数据/字符串处理是工作中经常能用到的，以前的做法大都是通过百度然后修改别人的代码完成字符串处理，一直想系统的跟正则认识一番，于是有了这篇。
点击《正则表达式》可查看原文哦！
同时非常感谢雪峰大大和鑫大大的文章支持，点击以下链接可查看参考原文。
雪峰大大的 标准对象/RegExp.
鑫大大的 粉丝群第27期JS基础小测答疑文字版
好的，接下来进入正题啦。
正则表达式定义
正则表达式是对字符串操作的一种逻辑公式，用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
举个例子：
'00\d'可以匹配'007'，‘008’，其中‘\d’即匹配数字。
语法
元字符
| 字 符 | 描 述 | 反义字符 | 描 述 |
|---|---|---|---|
| $ | 匹配输入字符串的结尾位置 | ||
| ^ | 匹配输入字符串的开始位置 | ||
| . | 匹配除换行符 \n 之外的任何单字符 | ||
| \b | 匹配单词边界 | \B | 匹配不是单词开头或结束的位置 |
| \d | 匹配数字 | \D | 匹配任意非数字的字符 |
| \w | 匹配字母，数字，下划线 | \W | 匹配任意不是字母，数字，下划线 的字符 |
| \s | 匹配空格 | \S | 匹配任意不是空白符的字符 |
| [abc] | 匹配包含括号内元素的字符 | [^abc] | 匹配除了abc以外的任意字符 |
量词
| 字 符 | 描 述 | 带?字符 | 描 述 |
|---|---|---|---|
| * | 重复至少0次 | *? | 重复任意次,但尽可能少重复 |
| + | 重复至少1次 | +? | 重复至少1次,但尽可能少重复 |
| ? | 重复0次或1次 | ?? | 重复0次或1次,但尽可能少重复 |
| {n} | 重复n次 | ||
| {n,} | 重复至少n次 | {n,}? | 重复至少n次,但尽可能少重复 |
| {n,m} | 重复n-m次 | {n,m}? | 重复n-m次,但尽可能少重复 |
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 | 匹配一个换页符。等价于 \x0c 和 \cL。 | ( ) | 标记一个子表达式的开始和结束位置。 |
| \n | 匹配一个换行符。等价于 \x0a 和 \cJ。 | | | 指明两项之间的一个选择，或 |
| \r | 匹配一个回车符。等价于 \x0d 和 \cM。 | [ | 标记一个中括号表达式的开始 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。 | \ | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符 |
| \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 | { | 标记限定符表达式的开始。 |
| \t | 匹配一个制表符。等价于 \x09 和 \cI。 | \v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
举例说明
-
数字、字母匹配（
\d匹配数字，\w匹配任意字母，数字，下划线）
可用00\d可以匹配007
\d\d\d可以匹配任意三位数字，如：123
\w\d\w可以匹配l0l -
.匹配任意字符，则
any.可匹配anya、anyb、anyc、anyd...... -
配合上量词再看看
\d{3}表示匹配3个数字，例如010
\d{3,8}表示3-8个数字，例如1234567 -
再加上我们的范围
[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线
[0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如a100，0_Z，Py3000等等
[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符） -
啊，还有我们的选择字符和定位
A|B可以匹配A或B，所以(P|p)ython可以匹配Python或者python
^表示行的开头，^\d表示必须以数字开头
$表示行的结束，\d$表示必须以数字结束
你可能注意到了，py也可以匹配python，但是加上^py$就变成了整行匹配，就只能匹配py了 -
字符串的切割
最常用的应该就是split切割了，但是当字符串之间不仅仅是单一字符连接，切割就会出现问题，比如下面的例子//出现多余空格情况： 'a b c'.split(' '); // ['a', 'b', '', '', 'c'] //嗯，无法识别连续的空格，用正则表达式试试： 'a b c'.split(/\s+/); // ['a', 'b', 'c'] //无论多少个空格都可以正常分割。加入,试试： 'a,b, c d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd'] //再加入;试试： 'a,b;; c d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd'] //如果用户输入了一组标签，下次记得用正则表达式来把不规范的输入转化成正确的数组。 -
字符串的分组应用
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：var re = /^(\d{3})-(\d{3,8})$/; re.exec('010-12345'); // ['010-12345', '010', '12345'] re.exec('010 12345'); // null如果正则表达式中定义了组，就可以在RegExp对象上用exec()方法提取出子串来。
exec()方法在匹配成功后，会返回一个Array，第一个元素是正则表达式匹配到的整个字符串，后面的字符串表示匹配成功的子串。
