字符匹配攻略

正则表达式是匹配模式，要么匹配字符，要么匹配位置。

两种模糊匹配

如果正则只有精准匹配是没有多大意义的，比如/hello/，只能匹配字符串中的"hello"这个子串。

const regex = /hello/;
console.log(regex.test("hello"));
// => true

正则表达式之所以强大，是因为其能实现模糊匹配。

而模糊匹配，有两个方向上的"模糊"：横向模糊和纵向模糊。

横向模糊匹配

横向模糊指的是

一个正则可匹配的字符串的长度不是固定的，可以是多种情况的。

其实现的方式是使用量词。譬如{m,n}，表示连续出现最少m次，最多n次。

比如正则/ab{2,5}c/表示匹配这样一个字符串：第一个字符是"a"，接下来是2到5个字符"b"，最后是字符"c"。

测试如下：

const regex = /ab{2,5}c/g;
const string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log(string.match(regex));
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

纵向模糊匹配

纵向模糊指的是

一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种可能。

其实现的方式是使用字符组。譬如[abc]，表示该字符是可以字符"a"、"b"、"c"中的任何一个。

比如/a[123]b/可以匹配如下三种字符串："a1b"、"a2b"、"a3b"。

测试如下：

const regex = /a[123]b/g;
const string = "a0b a1b a2b a3b a4b";
console.log(string.match(regex));
// => ["a1b", "a2b", "a3b"]

只要掌握横向和纵向模糊匹配，就能解决很大部分的正则匹配问题。

下面我们来具体展开字符组和量词的内容。

字符组

需要强调的是，虽然叫字符组(字符类)，但只是其中一个字符。

例如[abc]，表示匹配一个字符，它可以是"a"、"b"、"c"之一。

范围表示法

如果字符组里的字符特别多的话，怎么办？可以使用范围表达法。

比如[123456abcdefGHIJKLM]，可以写成[1-6a-fG-M]。用连字符-来省略和简写。

因为连字符有特殊用途，那么要匹配"a"、"-"、"z"这三者中的任一字符，该怎么做呢？

不能写成[a-z]，因为其表示小写字符中的任何一个字符。

可以写成如下的方式：[-az]或[az-]或[a\-z]。

即要么放在开头，要么放在结尾，要么转义，总之不会让引擎认为是范围表达法就行了。

排除字符组

纵向模糊匹配，还有一种情形就是，某位字符可以是任何东西，但就不能是"a"、"b"、"c"。

此时就是排除字符组(反义字符组)的概念。例如[^abc]，表示是一个除了"a"、"b"、"c"之外的任意一个字符。字符组的第一位放^（脱字符)，表示求反的概念。

当然，也有相应的范围表达法。

常见的简写形式

有了字符组的概念后，一些常见的符号我们也就理解了。因为它们都是系统自带的简写形式。

字符组	具体含义
\d	表示[0-9]，表示是一位数字。英文digit。
\D	表示[^0-9]，表示除数字外的任意字符。
\w	表示[0-9a-zA-Z_]，表示数字、大小写字母和下划线。英文word。
\W	表示[^0-9a-zA-Z_]，表示非单词字符。
\s	表示[ \t\v\n\r\f]，表示空白符，包括空格、水平制表符、垂直制表符、换行符、回车符、换页符。英文space。
\S	表示[^ \t\v\n\r\f]，表示非空白符。
.	表示[^\n\r\u2028\u2029]，通配符，表示几乎任意字符。

如果要匹配任意字符怎么办？可以使用[\d\D]、[\w\W]、[\s\S]和[^]中的任何一个。

量词

量词也称重复。掌握{m,n}的准确含义之后，只需要记住一些简写形式即可。

简写形式

量词	具体含义
{m,}	表示至少出现m次。
{m}	等价于{m,m}，表示出现m次。
?	等价于{0,1}，表示出现或者不出现。记忆方式：问号的意思表达，有吗？
+	等价于{1,}，表示至少出现一次。记忆方式：加号意思，先有一个然后才考虑追加。
*	等价于{0,}，表示出现任意次。

贪婪匹配与惰性匹配

看如下的例子：

const regex = /\d{2,5}/g;
const string = "123 1234 12345 123456";
console.log(string.match(regex));
// => ["123", "1234", "12345", "12345"]

其中正则/\d{2,5}/，表示数字连续出现2到5次。会匹配2位、3位、4位、5位连续数字。

但是其是贪婪的，它会尽可能多的匹配。你能给我6个，我就要5个。你能给我3个，我就要3个。

反正只要在能力范围内，越多约好。

我们知道有时贪婪不是一件耗时。而惰性匹配，就是尽可能少的匹配：

const regex = /\d{2,5}?/g;
const string = "123 1234 12345 123456";
console.log(string.match(regex));
// => ["12", "12", "34", "12", "34", "12", "34", "56"]

