硬剛正則表達式的心得總結

近幾日對本身一直不太擅長的正則表達式作了一次全面的掃盲。心疼本身之餘仍是有一些收穫吧，在這裏作一個比較零散的總結，整理一些對理解正則比較有利的點。

1、"?"

你沒有看錯，就是黑人問號中的問號，這個字符在正則裏面算是一個入門中很容易被帶偏的點了。首先要知道什麼是正則中的量詞。

1.量詞

在正則中，一般要表示一個表達式匹配的數量，這個時候量詞就登場了。
主要會使用如下幾個量詞

/(\w)*/.exec(str)  // 匹配任意次
/(\w)+/.exec(str)  // 匹配一次到屢次
/(\w)?/.exec(str)  // 匹配零到一次（記住這裏問號的用法！）
/(\w){2, 4}/.exec(str) // 匹配兩次到四次
/(\w){2, }/.exec(str)  // 匹配兩次以上

咱們能夠發現，在這裏"?"做爲一個量詞來使用，表示匹配零到一次。

接下來要理解下一個概念：貪婪匹配

2.貪婪匹配

搜了一下wiki，貌似沒有相關的詞條，通俗的解釋，貪婪匹配模式下，會盡量多地匹配知足條件的字符。而正則默認是貪婪模式的。

舉個例子。好比我要匹配"suuuuuuuuuuck"字符中的s和k中間的字符。並無什麼問題。

let result = "suuuuuuuuuuck".match(/s(.*)k/)[1]
// uuuuuuuuuuc

可是我如今要搞事情，要你在"suuuuuuuuuuck duck"字符串中匹配相同的字段，一樣的表達式會匹配到如下的結果，由於此時的正則是貪婪的，它必定會匹配到沒法匹配的時候才休止。

// uuuuuuuuuuck duc

這時候就須要手動開啓非貪婪模式了

let result = "suuuuuuuuuuck duck".match(/s(.*?)k/)[1]
// uuuuuuuuuuc

區別是在量詞後加了個問號，這時候該捕獲組就算是開啓了非貪婪模式了。

按照上面的理解，若是你是一個新手，確定會有所疑惑，量詞(*)後面跟着一個量詞(?)，這是什麼鬼意思，這麼反人類的？

其實，這裏就涉及到"?"的第二個用法了，即當它跟在一個量詞背後的時候，表示該表達式開啓了非貪婪模式，即對錶達式儘量少地匹配結果。因此，對應的，配合量詞使用，會產生如下結果。

• "*?": 能夠匹配任意屢次，可是儘可能少匹配。
• "+?": 至少必須匹配一次，可是儘可能少匹配。
• "{m, n}?": 至少必須匹配m次，最多隻能匹配n次，可是儘可能少匹配。
• "{m, }?": 至少必須匹配m次，可是儘可能少匹配。

思考題：因此，"??" 應該如何匹配呢？

2、捕獲組

正則匹配除了驗證一個字符串是否符合條件外，還能夠從中提取咱們所須要的信息。好比，咱們獲得了一個"新中國成立於1949-10-01"的字符串，做爲一個愛國人士，咱們要把這個年月日提取出來謹記於心。因此我寫了一個正則，得到的結果以下

這裏提取的操做就須要經過小括號進行捕獲。正則會默認對捕獲組分配組數。

"新中國成立於1949-10-01".match(/(\d{4})-(\d{2})-(\d{2})/)
// ["1949-10-01", "1949", "10", "01", index: 6, input: "新中國成立於1949-10-01", groups: undefined]

咱們也能夠忽略某些分組"(?:exp)",這樣正則就不會爲爲其分配組數。

"新中國成立於1949-10-01".match(/(\d{4})-(\d{2})-(?:\d{2})/)
// ["1949-10-01", "1949", "10", index: 6, input: "新中國成立於1949-10-01", groups: undefined]

假如咱們有一個疊詞判斷的需求，驗證一個詞語是否是"ABA"格式的，咱們能夠這麼作

// 首先漢字的unicode範圍是\u4e00-\u9fa5
// 這裏咱們首先對第一個字符進行了捕獲，組數爲1
// 而後咱們後面經過"\1"的方式去複用捕獲組，這樣就意味着匹配到了相同的字符，也就達到了限制的目的。

