正則表達式--內功心法

[TOC]

---

開發過程當中，不少人止於正則，搜於網絡。正則雖小，意義頗大。幾乎全部開發語言都提供支持， 它始於仿生學（神經元描述）符號描述，崛起於各操做系統，附生於編輯器中，欣欣向榮，如日中天。

場景

• 千分位

某大廠有這麼一道題目，具備開放性。 大數字以千分位隔開即生活場景中的帳戶金額，怎麼作？ 仁者見仁智者見智，辦法總比問題多，然而一條簡單正則輕鬆解決。

正則表達式：/(\d{1,3})(?=(\d{3})+$)/g

如：

"1111234334".replace(/(\d{1,3})(?=(\d{3})+$)/g,"$1,")

• 支付弱密碼校驗

不少場景下，用戶會設置簡單易記密碼，爲了不用戶密碼被撞庫，被不法分子利用，須要在設置時校驗，提示用戶。

如123456使用正則校驗

/(0(?=1)|1(?=2)|2(?=3)|3(?=4)|4(?=5)|5(?=6)){5}/

---

目的或意義

對字符串進行過濾篩選匹配，獲得預期的值或效果

概念

對字符串和特殊符號操做的邏輯公式

應用場景

表單校驗，條件搜索查詢，數據替換等

linux 裏面不少地方都用到

sed 's/pattern/replacement/flag' file

awk '/pattern/program' file

正向預查

在任何匹配 pattern 的字符串開始處匹配查找字符串。

預查是非捕獲特性，JAVASCRIPT不支持反向預查

正向正預查

?:

window(?:10|7) 能夠匹配window10 或 window7 ``` javascript /window(?:10|7)/.test("window10") //true

匹配過程是如何的呢？

字符串從左到右，遊標起始於字符串開始部分的左側，正則表達式的w與字符串w匹配，匹配成功後，遊標移動到w右側，而後匹配i，匹配成功後，遊標繼續遊走，以此類推直到遊標停留到字符串末尾

?=

/window(?=7)/.test("window7") //true

匹配過程又如何呢？

遊標由字符串的最左側開始，正則表達式以此匹配直到window的右側，此時遊標停留，正則繼續匹配，當匹配到7的時候，匹配成功。因爲遊標停留在7的左側（即w的右側），所以獲得的匹配結果是window而不是window7

正向負預查

?!

/window(?!7)/.test("windowXP") //true

此時的匹配過程又該如何 跟上面?=相似，不一樣的是XP與正則中的7不對應時爲匹配成功

反向預查

在任何不匹配pattern 的字符串開始處匹配查找字符串。

反向正預查

/(?<=best)pay/  匹配bestpay

反向負預查

/(?<!best)pay/  匹配alipay

非貪婪模式 VS 貪婪模式

• 貪婪模式

例如：

javascript /ab*c/.test("abbbc") //匹配abbbc

過程以下：

遊標從a左側開始，正則與字符串匹配到ab後，b繼續與b匹配，直到c與b匹配，發現不能匹配，因而，選用備選路線，選用用字符串c與正則c匹配，匹配上游標前進到c的右側所有匹配完成

• 非貪婪模式

例如：

javascript /ab*?c/.test("ac") //匹配ac

正則中? 是優先考慮的

過程以下：

遊標從字符串"ac"中a的左側開始，正則a與字符a匹配上，遊標前進到a的右側，此時模式中的"b*?" 與字符"c"匹配不上，因而，選用備用方案，正則會用"c" 與跟 字符串的"c"匹配，匹配上後，遊標移動到末尾，所以匹配的值是ac

執行過程

基於PCRE的正則引擎有一個特色：遞歸和回溯

遞歸

javascript /^c*?d(?=e)/.test("cde") //true, 匹配cd

1. ^表示起始位置0（即字符串cd的左側）

$表示字符串末尾

2. "cd"中的c與正則中的c*？進行匹配，遊標繼續前進，
3. "cd"中的d與c*?匹配不上時，選用備選路線
4. "cd"中的d與正則中的d對比並匹配上
5. ?=e不佔用位置可是要校驗e值的存在(即遊標在d右側時，"cde"中e與?=e匹配上，遊標不會移動）

相似?=e這種零位佔用還有^,$

回溯

javascript /tf??a/.test("tea") //false

過程以下：

1. 由字符串"tea"左側開始，"tea" 的t 與 正則t匹配
2. 忽略f?? 直接匹配正則a，"tea"的"e" 與 正則表達式中"a" 對比，匹配失敗
3. 正則表達式回溯到f??, 此時「tea」中的「e」 與正則表達式中「f??「對比，匹配失敗
4. 正則模式繼續回退，此時正則表達式中t與字符串中」e「比較，匹配失敗