其中/\d{2,5}?/表示，虽然2到5次都可以，当2个够的时候，就不在往下尝试了。

通过在量词后面加个问号就能实现惰性匹配，因此所有惰性匹配的情形如下：

惰性量词	贪婪量词
{m,n}?	{m,n}
{m,}?	{m,}
??	?
+?	+
*?	*

TIP

对惰性匹配的记忆方式是：

在量词后面加个问号，问一问你知足了吗，你很贪婪吗？

多选分支

一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一。

具体形式如下：(p1|p2|p3)，其中p1、p2和p3是子模式，用|(管道符)分隔，表示其中之一。

例如要匹配字符串"good"和"nice"可以使用/good|nice/。

测试如下：

const regex = /good|nice/g;
const string = "good idea, nice try.";
console.log(string.match(regex));
// => ["good", "nice"]

但有个事实我们应该注意，比如我用/good|goodbye/，去匹配"goodbye"字符串，结果是"good"。

const regex = /good|goodbye/g;
const string = "goodbye";
console.log(string.match(regex));
// => ["good"]

而把正则改成/goodbye|good/，结果是：

const regex = /goodbye|good/g;
const string = "goodbye";
console.log(string.match(regex));
// => ["goodbye"]

也就是说，分支解构也是惰性的，即当前面的匹配上了，后面的就不在尝试了。

案例分析

匹配字符、无非就是字符组、量词和分支结构的组合使用罢了。

下面找几个例子演练以下（其中，每个正则并不是只有唯一写法）：

匹配16进制颜色值

要求匹配：

#ffbbad
#Fc01DF
#FFF
#ffE

分析：

表示一个16进制字符，可以用字符组[0-9a-fA-F]。

其中字符可以出现3或6次，需要是用量词和分支结构。

使用分支结构时，需要注意顺序。

正则如下：

const regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;
const string = "#ffbbad #Fc01DF #FFF #ffE";
console.log(string.match(regex));
// => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]

匹配时间

以24小时制为例

要求匹配：

23:59
02:07

分析：

当4位数字，第一位数字可以为[0-2]。

当第一位为"2"时，第2位可以为[0-3]，当其他情况时，第二位为[0-9]。

第3位数字位[0-5]，第4位为[0-9]。

正则如下：

const regex = /^([01][0-9]|[2][0-3]):[05][09]$/;
console.log(regex.test("23:59"));
console.log(regex.test("02:07"));
// => true
// => true

如果也要求匹配"7:9"，也就是说时分前面的"0"可以省略。

此时正则变成：

const regex = /^0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9]$/;
console.log(regex.test("23:59"));
console.log(regex.test("02:07"));
console.log(regex.test("7:9"));
// => true
// => true
// => true

正则中使用了^和$，分别表示字符串开头和结尾。具体详细请参考第二章。

匹配日期

比如yyyy-mm-dd格式为例。

要求匹配：

2017-06-10

分析：

年，四位数字即可，可用[0-9]{4}。

月，共12个月，分两种情况"01"、"02"、"09"和"10"、"11"、"12"，可用(0[1-9]|1[0-2])。

日，最大31天，可用(0[1-9]|[12][0-9]|3[01]。

正则如下：

const regex = /^[0-9]{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/;
console.log(regex.test("2017-06-10"));
// => true

window操作系统文件路径

要求匹配：

F:\study\javascript\regex\regular expression.pdf
F:\study\javascript\regex\
F:\study\javascript
F:\

分析：

整体模式是：

盘符:\文件夹\文件夹\文件夹\

其中匹配"F:"，需要使用[a-zA-Z]:\\，其中盘符不区分大小写，注意\字符需要转义。

文件名或者文件夹名，不能包含一些特殊字符，此时我们需要排除字符组[^\\:*<>|"?\r\n/]来表示合法字符。

另外它们的名字不能为空名，至少有一个字符，也就是要使用量词+。因此匹配文件夹\，可用[^\\:*<>|"?\r\n/]+\\。

另外文件夹\，可以出现任意次。也就是([^\\:*<>|"?\r\n]+\\)*。其中括号表示其内部正则是一个整体。具体详细请参考第三章。

路径的最后一部分可以是文件夹，没有\，因此需要添加([^\\:*<>|"?\r\n/]+)?。

最后拼接成了一个看起来比较复杂的正则：

const regex = /^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/;
console.log(regex.test("F:\\study\\javascript\\regex\\regular expression.pdf"));
console.log(regex.test("F:\\study\\javascript\\regex\\"));
console.log(regex.test("F:\\study\\javascript"));
console.log(regex.test("F:\\"));
// => true
// => true
// => true
// => true

TIP

在JavaScript中字符串表达字符\时，也需要转义。

匹配id

要求从

<div id="container" class="main"></div>

提取出id="container"。

最开始可能想到的正则是：

const regex = /id=".*"/;
const string ='<div id="container" class="main"></div>';
console.log(string.match(regex[0]);
// => id="container" class="main"

因为.是通配符，本身就匹配双引号的，而量词*又是贪婪的，当遇到container后面的双引号时，是不会停下来，会继续匹配，直到遇到最后一个双引号为止。

解决之道，可以使用惰性匹配：

const regex = /id=".*?"/;
const string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"

当然，这样也会有个问题。效率比较低，因为其匹配原理会涉及到『回溯』这个概念。第四章会详细说明。

可以优化如下：

const regex = /id="[^"]*"/;
const string = '<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"

小结

掌握字符组和量词就能解决大部分常见的情形，也就是说，当你会了这两者，JavaScript正则算是入门了。