正則表達式

  數據/字符串處理是工做中常常能用到的，之前的作法大都是經過百度而後修改別人的代碼完成字符串處理，一直想系統的跟正則認識一番，因而有了這篇。

點擊《正則表達式》可查看原文哦！
同時很是感謝雪峯大大和鑫大大的文章支持，點擊如下連接可查看參考原文。
雪峯大大的 標準對象/RegExp.
鑫大大的 粉絲羣第27期JS基礎小測答疑文字版

  好的，接下來進入正題啦。

正則表達式定義

  正則表達式是對字符串操做的一種邏輯公式，用事先定義好的一些特定字符、及這些特定字符的組合，組成一個「規則字符串」，這個「規則字符串」用來表達對字符串的一種過濾邏輯。
舉個例子：
  '00\d'能夠匹配'007'，‘008’，其中‘\d’即匹配數字。

語法

元字符

字 符	描 述	反義字符	描 述
$	匹配輸入字符串的結尾位置
^	匹配輸入字符串的開始位置
.	匹配除換行符 \n 以外的任何單字符
\b	匹配單詞邊界	\B	匹配不是單詞開頭或結束的位置
\d	匹配數字	\D	匹配任意非數字的字符
\w	匹配字母，數字，下劃線	\W	匹配任意不是字母，數字，下劃線 的字符
\s	匹配空格	\S	匹配任意不是空白符的字符
[abc]	匹配包含括號內元素的字符	[^abc]	匹配除了abc之外的任意字符

量詞

字 符	描 述	帶?字符	描 述
*	重複至少0次	*?	重複任意次,但儘量少重複
+	重複至少1次	+?	重複至少1次,但儘量少重複
?	重複0次或1次	??	重複0次或1次,但儘量少重複
{n}	重複n次
{n,}	重複至少n次	{n,}?	重複至少n次,但儘量少重複
{n,m}	重複n-m次	{n,m}?	重複n-m次,但儘量少重複

特殊字符

字 符	描 述	字 符	描 述
\cx	匹配由x指明的控制字符。
\f	匹配一個換頁符。等價於 \x0c 和 \cL。	( )	標記一個子表達式的開始和結束位置。
\n	匹配一個換行符。等價於 \x0a 和 \cJ。	|	指明兩項之間的一個選擇，或
\r	匹配一個回車符。等價於 \x0d 和 \cM。	[	標記一箇中括號表達式的開始
\s	匹配任何空白字符，包括空格、製表符、換頁符等等。	\	將下一個字符標記爲或特殊字符、或原義字符、或向後引用、或八進制轉義符
\S	匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。	{	標記限定符表達式的開始。
\t	匹配一個製表符。等價於 \x09 和 \cI。	\v	匹配一個垂直製表符。等價於 \x0b 和 \cK。

舉例說明

• 數字、字母匹配（\d匹配數字，\w匹配任意字母，數字，下劃線）
  可用00\d能夠匹配007
\d\d\d能夠匹配任意三位數字，如：123
\w\d\w能夠匹配l0l

• .匹配任意字符，則
  any.可匹配anya、anyb、anyc、anyd ......

• 配合上量詞再看看
  \d{3}表示匹配3個數字，例如010 \d{3,8}表示3-8個數字，例如1234567

• 再加上咱們的範圍
  [0-9a-zA-Z\_]能夠匹配一個數字、字母或者下劃線
  [0-9a-zA-Z\_]+能夠匹配至少由一個數字、字母或者下劃線組成的字符串，好比a100，0_Z，Py3000等等
  [a-zA-Z\_][0-9a-zA-Z\_]*能夠匹配由字母或下劃線開頭，後接任意個由一個數字、字母或者下劃線組成的字符串，也就是Python合法的變量
  [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+後面最多19個字符）

• 啊，還有咱們的選擇字符和定位
  A|B能夠匹配A或B，因此(P|p)ython能夠匹配Python或者python
^表示行的開頭，^\d表示必須以數字開頭 $表示行的結束，\d$表示必須以數字結束
  你可能注意到了，py也能夠匹配python，可是加上^py$就變成了整行匹配，就只能匹配py了

• 字符串的切割
  最經常使用的應該就是split切割了，可是當字符串之間不只僅是單一字符鏈接，切割就會出現問題，好比下面的例子

  //出現多餘空格狀況：
      'a b c'.split(' '); // ['a', 'b', '', '', 'c']
  
  //嗯，沒法識別連續的空格，用正則表達式試試：
  'a b c'.split(/\s+/); // ['a', 'b', 'c']
  //不管多少個空格均可以正常分割。加入,試試：
  
  'a,b, c d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd']
  //再加入;試試：
  
  'a,b;; c d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd']
  //若是用戶輸入了一組標籤，下次記得用正則表達式來把不規範的輸入轉化成正確的數組。
  複製代碼

• 字符串的分組應用
  除了簡單地判斷是否匹配以外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）。好比：^(\d{3})-(\d{3,8})$分別定義了兩個組，能夠直接從匹配的字符串中提取出區號和本地號碼：

  var re = /^(\d{3})-(\d{3,8})$/;
  re.exec('010-12345'); // ['010-12345', '010', '12345']
  re.exec('010 12345'); // null
  複製代碼

  若是正則表達式中定義了組，就能夠在RegExp對象上用exec()方法提取出子串來。
  exec()方法在匹配成功後，會返回一個Array，第一個元素是正則表達式匹配到的整個字符串，後面的字符串表示匹配成功的子串。
  exec()方法在匹配失敗時返回null。

