freeCodeCamp JavaScript 算法和数据结构第三章。正则表达式,常常缩写为 “regex” 或 “regexp”,是帮助程序员匹配、搜索和替换文本的模式。正则表达式非常强大,但可能难以阅读,因为它们使用特殊字符来做更复杂更灵活的匹配。在正则表达式的课程中,学习如何使用特殊字符、捕获组、正向或负向先行断言以及其他技巧来匹配你想要的文本。以下为我在学习和实战练习过程中所做的笔记,可供参考。
一、文字匹配
在编程语言中,正则表达式用于匹配指定的字符串。 通过正则表达式创建匹配模式(规则)可以帮你完成指定匹配。
正则表达式中不需要引号。如果想要在字符串 The dog chased the cat
中匹配到 the
这个单词,可以使用如下正则表达式:/the/
。
测试正则表达式的一种方法是使用 .test()
方法。 .test()
方法会把编写的正则表达式和字符串(即括号内的内容)匹配,如果成功匹配到字符,则返回 true
,反之,返回 false
:
1 | let testStr = "freeCodeCamp"; |
可以使用 alternation
或 OR
操作符搜索多个模式:使用 |
操作符匹配操作符前面或后面的字符。 例如,如果你想匹配 yes
或 no
,你需要的正则表达式是 /yes|no/
。
你还可以匹配多个规则,这可以通过添加更多的匹配模式来实现。 这些匹配模式将包含更多的 OR
操作符来分隔它们,比如/yes|no|maybe/
。
1 | let petString = "James has a pet cat."; |
可以使用标志(flag)来匹配字母大小写两种情况。 可以通过将忽略大小写的标志 i
附加到正则表达式之后来使用它。 这里给出使用该标志的一个实例 /ignorecase/i
, 这个字符串可以匹配字符串 ignorecase
、igNoreCase
和 IgnoreCase
。
1 | let myString = "freeCodeCamp"; |
可以使用 .match()
方法来提取找到的实际匹配项。可以使用字符串来调用 .match()
方法,并在括号内传入正则表达式。
1 | "Hello, World!".match(/Hello/); // 返回 ["Hello"] |
全局匹配:若要多次搜寻或提取模式匹配,可以使用 g
标志。在正则表达式上可以有多个标志,比如 /search/gi
。
1 | let testStr = "Repeat, Repeat, Repeat"; |
通配符 .
将匹配任何一个字符。 通配符也叫 dot
或 period
。 可以像使用正则表达式中任何其他字符一样使用通配符。 例如,如果想匹配 hug
、huh
、hut
和 hum
,可以使用正则表达式 /hu./
匹配以上四个单词。
1 | let humStr = "I'll hum a song"; |
二、字符集匹配
文字匹配模式(/literal/
)和通配符(/./
)是正则表达式的两种极端情况,一种是精确匹配,而另一种则是匹配所有。 在这两种极端情况之间有一个平衡选项。
可以使用字符集 (character classes)更灵活的匹配字符。 可以把字符集放在方括号([
和 ]
)之间来定义一组需要匹配的字符串。例如,如果想要匹配 bag
、big
和 bug
,但是不想匹配 bog
。 可以创建正则表达式 /b[aiu]g/
来执行此操作。 [aiu]
是只匹配字符 a
、i
或者 u
的字符集。
1 | let quoteSample = "Beware of bugs in the above code; I have only proved it correct, not tried it."; |
在字符集中,可以使用连字符(-
)来定义要匹配的字符范围。例如,要匹配小写字母 a
到 e
,你可以使用 [a-e]
。
1 | let quoteSample = "The quick brown fox jumps over the lazy dog."; |
使用连字符(-
)匹配字符范围并不仅限于字母。 它还可以匹配一系列数字。例如,/[0-5]/
匹配 0
和 5
之间的任意数字,包含 0
和 5
。此外,还可以在单个字符集中组合一系列字母和数字。
1 | let jennyStr = "Jenny8675309"; |
也可以创建一个不想匹配的字符集合。 这些类型的字符集称为否定字符集( negated character sets)。
要创建否定字符集,需要在开始括号后面和不想匹配的字符前面放置脱字符(即^
)。例如,/[^aeiou]/gi
匹配所有非元音字符。 注意,字符 .
