字符匹配
0 Views 正則表達式 with
本文字数:1,656 字 | 阅读时长 ≈ 7 min

字符匹配

0 Views 正則表達式 with
本文字数:1,656 字 | 阅读时长 ≈ 7 min

本节主要讲述正則表達式的字符匹配

字符匹配

兩種模糊匹配

橫行模糊匹配

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"

1
2
3
4
5
var regex = /ab{2,5}c/g;
var string =
"abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log(string.match(regex));
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

縱行模糊匹配

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"

1
2
3
4
5
var regex = /a[123]b/g;
var string =
"a0b a1b a2b a3b a4b";
console.log(string.match(regex));
// => ["a1b", "a2b", "a3b"]

字符組

范围表示法

如果字符组里的字符特别多的话,怎么办?可以使用范围表示法。

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" 这三者中任意一个字符,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][az-][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示法就行了。

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 "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,也有相应的范围表示法。

常见的简写形式

量詞

简写形式

贪婪匹配与惰性匹配

1
2
3
4
5
var regex = /\d{2,5}/g;
var 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,越多越好。

我们知道有时贪婪不是一件好事(请看文章最后一个例子)。而惰性匹配,就是尽可能少的匹配:

1
2
3
4
5
var regex = /\d{2,5}?/g;
var 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 次都行,当 2 个就够的时候,就不再往下尝试了。

通过在量词后面加个问号就能实现惰性匹配,因此所有惰性匹配情形如下:

多選分支

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 p1p2p3 是子模式,用 |(管道符)分隔,表示其中任何之一。

例如要匹配字符串 "good""nice" 可以使用 /good|nice/

1
2
3
4
5
var regex = /good|nice/g;
var 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" 字符串时,结果是 "good"

1
2
3
4
5
var regex = /good|goodbye/g;
var string =
"goodbye";
console.log(string.match(regex));
// => ["good"]

而把正则改成 /goodbye|good/,结果是:

1
2
3
4
5
var regex = /goodbye|good/g;
var string =
"goodbye";
console.log(string.match(regex));
// => ["goodbye"]

案例

匹配 16 进制颜色值

要求匹配:

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:

1
2
3
4
5
var regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;
var string =
"#ffbbad #Fc01DF #FFF #ffE";
console.log(string.match(regex));
// => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]

匹配时间

24 小时制为例。

要求匹配:

分析:

共 4 位数字,第一位数字可以为 [0-2]

当第 1 位为 “2” 时,第 2 位可以为 [0-3],其他情况时,第 2 位为 [0-9]

第 3 位数字为 [0-5],第4位为 [0-9]

正则如下:

1
2
3
4
5
var regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;
console.log(regex.test("23:59"));
console.log(regex.test("02:07"));
// => true
// => true

匹配日期

比如 yyyy-mm-dd 格式为例。

要求匹配:

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:

1
2
3
var 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:

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。

1
2
3
4
5
6
7
8
9
var 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

匹配 id

要求从

1
<div id="container" class="main"></div>

提取出 id="container"

可能最开始想到的正则是

1
2
3
4
5
var regex = /id=".*"/
var 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:

1
2
3
4
5
var regex = /id=".*?"/
var string =
'<div id="container" class="main"></div>';
console.log(string.match(regex)[0]);
// => id="container"