對於??，是可優先忽略的

符號的運算優先級

優先級從高到低

操做符號	描述
\	轉義符
(), (?:), (?=), []	圓括號和方括號
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, \anymetacharacter	位置和順序

金無足赤人無完人

任何東西都得以辯證角度看待，凡是都有好有壞。 雖然正則能夠做爲一種途徑實現業務需求，可是，因爲自身的特性（遞歸，回溯等）會致使執行效果在某些場景下匹配速度較慢，還不如直接使用字符串的搜索。

正則經常使用符號及含義

普通字符

非打印字符

字符	含義	備註
\f	換頁符	等價於 \x0c 和 \cL
\cx	匹配由x指明的控制字符	\cM 匹配一個 Control-M 或回車符
\n	換行符	等價於 \x0a 和 \cJ
\r	匹配一個回車符。	等價於 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、製表符、換頁符等等。	等價於 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。	等價於 [^ \f\n\r\t\v]。
\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。

---

特殊字符

字符	含義	備註
\$	匹配輸入字符串的結尾位置。	若是設置了 RegExp 對象的 Multiline 屬性，則 $ 也匹配 ‘\n’ 或 ‘\r’。要匹配 $ 字符自己，請使用 \$。
( )	標記一個子表達式的開始和結束位置。	子表達式能夠獲取供之後使用。要匹配這些字符，請使用 ( 和 )。
*	匹配前面的子表達式零次或屢次。	要匹配 * 字符，請使用 *。
+	匹配前面的子表達式一次或屢次。	要匹配 + 字符，請使用 +。
.	匹配除換行符 \n以外的任何單字符。	要匹配 .，請使用 \。
[	標記一箇中括號表達式的開始。	要匹配 [，請使用 [。
?	匹配前面的子表達式零次或一次，或指明一個非貪婪限定符。	要匹配 ? 字符，請使用 \?。
\	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。	例如， ‘n’ 匹配字符 ‘n’。’\n’ 匹配換行符。序列 ‘\’ 匹配 「\」，而 ‘(’ 則匹配 「(」。
^	匹配輸入字符串的開始位置，除非在方括號表達式中使用，此時它表示不接受該字符集合。	要匹配 ^ 字符自己，請使用 \^。
{	標記限定符表達式的開始。	要匹配 {，請使用 \{。
		指明兩項之間的一個選擇。

---

定位符號

用來描述字符串或單詞的邊界

• ^ > 字符串以何元素開始
• $ > 字符串以什麼結束
• \b > 描述單詞以何爲邊界
• \B > 描述單詞非邊界狀況

限定符號

字符	含義	備註
*	匹配前面的子表達式零次或屢次。	* 等價於{0,}。
+	匹配前面的子表達式一次或屢次。	+ 等價於 {1,}。
?	匹配前面的子表達式零次或一次。	? 等價於 {0,1}。
{n}	n 是一個非負整數。匹配肯定的 n 次。	例如，’o{2}’ 不能匹配 「to」 中的 ‘o’，可是能匹配 「tooth」 中的兩個 o。
{n,}	n 是一個非負整數。至少匹配n 次。	例如，’o{2,}’ 不能匹配 「to」 中的 ‘o’，但能匹配 「foooood」 中的全部 o。’o{1,}’ 等價於 ‘o+’。’o{0,}’ 則等價於 ‘o*’。
{n,m}	m 和 n 均爲非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。	例如，」o{1,3}」 將匹配 「fooooood」 中的前三個 o。’o{0,1}’ 等價於 ‘o?’。請注意在逗號和兩個數之間不能有空格。

字符簇

字符	含義	備註
\d	匹配一個數字字符。	等價於 [0-9]。
\D	匹配一個非數字字符。	等價於 [^0-9]。
\w	匹配包括下劃線的任何單詞字符。	等價於’[A-Za-z0-9_]’。
\W	匹配任何非單詞字符。	等價於 ‘[^A-Za-z0-9_]’。
\num	匹配 num，其中 num 是一個正整數。對所獲取的匹配的引用。	例如，’(.)\1′ 匹配兩個連續的相同字符。

---

做者簡介：

就任於甜橙金融信息技術部，負責前端開發工做，前後任職攜程，平安等公司的前端開發工程師職位，喜歡研究新的技術，服務於業務需求，熟練運用Linux/Unix系統命令，以終端爲載體，快速執行操做。