、!
、[
、@
、/
和空白字符等也会被匹配,该否定字符集仅排除元音字符。
1 | let quoteSample = "3 blind mice."; |
有时,需要匹配出现一次或者连续多次的的字符(或字符组)。 这意味着它至少出现一次,并且可能重复出现。
可以使用 +
符号来检查情况是否如此。 记住,字符或匹配模式必须一个接一个地连续出现。 这就是说,字符必须一个接一个地重复。
例如,/a+/g
会在 abc
中匹配到一个匹配项,并且返回 ["a"]
。 因为 +
的存在,它也会在 aabc
中匹配到一个匹配项,然后返回 ["aa"]
。如果它是检查字符串 abab
,它将匹配到两个匹配项并且返回["a", "a"]
,因为a
字符不连续,在它们之间有一个b
字符。 最后,因为在字符串 bcd
中没有 a
,因此找不到匹配项。
1 | let difficultSpelling = "Mississippi"; |
有一个选项可以匹配出现零次或多次的字符。执行该操作的字符叫做星号,即*
。
1 | // chewieQuote 已经被初始化为 Aaaaaaaaaaaaaaaarrrgh! |
贪婪(greedy)匹配会匹配到符合正则表达式匹配模式的字符串的最长可能部分,并将其作为匹配项返回。 另一种方案称为懒惰(lazy)匹配,它会匹配到满足正则表达式的字符串的最小可能部分。
可以将正则表达式 /t[a-z]*i/
应用于字符串 "titanic"
。 这个正则表达式是一个以 t
开始,以 i
结束,并且中间有一些字母的匹配模式。正则表达式默认是贪婪匹配,因此匹配返回为 ["titani"]
。 它会匹配到适合该匹配模式的最大子字符串。
但是,你可以使用 ?
字符来将其变成懒惰匹配。 调整后的正则表达式 /t[a-z]*?i/
匹配字符串 "titanic"
返回 ["ti"]
。
应该避免使用正则表达式解析 HTML,但是可以用正则表达式匹配 HTML 字符串。
1 | let text = "<h1>Winter is coming</h1>"; |
三、字符串匹配
除了在字符集中使用之外,插入符号(^)用于匹配文本是否在字符串的开始位置。
1 | let firstString = "Ricky is first and can be found."; |
可以使用正则表达式的美元符号 $
来搜寻字符串的结尾。
1 | let theEnding = "This is a never ending story"; |
使用元字符,可以使用 [a-z]
搜寻字母表中的所有字母。 这种元字符是很常见的,它有一个缩写,但这个缩写也包含额外的字符。这些元字符缩写也被称为短语元字符 shorthand character classes。
JavaScript 中与字母表匹配的最接近的元字符是\w
。 这个缩写等同于[A-Za-z0-9_]
。 此字符类匹配大写字母和小写字母以及数字。 注意,这个字符类也包含下划线字符 (_
)。
1 | let longHand = /[A-Za-z0-9_]+/; |
匹配除了字母和数字的所有符号可以使用 \W
搜寻和 \w
相反的匹配模式。 注意,相反匹配模式使用大写字母。 此缩写与 [^A-Za-z0-9_]
是一样的。
1 | let shortHand = /\W/; |
另一个常见的匹配模式是只寻找数字。查找数字字符的缩写是 \d
,注意是小写的 d
。 这等同于元字符 [0-9]
,它查找 0 到 9 之间任意数字的单个字符。
也可以使用类似的缩写来搜寻非数字,该缩写使用大写的 D
。查找非数字字符的缩写是 \D
。 这等同于字符串 [^0-9]
,它查找不是 0 - 9 之间数字的单个字符。
1 | let movieName = "2001: A Space Odyssey"; |
可以使用 \s
搜寻空格,其中 s
是小写。 此匹配模式将匹配空格、回车符、制表符、换页符和换行符。 可以认为这类似于元字符 [ \r\t\f\n\v]
。
1 | let whiteSpace = "Whitespace. Whitespace everywhere!" |
使用 \S
搜寻非空白字符,其中 s
是大写。 此匹配模式将不匹配空格、回车符、制表符、换页符和换行符。 可以认为这类似于元字符 [^ \r\t\f\n\v]
。
1 | let whiteSpace = "Whitespace. Whitespace everywhere!" |
使用数量说明符(quantity specifiers)指定匹配模式的上下限。 数量说明符与花括号({
和 }
)一起使用。 可以在花括号之间放两个数字,这两个数字代表匹配模式的上限和下限。例如,要匹配出现 3
到 5
次字母 a
的在字符串 ah
,正则表达式应为/a{3,5}h/
。
1 | let A4 = "aaaah"; |
但有时候只想指定匹配模式的下限而不需要指定上限,在第一个数字后面跟一个逗号即可。
要指定一定数量的匹配模式,只需在大括号之间放置一个数字。例如,要只匹配字母 a
出现 3
次的单词hah
,正则表达式应为/ha{3}h/
。
1 | let A4 = "haaaah"; |
可以使用问号 ?