  提取子串很是有用。來看一個更兇殘的例子：

  var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/;
  re.exec('19:05:30'); // ['19:05:30', '19', '05', '30']
  複製代碼

  這個正則表達式能夠直接識別合法的時間。可是有些時候，用正則表達式也沒法作到徹底驗證，好比識別日期：

  var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/;   
  複製代碼

  對於'2-30'，'4-31'這樣的非法日期，用正則仍是識別不了，或者說寫出來很是困難，這時就須要程序配合識別了。

---

如下內容參見鑫大大博客內容：

• 中英文之間須要增長空格
  首先，咱們的思路應該是「中文」、「英文」、「空格」，因而咱們可獲得 /(中文+英文+|英文+中文+)/g 這樣的符號表達
  轉換成正則符號即: /([\u4e00-\u9fa5]+[A-Za-z]+|[A-Za-z]+[\u4e00-\u9fa5]+)/g 其中[\u4e00-\u9fa5]表示中文字符匹配；[A-Za-z]表示所有的英文字母。斜槓後面的g表示全局匹配，除了g，還有i和m。其中i表示不區分大小寫，m表示支持多行匹配。 這裏的括號和加號可化簡，則最終可表達爲： 
  /[\u4e00-\u9fa5][a-z]|[a-z][\u4e00-\u9fa5]/gi

• 全角標點與其餘字符之間不加空格
  這裏若是直接用正則表達式，會顯得冗餘且不易懂，故使用RegExp對象簡化

  // 全角標點字符們 
  var strPunct = '！（）【】『』「」《》「」‘’；：，。？、';  
  // 使用管道符鏈接 
  var regPunct = strPunct.split('').join('|');  
  // 此時的正則表達式 
  new RegExp('['+ regPunct +'] +| +['+ regPunct +']', 'g');  
  複製代碼

  這樣就顯得簡潔多了
  其中，空格使用普通空格字符進行匹配的，而不是\s，這樣能夠避免把換行符也過濾掉了

• 不重複使用標點符號
  這裏的標點指中文標點，由於英文標點不重複，有些不切實際，例如空字符串''，就是合法的重複標點。
  使用正則表達式：

  /(\~|\`|\!|\[|\]|\{|\}|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?|\！|\·|\【|\】\「\」|\；|\：|\「|\」|\，|\《|\。|\》|\、|\？)\1+/g 複製代碼

  使用RegExp對象簡化：

  new RegExp(`(${regPunct})\\1+`, 'g')
  複製代碼

  這樣就是不使用重複中文標點了。
  其中，這裏的\1有必要好好說下。\1表示捕獲匹配，表示捕獲第一個分組括號中匹配的值，你能夠理解爲代稱。在正則表達式中，每個分組括號()都自帶一個看不見的序號，從前日後依次是分組一，分組二，分組三……
  這裏的\1就表示匹配的第一個標點，後面跟了個+則表示，這裏重複標點2個或多個都匹配。
  捕獲分組不只存在於正則表達式中，當咱們使用replace方法進行正則替換的時候，也存在與替換方法中，使用美圓符號$外加數字表示，例如先後空格過濾trim()方法的簡易polyfill：

  if (!''.trim) {
      String.prototype.trim = function () {
    	// $1表示第一個()中匹配的值
    	return this.replace(/^\s*(.*?)\s*$/, '$1');
      };
  }
  複製代碼

  其中'$1'並非替換成字符串$1意思，而是替換成第一個()中匹配的值，在這裏表示首尾空格之外的值。 若是咱們須要對捕獲分組內容進行額外處理，能夠把第二個參數做爲function處理，例如：

  this.replace(/^\s*(.*?)\s*$/, function (matches, $1) {
      // matches表示完整匹配內容（包括先後空格）
      // $1則表示第一個()中匹配的值 
      // 此時就能夠對$1進行處理，返回咱們須要的值
  })
  複製代碼

• 破折號先後須要增長一個空格
  這個比較簡單，可直接得到：

  /\S——|——\S/g
  複製代碼

• 使用全角中文標點
  正則表達式

  /([^A-Za-z][\~|\`|\!|\[|\]|\{|\}|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?][^A-Za-z])/g 複製代碼

  使用RegExp對象處理：

  var strPunctHalf = '!()[]"\';:,.?';
  // 不一樣於全角字符，半角字符須要加轉義
  var regPunctHalf = strPunctHalf.split('').join('|\\');
  // 此時的正則表達式
  new RegExp(`[\u4e00-\u9fa5][a-z]*( *[${regPunctHalf}] *)|( *[${regPunctHalf}] *)[a-z]*[\u4e00-\u9fa5]`, 'gi');
  複製代碼

• 數字使用半角
  /[\uFF10-\uFF19]+/g

• 遇到完整的英文整句，其內容使用半角標點
  正則表達式

  /(\「[A-Za-z\s\~|\`|\!|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?]*[\！|\·|\；|\：|\「|\」|\，\。|\、|\？][^\」]*\」)|(\《[A-Za-z\s\~|\`|\!|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?]*[\！|\·|\；|\：|\「|\」|\，\。|\、|\？][^\》]*\》)/g 複製代碼

  RegExp對象處理:

  new RegExp(`([a-z]+[${regPunct}|\\s])+[a-z]*([${regPunct}|\\s][a-z]+)+`, 'gi')
  複製代碼

  正則表達式的介紹就先到這裏啦，怎麼樣，動手使用吧~~~