正则表达式浅析

发表于

介绍

正则表达式在编程中得到广泛的使用，我们可以很方便的通过正则表达式筛选匹配出我们所需要的内容，进而对这些内容进行修改和替换。相比于静态文本匹配，使用正则表达式能带来更多的灵活性，适用的场景也更多。

JS引擎中处理正则使用的是NFA自动机，其特点是执行慢，但是编译快，适合JS这种动态解释型语言，使用过程中要注意正则匹配过程中的回溯，容易造成性能问题。

1
2
reg: /te{1,3}st/g
string: teest

首先，正则的第一个字符，会与字符串的第一个字符比对，匹配后指针后移到第二个字符e，匹配后，继续后移遇到{1,3}操作符，因为正则匹配是贪婪模式，这时字符串指针会继续后移，遇到第二个e，指针继续后移，发现s和正则e不匹，这时发生回溯，字符串和正则指针回到前一个状态，接着正则指针指向下一个字符s，字符串指针指向下一个字符s，匹配成功，然后继续后移，t也匹配成功，最终完成整个正则匹配过程，匹配结果为teest。从上面可以看出，回溯等于是把之前的操作推倒重来，在设计正则规则的时候需要尽量减少发生回溯的可能。

用法

我们使用正则的时候先定义匹配规则，生成匹配规则有两种形式，分别是字面量和构造函数的方式，然后还可以加上正则的flag值，分别是g表示全局搜索，i表示忽略大小写，m表示多行搜索

1
2
const reg = /abc/gi
const reg1 = new RegExp('abc'，'gi')

正则中还使用了一些特殊字符，常用的有：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
\  转义字符
^  输入的开始
$  输入的结束
*  0次或多次
+  1次或多次
?  0次或1次，跟在量词*、+等后面表示非贪婪模式
.  除换行符外的任意字符
x|y x或y
{n} n次
{n,} n次以上
{n,m} n次到m次之间
(x) 子字符串，结果将会被存储起来,可捕获到,匹配时\1，\2等表示，替换时则是    		 $1,$2等
[xyz] 字符xyz的集合 
[^xyz] 非字符xyz
y(?=x) 后面是x的y,不捕获括号中的字符
y(?!x) 后面不是x的y,不捕获括号中的字符
(?<=x)y 前面是x的y，不捕获括号中的字符
(?<!x)y 前面不是x的y，不捕获括号中的字符
\d 表示数字
\D 表示非数字，大写表示[^\d],以下同理
\w 表示字母、数字或者下划线
\s 表示空白字符
\b 表示单词边界的位置，单词边界一般指\w所定义的字符所组成的子串

其中 ^，$，(?=x)，(?!x)，(?<=x)，(?<!x)，\b，\B只匹配位置，而不是字符

与此相关的正则表达式方法有

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
exec
// const reg = /t(e+)st/g 
// const result = reg.exec('teeesteeaxcz')
//["teeest", "eee", index: 0, input: "teeesteeaxcz", groups: undefined]
//exec函数返回的是完整的匹配信息，匹配成功会返回一个数组，数组由匹配字符串以及子字符串构成，即括号中匹配的内容，除此之外还会有，index表示匹配成功的起始索引信息，input表示输入的字符串，匹配失败返回null
test
// const reg = /t(e+)st/g 
// const result = reg.test('teeesteeaxcz')
// exec函数返回判断性信息，匹配成功返回true
search
// const str = 'teeesteeaxcz'
// const result = str.search(/t(e+)st/g)
// search函数返回匹配成功的位置索引信息
match
// const str = 'teeesteeaxcz'
// const result = str.match(/t(e+)st/g)
// match函数返回匹配成功的字符串的数组
replace
//const re = /(\w+)\s(\w+)/;
//const str = "charlie james";
//str.replace(re, "$2, $1"); //james charlie
// replace函数返回匹配成功并替换后的新字符串，其中可以使用$n作为括号匹配的变量，如果第二个传入的是函数，那么该函数会被注入多个参数，分别是(match,$1,$2...,index,input),match表示匹配字符串，$n表示括号匹配数，index表示匹配成功的起始索引，input表示输入，函数的返回值则是替换后的字符串

示例

将数字表示成千位分隔

1
2
3
const reg = /(?<!\.\d+)\B(?=(?:\d{3})+\b)/g //123456789->123,456,789,12345.6789->12,345.6789
// 该正则规则的意思是，在需要插入的非单词边界位置，前面没有.和任意数字，即小数点后面的不作千分位划分，在该位置后面需要有三个数字方能匹配。
// 1|2|3|4|5|6|7|8|9  1|2|3|4|5.6|7|8|9 横杠|的位置即是\B匹配的位置