exec()方法在匹配失败时返回null。提取子串非常有用。来看一个更凶残的例子：
var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/; re.exec('19:05:30'); // ['19:05:30', '19', '05', '30']这个正则表达式可以直接识别合法的时间。但是有些时候，用正则表达式也无法做到完全验证，比如识别日期：
var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/;对于'2-30'，'4-31'这样的非法日期，用正则还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了。
以下内容参见鑫大大博客内容：
-
中英文之间需要增加空格
首先，我们的思路应该是“中文”、“英文”、“空格”，于是我们可得到/(中文+英文+|英文+中文+)/g这样的符号表达
转换成正则符号即:/([\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]表示全部的英文字母。斜杠后面的g表示全局匹配，<font color="#a00">除了g，还有i和m。其中i表示不区分大小写，m表示支持多行匹配。</font>
这里的括号和加号可化简，则最终可表达为：
/[\u4e00-\u9fa5][a-z]|[a-z][\u4e00-\u9fa5]/gi -
全角标点与其他字符之间不加空格
这里如果直接用正则表达式，会显得冗余且不易懂，故使用RegExp对象简化// 全角标点字符们 var strPunct = '！（）【】『』「」《》“”‘’；：，。？、'; // 使用管道符连接 var regPunct = strPunct.split('').join('|'); // 此时的正则表达式 new RegExp('['+ regPunct +'] +| +['+ regPunct +']', 'g');这样就显得简洁多了
其中，空格使用普通空格字符进行匹配的，而不是\s，这样可以避免把换行符也过滤掉了 -
不重复使用标点符号
这里的标点指中文标点，因为英文标点不重复，有些不切实际，例如空字符串''，就是合法的重复标点。
使用正则表达式：/(\~|\`|\!|\[|\]|\{|\}|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?|\！|\·|\【|\】\「\」|\；|\：|\“|\”|\，|\《|\。|\》|\、|\？)\1+/g使用RegExp对象简化：
new RegExp(`(${regPunct})\\1+`, 'g')这样就是不使用重复中文标点了。
其中，这里的\1有必要好好说下。\1表示捕获匹配，表示捕获第一个分组括号中匹配的值，你可以理解为代称。在正则表达式中，每一个分组括号()都自带一个看不见的序号，从前往后依次是分组一，分组二，分组三……
这里的\1就表示匹配的第一个标点，后面跟了个+则表示，这里重复标点2个或多个都匹配。
捕获分组不仅存在于正则表达式中，当我们使用replace方法进行正则替换的时候，也存在与替换方法中，使用美元符号$外加数字表示，例如前后空格过滤trim()方法的简易polyfill：if (!''.trim) { String.prototype.trim = function () { // $1表示第一个()中匹配的值 return this.replace(/^\s*(.*?)\s*$/, '$1'); }; }其中'
1意思，而是替换成第一个()中匹配的值，在这里表示首尾空格以外的值。 如果我们需要对捕获分组内容进行额外处理，可以把第二个参数作为function处理，例如：
this.replace(/^\s*(.*?)\s*$/, function (matches, $1) { // matches表示完整匹配内容（包括前后空格） // $1则表示第一个()中匹配的值 // 此时就可以对$1进行处理，返回我们需要的值 }) -
破折号前后需要增加一个空格
这个比较简单，可直接获得：/\S——|——\S/g -
使用全角中文标点
正则表达式/([^A-Za-z][\~|\`|\!|\[|\]|\{|\}|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?][^A-Za-z])/g使用RegExp对象处理：
var strPunctHalf = '!()[]"\';:,.?'; // 不同于全角字符，半角字符需要加转义 var regPunctHalf = strPunctHalf.split('').join('|\\'); // 此时的正则表达式 new RegExp(`[\u4e00-\u9fa5][a-z]*( *[${regPunctHalf}] *)|( *[${regPunctHalf}] *)[a-z]*[\u4e00-\u9fa5]`, 'gi'); -
数字使用半角
/[\uFF10-\uFF19]+/g -
遇到完整的英文整句，其內容使用半角标点
正则表达式/(\「[A-Za-z\s\~|\`|\!|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?]*[\！|\·|\；|\：|\“|\”|\，\。|\、|\？][^\」]*\」)|(\《[A-Za-z\s\~|\`|\!|\;|\:|\"|\'|\,|\<|\.|\>|\/|\?]*[\！|\·|\；|\：|\“|\”|\，\。|\、|\？][^\》]*\》)/gRegExp对象处理:
new RegExp(`([a-z]+[${regPunct}|\\s])+[a-z]*([${regPunct}|\\s][a-z]+)+`, 'gi')
正则表达式的介绍就先到这里啦，怎么样，动手使用吧~~~
网友评论