/([\u4e00-\u9fa5])[\u4e00-\u9fa5]\1/.test("是否是")
// 固然是true

要記住下標對人類來講仍是挺麻煩的，能夠說徹底沒啥可讀性，固然正則也提供了爲分組命名的方式

"新中國成立於1949-10-01".match(/(?<year>\d{4})-(?<month>\d{2})-(?<date>\d{2})/)
// 咱們能夠發現，這時候捕獲組不只擁有組數，同時groups屬性不爲空了。
// ["1949-10-01", "1949", "10", "01", index: 6, input: "新中國成立於1949-10-01", groups: {…}]
// 展開groups 是這樣的
// {year: "1949", month: "10", date: "01"}

/** 固然命名捕獲組也是可使用的 */
// (?<name>exp) 命名捕獲組
// \k<name> 引用

// 仍是疊詞的那個例子
/(?<thx>[\u4e00-\u9fa5])[\u4e00-\u9fa5]\k<thx>/.test("是否是")

---

如今有一個需求，匹配出英文語句"I'm singing while you're dancing"中全部帶有ing後綴的單詞（不包含ing）。要想拿到danc 和 sing，咱們須要用到零寬斷言。

3、零寬斷言

零寬斷言用於查找某些內容以前或以後的東西，只指定一個位置，自己並不佔據字符，這也是爲何咱們稱之爲零寬度

對於表達式表示確定，咱們稱之爲正向，反之稱之爲負向，（注意，這裏的正負指的是對條件的確定和否認，而不是匹配的方向。）

而對於匹配的方向而言，咱們有另一種稱呼，對向後匹配的稱之爲預測先行，向前匹配的稱之爲回顧後發

因此，對應的四種組合分別是

• (?=exp) 零寬度正預測先行斷言（斷言自身出現的位置後面能匹配exp）
• (?!exp) 零寬度負預測先行斷言（斷言自身出現的位置後面不能匹配exp）
• (?<=exp) 零寬度正回顧後發斷言（斷言自身出現的位置前面能匹配exp）
• (?<!exp) 零寬度負回顧後發斷言（斷言自身出現的位置前面不能匹配exp）

目前的js引擎對回顧後發斷言的實現還不徹底，就我所知在chrome能成功使用，可是在nodejs環境下是不識別的。

如今咱們從引言中的例子來實踐一下

"I am singing while you're dancing".match(/\b([a-zA-Z]+)(?=ing\b)/g)
// 咱們忽略前面不知足的匹配，直到index = 4時，s爲單詞邊界，知足條件
// 而第一個捕獲組是貪婪的，他會首先匹配到整個singing，而後將掌控權交給(?=ing\b)，singing不知足匹配 "singinging"
// 因而開始回溯到單詞 singin，繼續斷言， 匹配到的下一個字符爲"g", 不知足"singining", 又開始回溯到"singi"...
// 直到回溯到"sing"時，斷言後面有一個ing，而且是一個單詞邊界，因而"singing"知足條件，這時候咱們的正則匹配到了第一個結果。
// 因爲零寬斷言是不消費字符的，因此咱們獲得整個表達式匹配的第一個結果是"sing"
// 因而引擎以一樣的方式向後面的位置查找，獲得了danc
// ["sing", "danc"]

咱們如今看一下怎麼使用負向斷言，假如咱們有一個系統，3月25號要進行維護，不能使用了，這時候有用戶要辦理業務，選擇日期的時候咱們要過濾3月25日這一天，因此產品經理要你臨時加上一條規則限定。

選擇後日期輸出的格式是"yyyy-mm-dd"，這時候咱們能夠這麼寫正則

/(?!2018-03-25)(\d{4})-(\d{2})-(\d{2})/.test("2018-03-11")
// true 經過驗證
/(?!2018-03-25)(\d{4})-(\d{2})-(\d{2})/.test("2018-03-25")
// false

用(?<=exp) 找出 "beep name=wanglihong abcdefg"

"beep name=wanglihong abcdefg".match(/(?<=\bname=)(\w+\b)/)
// ["wanglihong", "wanglihong", index: 10, input: "beep name=wanglihong abcdefg", groups: undefined]

提取a標籤的屬性的同時，經過(?<!exp) 過濾style屬性

var template = '<a href="/bee" target="_blank" id="o" style="color: black;">點擊跳轉</a>'
template.match(/(\w+)=(?<!style=)"([^"]+)"/g)
// [href="/bee", target="_blank", id="o"]

摸透了零寬斷言，正則的能力也就算上了一個臺階了，固然還有平衡組這種操做，由於在js不支持，因此就暫時不討論了。