰性匹配，就是尽可能少的匹配：

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，虽然 2 到 5 次都行，当 2 个就够的时候，就不再往下尝试了。

通过在量词后面加个问号就能实现惰性匹配，因此所有惰性匹配情形如下：

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

对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？

1.4.多选分支

一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一。

具体形式如下：(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。

例如要匹配字符串 “good” 和 “nice” 可以使用 /good|nice/。

测试如下：

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

但有个事实我们应该注意，比如我用 /good|goodbye/，去匹配 “goodbye” 字符串时，结果是 “good”：

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

而把正则改成 /goodbye|good/，结果是：

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

也就是说，分支结构也是惰性的，即当前面的匹配上了，后面的就不再尝试了。

1.5. 案例分析

匹配字符，无非就是字符组、量词和分支结构的组合使用罢了。
下面找几个例子演练一下（其中，每个正则并不是只有唯一写法）：

1.5.1.匹配 16 进制颜色值

要求匹配：

#ffbbad
#Fc01DF
#FFF
#ffE

分析：
表示一个 16 进制字符，可以用字符组 [0-9a-fA-F]。
其中字符可以出现 3 或 6 次，需要是用量词和分支结构。
使用分支结构时，需要注意顺序。

正则如下：

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']

1.5.2.匹配时间

以 24 小时制为例。
要求匹配：

23:59
02:07

分析：
共 4 位数字，第一位数字可以为 [0-2]。
当第 1 位为 “2” 时，第 2 位可以为 [0-3]，其他情况时，第 2 位为 [0-9]。
第 3 位数字为 [0-5]，第4位为 [0-9]。

正则如下：

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

注意：正则中使用了 ^ 和 $，分别表示字符串开头和结尾。

如果也要求匹配 “7:9”，也就是说时分前面的 “0” 可以省略。

此时正则变成：

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

1.5.3.匹配日期

比如 yyyy-mm-dd 格式为例
要求匹配：

2017-06-10

分析：
年，四位数字即可，可用 [0-9]{4}。
月，共 12 个月，分两种情况 “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])。

正则如下：

var regex = /^[0-9]{4}-(0[0-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/;
console.log(regex.test("2017-06-10"));  // true

1.5.4. window操作系统文件路径

要求匹配：

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

正则如下：

var regex = /^[a-zA-Z]:\\([^\\:*<>|"\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;
console.log( regex.test("F:\\study\\javascript\\regex\\regular expression.pdf") );  //  tue
console.log( regex.test("F:\\study\\javascript\\regex\\") );  // true
console.log( regex.test("F:\\study\\javascript") );  // true
console.log( regex.test("F:\\") );  // true

其中，在JavaScript 中字符串要表示字符 \ 时，也需要转义。

1.5.5.匹配 id

要求从

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

提取出 id=“container”。

可能最开始想到的正则是：

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

因为 . 是通配符，本身就匹配双引号的，而量词 * 又是贪婪的，当遇到 container 后面双引号时，是不会停下来，会继续匹配，直到遇到最后一个双引号为止。

解决之道，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"

当然，这样也会有个问题。效率比较低，因为其匹配原理会涉及到“回溯”这个概念。可以优化如下：

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