什么是正则表达式

正则表达式是对文本模式的描述，类比Windows下查找文件使用的通配符理解。也就是*和?，*可匹配多个字符，?可匹配单个字符：*.doc匹配所有word文档，aaa?.doc匹配名字为aaa+一个字符的word文档。正则表达式表示更加复杂的文字模式，比如：电话号码等。

常见使用场景

• 文档中的查找与替换（notepad++，sublime text）;
• Form表单验证：对form表单中的输入内容进行格式验证，例如：邮箱验证、url验证|密码格式验证等。
• 爬虫选取特定内容：通过匹配html中的片段，选择出感兴趣的部分

调试正则表达式的工具

• 在线测试工具
• 图形化正则表达式（将正则表达式转换为状态机）
• 利用编程语言中的方法，例如使用JS语言中的match()方法。

JS中的正则表达式

JS支持两种正则表达式声明写法：

var pattern = new RegExp('ab');
var pattern2 = /ab/;

JS中根正则表达式相关的常用函数有三个

rexExp.test(string)

这个函数最为简单，匹配成功返回 true，失败返回 false

var str = 'mafengshe';
console.log(/ma/.test(str)); // true

var str = 'mafengshe';
console.log(/\d/.test(str); // false

rexExp.exec(string)

exec 查找并返回当前的匹配结果，并以数组的形式返回。如果不存在模式，则返回 null，否则返回的总是一个长度为 1 的数组，其值就是当前匹配项。exec 方法受参数 g 的影响。若指定了 g，则下次调用 exec 时，会从上个匹配的 lastIndex 开始查找。

var str = "a1a2a3";
var reg = /a./;
console.log(reg.exec(str)[0]); // a1
console.log(reg.exec(str)[0]); // a1

var str = "a1a2a3";
var reg = /a./g;
console.log(reg.exec(str)[0]); // a1
console.log(reg.exec(str)[0]); // a2
console.log(reg.exec(str)[0]); // a3
console.log(reg.exec(str)[0]); // null

string.match(regExp)

注意：match是String对象的方法，不同于之前的test和exec，他们是RegExp对象的方法

这个方法最常用，他的结果和exec比较像，但是和exec不同的是如果指定参数g，match一次性返回素有结果，不需要多次调用。

var str = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz";
var regexp = /[A-E]/gi;
console.log(str.match(regexp)); // ['A', 'B', 'C', 'D', 'E', 'a', 'b', 'c', 'd', 'e'];

正则表达式语法

常用元字符

例子：

console.log("a".match(/\w/)) // ["a", index: 0, input: "a"]
console.log("1".match(/\d/)) // ["1", index: 0, input: "1"]
console.log(" ".match(/\s/)) // [" ", index: 0, input: " "]

转义字符

正则表达式中(,),[,],{,},.,?,+,*,^,$都有特殊的含义，如果你想查这些字符本身，而不是他的特殊意义，使用\对字符进行转义。

　重复

例子：

console.log("aabbccc".match(/a+/)) // ["aa", index: 0, input: "aabbccc"]
console.log("aabbccc".match(/ab*c/)) // ["abbc", index: 1, input: "aabbccc"]
console.log("aabbccc".match(/ab?c/)) // null
console.log("aabbccc".match(/c{1,2}/)) // ["cc", index: 4, input: "aabbccc"]

字符集合

• 枚举
  • 例如：[aeiou]匹配任何aeiou中的任何一个字符。
• 表示范围
  • [a-z]匹配26个英文字母中的任意一个，类似用法还有[A-Z]、[1-9]。
• 元字符表示法
  • 例如： \d{8} 匹配八个数字。

例如：

[aeiou]就匹配任何一个英文元音字母 [.?!]匹配标点符号(.或?或!)

反义

如果想表达除了某些字符以外，就需要用到反义。反义的表达方式主要有两种：

• 普通字符：[^aeiou] 匹配不是aeiou的字符。
• 元字符: 改变大小写，如：\W（大小写）匹配不是字母、数字、下划线、汉字的字符

分枝条件

分枝条件：如果几种规则中任何一种规则都应该当成可以匹配，则可以使用|符号将几种规则隔开。

例如： 0\d{2}-\d{8}|0\d{3}-\d{7} 匹配两种电话号码，分别是三位区号-八位电话号码和四位区号-七位电话号码。

注意: 正则表达式的解析是从左到右的，如果满足了某个分支，则不会再去管其他条件。

分组

在重复中说明了如何匹配重复的单个字符，但如果需要对多个字符重复，则需要使用分组。例如IP地址。

用小括号将多个字符括起来，则会产生分组。可以对分组后的子表达式实施其他操作：例如重复。

当然我们也可以使用小括号，但是手动指定分组名称，或者不占用分组号，详细用法如下

IP地址匹配（粗糙）：(\d{1,3}\.){3}\d{1,3}

注：正则表达式中没有数学表达式，因此若想去除匹配的无效IP地址：例如999.999.999.999，则只能使用分组、分支等方法，比较繁琐。

如果想完美的匹配ip地址，就要用冗长的 ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)，这种方法不直观，不利于维护，我们可以看看使用js来实现的代码

var testIp = ip => 
    ip.split(".").length == 4 && 
    ip.split(".").filter(i=>parseInt(i) >= 0 && parseInt(i) <= 255).length == 4

这个例子告诉我们，有的使用纯粹使用正则表达并不直观，也不利于实现，适当时候配合js实现判断效果是比较好的选择。

贪婪与懒惰

正则表达式的默认行为是匹配尽可能多的字符，即贪婪模式

console.log("aabab".match(/a.*b/)) // ["aabab", index: 0, input: "aabab"]

我们可以通过给重复量词（*,+,+,?,{n,m}）后添加?来开启非贪婪（懒惰）匹配

console.log("aabab".match(/a.*?b/)) // ["aab", index: 0, input: "aabab"]

后向引用

如果在匹配过程中，前面所匹配到的字符串后面需要用到，则需要用后向引用。例如想要匹配hello hello hello这种重复的单词。

在正则表达式解析的过程中会对分组匹配的内容进行编号，之后可以便可以对匹配到的内容进行引用。

例如：

var str = "hello hello hello"
console.log(str.match(/\b(\w+)\b\s\1\s\1/)) //["hello hello hello", "hello", index: 0, input: "hello hello hello"]

零宽断言

接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。

一个简单的记忆方法是，带!都是取非，也就是不包括exp；不带<都是预测断言，带<的都是回顾断言。

注释

我们可以使用(?#comment)在正则表达式包含注释

比如 2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)