Geek必备 - 正则表达式

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

导语

简单来说，正则表达式做两个事：

1. 匹配
2. 替换

在无论代码生涯，还是正常生活当中，会遇到很多情况：

• 从html文本中获取某些信息
• 表单内容验证
• 代码批量更改名字
• vim中查找内容
• 一堆杂乱的日志文档中找出重要信息
• 等等

其实写代码即操作文本，正则表达式是操作文本能手，如果灵活运用自如，如虎添翼。本片文章主要说正则表达式 - 是什么、为什么、怎么样

语法一览

字符	描述
^	在单行模式中匹配文本最前面的位置 ， 在多行模式中匹配每一行的行首
$	在单行模式中匹配文本最后面的位置 ， 在多行模式中匹配每一行的行尾
+	匹配1个以上 ， 例如a+就是匹配 a、aaa 、aaaaa
？	匹配0个或1个 ， 例如ab?就是匹配 a 、ab
*	匹配0个以上 ， 例如ab*就是匹配 a 、ab 、abb 、abbbb
{n}	匹配n个，例如ab{3}就是匹配 abbb
{n,}	匹配n个以上，例如ab{3,}就是匹配 abbb 、abbbbb
{n,m}	匹配n到m之间，例如ab{3,5}就是匹配 abbb 、abbbb 、abbbbb
\\	转义符，将特殊字符变成普通字符看待 ，例如 \\\\+ 表示匹配字符+
.	匹配非'\\n'外的任意字符
\\d	匹配一个数字
\\D	匹配一个非数字
\\s	匹配一个空格
\\S	匹配一个非空格
\\n	匹配一个换行符
\\t	匹配一个制表符
\\t	匹配一个制表符
\\w	匹配一个包含下划线在内的单词或字符，相当于[a-zA-Z0-9],例如 world_one
\\W	匹配一个包含下划线在内的非单词
a\\b	’或‘ 语法 ，匹配 a 或者 b ，该处是竖线
[xyz]	匹配括号内包含的任意一个字符
[^xyz]	匹配括号内未包含的任意一个字符
[a-z]	匹配括号未包含的范围字符，该例匹配a～z任意一个字符
[^a-z]	匹配括号内未包含的范围字符
(pattern)	把匹配内容放到分组中
(?:pattern)	匹配，但不放到分组中
(?=pattern)	零宽断言 , 断言前方是pattern
(?!pattern)	零宽断言 , 断言前方不是pattern
(?<=pattern)	零宽断言 , 断言后方是pattern
(?<!pattern)	零宽断言 , 断言后方不是pattern

细细道来

如需灵活运用正则表达式，必须熟悉大部分元字符的含义，并且运用于实际当中，然后多产出正则。

在正则表达式中有几个要点：

匹配一个字符

匹配一个字符，有很多种方法，可以直接使用字符本身a、b、c、d，也可以使用通配符\\w、\\S、[a-z] ， 在实际情况中灵活选择。

例如：a123bb456

• 正则可以是 “ a\\d{3}bb\\d{3} ” ， 可以理解为：“匹配a字符，接着匹配3个数字，接着匹配b字符，接着匹配b字符，最后匹配3个数字”

• 正则可以是 “ [a-z\\d]{9} ” ， 可以理解为：“匹配9个( a到z 或者 数字 )”

• 正则可以是 “ \\S{9} ” ， 可以理解为：“匹配9个非空字符”

没有唯一的正则表达式，只有适合解决需求的正则表达式
在写正则表达式中根据需求，思考使用的通配符是否对结果有影响，如无影响，都可以使用

转义

例如需要匹配'['字符，因为'['在正则表达式中有其意义，所以可以使用\\[来匹配，就是在前面加反斜杠\\

重复匹配

重复在正则中也是最常用的通配符之一。
例如
12345
正则是：\\d{5} 代表 “匹配5个数字“
或者是：\\d+ 代表 “匹配至少1个数字,贪婪模式”
或者是：\\d* 代表 “匹配至少0个数字,贪婪模式”
或者是：\\d+?\\d{4} 代表 “匹配至少1个数字,懒惰模式,再匹配4个数字”
或者是：\\d*?\\d{5} 代表 “匹配至少0个数字,懒惰模式,再匹配5个数字”

这里有一个概念

• 贪婪模式 ： 是有多少匹配多少
• 懒惰模式 ： 尽量少地匹配

例如现在要匹配一个img标签

\\\\< img src="http://www.baidu.img/50B2" style="height:75px;">

正则 :
<\\\\simg\\\\ssrc="[^"]+"[^>]*>该处久用了贪婪模式，匹配到[^"]+的时候表示 1个以上非“的字符，所以，会匹配到50B2，因为再下去就是“了，所以贪婪也就贪婪到这里了。

如果把正则换成 <\\\\simg\\\\ssrc="[^"]+?"[^>]*> ，该处久用了懒惰模式，在匹配到[^"]+?的时候，匹配内容为：<img src="h ，因为使用了？，用的是懒惰模式，所以，只匹配到1个字符，然后在匹配“，因为不是”，所以匹配终止，匹配不到任何内容。

这个特性在正则中大有用处，细细理解！凡事用到了重复匹配，都可以使用？来进行懒惰的控制，默认是贪婪模式

零宽断言

相信对于很多初学者来说，看到断言开始都会一头雾水，下面详细说明，如何使用？

零宽断言就是下结论，例如ab，正则：a(?=b)，匹配a并且向右看是b，得到的结果是a，断言不会在匹配的内容当中，如果是a(?=c)，则匹配不到任何内容，因为匹配a以后向右看并不是c

如果上面的例子理解了，那么对于零宽断言就差不多了，只是看的方向不一样。

• (?=pattern) 向右看是
• (?!pattern) 向右看不是
• (?<=pattern) 向左看是 (JS不支持)
• (?<!pattern) 向左看不是 (JS不支持)

例子：abc

(?<=a)b(?=c) : 匹配b，并且向左看是a，向右看是c
(?<!b)b(?!b) : 匹配b，并且向左看不是b，向右看不是b

分组

分组是用于在匹配过程中，将需要的有用信息提取出来，方便使用。

分组的通配符是括号，就是需要提取信息的地方加括号括起来

例如还是要匹配一个img标签 ，但是我需要提取出其中的url

\\\\< img src="http://www.baidu.img/50B2" style="height:75px;">

可以看到，其中分组1中的内容就是我们需要的url，当然可以使用多个括号进行多个分组的抽取

程序中如何获取？下面给出js中的demo

var content = '![](http://www.baidu.img/50B2)'
var regex = /<img\\\\ssrc="([^"]+)/
var url = content.match(regex)[1] 

选项

最后说一下选项，同一正则表达式不同的选项可能回产生不同的效果。

名称	选项	说明
IgnoreCase	i	忽略大小写
Multiline	m	多行模式
global	g	全局匹配

忽略大小写大家应该都清楚，多行模式的话就会影响^{和$的匹配，在单行模式中}匹配内容的首位，在多行模式中^匹配每一行的首位，$同理。
全局匹配的话就是匹配所有，如果不开全局匹配，则如匹配成功，则退出，结果只有一个。

推荐 （ 绝对没拿回扣～）

• 书
  《精通正则表达式》
  《正则表达式经典实例》
• 在线测试工具
  传送门

总结

多想，多写，多运用，当对正则表达式灵活运用的时候，你会有一种翱翔天际的感觉。

如有错误指出，望各位指出，谢谢xie x

请作者喝茶：

Geek必备 - 正则表达式