指定可能存在的元素。 这将检查前面的零个或一个元素。 可以将此符号视为前面的元素是可选的。
例如,美式英语和英式英语略有不同,可以使用问号来匹配两种拼写。
1 | let american = "color"; |
先行断言 (Lookaheads)是告诉 JavaScript 在字符串中向前查找的匹配模式。 当想要在同一个字符串上搜寻多个匹配模式时,这可能非常有用。
有两种先行断言:正向先行断言(positive lookahead)和负向先行断言(negative lookahead)。
正向先行断言会查看并确保搜索匹配模式中的元素存在,但实际上并不匹配。 正向先行断言的用法是 (?=...)
,其中 ...
就是需要存在但不会被匹配的部分。
另一方面,负向先行断言会查看并确保搜索匹配模式中的元素不存在。 负向先行断言的用法是 (?!...)
,其中 ...
是希望不存在的匹配模式。 如果负向先行断言部分不存在,将返回匹配模式的其余部分。
先行断言的更实际用途是检查一个字符串中的两个或更多匹配模式。 这里有一个简单的密码检查器,密码规则是 3 到 6 个字符且至少包含一个数字:
1 | let password = "abc123"; |
有时候我们想使用正则表达式里的括号 ()
来检查字符组。
如果想在字符串找到 Penguin
或 Pumpkin
,可以用这个正则表达式:/P(engu|umpk)in/g
。然后使用 test()
方法检查 test 字符串里面是否包含字符组。
1 | let testStr = "Pumpkin"; |
捕获组可以用于找到重复的子字符串。捕获组是通过把要捕获的正则表达式放在括号中来构建的。
例子:捕获一个包含字母数字字符的词,所以捕获组是将 \w+
放在括号中:/(\w+)/
。
分组匹配的子字符串被保存到一个临时的“变量”, 可以使用同一正则表达式和反斜线及捕获组的编号来访问它(例如:\1
)。 捕获组按其开头括号的位置自动编号(从左到右),从 1 开始。
1 | // 匹配被空格隔开的两个相同单词 |
搜索功能是很有用的。 但是,当搜索同时也执行更改(或替换)匹配文本的操作时,搜索功能就会显得更加强大。
可以在字符串上使用 .replace()
方法来搜索并替换字符串中的文本。 .replace()
的输入首先是想要搜索的正则表达式匹配模式。 第二个参数是用于替换匹配的字符串或用于执行某些操作的函数。
1 | let wrongText = "The sky is silver."; |
还可以使用美元符号($
)访问替换字符串中的捕获组。
1 | "Code Camp".replace(/(\w+)\s(\w+)/, '$2 $1'); // 返回字符串 Camp Code |
有时字符串周围存在的空白字符并不是必需的。 字符串的典型处理是删除字符串开头和结尾处的空格。
1 | let hello = " Hello, World! "; |
在 JavaScript 中 String.prototype.trim()
方法也可以实现同样的效果。