第三章正则表达式括号的作用

绝地灬酷狼 2021-11-17 05:54 268阅读 0赞

不管哪门语言中都有括号。正则表达式也是一门语言，而括号的存在使这门语言更为强大。

对括号的使用是否得心应手，是衡量对正则的掌握水平的一个侧面标准。

括号的作用，其实三言两语就能说明白，括号提供了分组，便于我们引用它。

引用某个分组，会有两种情形：在JavaScript里引用它，在正则表达式里引用它。

本章内容虽相对简单，但我也要写长点。  
内容包括：

1.  分组和分支结构
2.  捕获分组
3.  反向引用
4.  非捕获分组
5.  相关案例

## 分组和分支结构 ##

这二者是括号最直觉的作用，也是最原始的功能。  
**1.1 分组**  
我们知道`/a+/`匹配连续出现的`“a”`，而要匹配连续出现的“ab”时，需要使用`/(ab)+/`。

其中括号是提供分组功能，使量词+作用于“ab”这个整体，测试如下：

var regex = /(ab)+/g;
    var string = "ababa abbb ababab";
    console.log( string.match(regex) ); 
    // => ["abab", "ab", "ababab"]

**1.2 分支结构**  
而在多选分支结构`(p1|p2)`中，此处括号的作用也是不言而喻的，提供了子表达式的所有可能。

比如，要匹配如下的字符串：  
![在这里插入图片描述][20190730135314248.png]  
可以使用正则：

var regex = /^I love (JavaScript|Regular Expression)$/;
    console.log( regex.test("I love JavaScript") );
    console.log( regex.test("I love Regular Expression") );
    // => true
    // => true

如果去掉正则中的括号，即`/^I love JavaScript|Regular Expression$/`，匹配字符串是”I love JavaScript”和”Regular Expression”，当然这不是我们想要的。

## 2. 引用分组 ##

这是括号一个重要的作用，有了它，我们就可以进行数据提取，以及更强大的替换操作。

而要使用它带来的好处，必须配合使用实现环境的API。

以日期为例。假设格式是yyyy-mm-dd的，我们可以先写一个简单的正则：

var regex = /\d{4}-\d{2}-\d{2}/;

然后再修改成括号版的：  
（解释：括号版的好处有很多，比如“提取数据”，“替换”，下面会讲的）

var regex = /(\d{4})-(\d{2})-(\d{2})/;

##### 2.1 提取数据 #####

比如提取出年、月、日，可以这么做：

var regex = /(\d{4})-(\d{2})-(\d{2})/;
    var string = "2017-06-12";
    console.log( string.match(regex) );    //下面会有代码讲解
    // => ["2017-06-12", "2017", "06", "12"]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]  
`match`返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的内容，然后是匹配下标，最后是输入的文本。（注意：如果正则是否有修饰符`g`，`match`返回的数组格式是不一样的）。（**讲解**：match返回的是一个数组，数组里面会有多个元素。以上述代码为例，先拿regex对string进行整体匹配一次，得到数组的第一个元素"2017-06-12"，然后再拿regex对string进行部分匹配，达到“提取数据”的效果，所以会得到"2017"和 “06"还有"12”，从而组成一个数组\[“2017-06-12”, “2017”, “06”, “12”\]）

另外也可以使用正则对象的`exec`方法：（**和上面讲的match方法作用一样**）

var regex = /(\d{4})-(\d{2})-(\d{2})/;
    var string = "2017-06-12";
    console.log( regex.exec(string) ); 
    // => ["2017-06-12", "2017", "06", "12"]

同时，也可以使用构造函数的全局属性`$1`至`$9`来获取：

先看`RegExp.$1`的用法  
![在这里插入图片描述][20190731161655258.png]  
![在这里插入图片描述][20190731160328264.png]

##### 2.2 替换 #####

比如，想把yyyy-mm-dd格式，替换成mm/dd/yyyy怎么做？

var regex = /(\d{4})-(\d{2})-(\d{2})/;
    var string = "2017-06-12";
    var result = string.replace(regex, "$2/$3/$1");
    console.log(result); 
    // => "06/12/2017"

其中`replace`中的，第二个参数里用`$1`、`$2`、`$3`指代相应的分组。等价于如下的形式：

也等价于：

讲解：上面的代码的意思应该是“先拿regex匹配string,提取出上述regex对象的括号里面的数据，然后把提取出来的数据放到

string.replace(regex, function(match, year, month, day) {
    	return month + "/" + day + "/" + year;}）

的function后的3个参数变量里面去，从而return得到颠倒之后的结果

## 3. 反向引用 ##

除了使用相应API来引用分组，也可以在正则本身里引用分组。但只能引用之前出现的分组，即反向引用。

还是以日期为例。

比如要写一个正则支持匹配如下三种格式：  
![在这里插入图片描述][20190802103836832.png]  
最先可能想到的正则是:

讲解： `/\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/` 中的`(-|\/|\.)`的意思是`-`或`/`或`.` 。`\/`是对`/`转义的形式，`\.`是对`.`转义的形式

其中/和.需要转义。虽然匹配了要求的情况，但也匹配”2016-06/12”这样的数据。

假设我们想要求分割符前后一致怎么办？此时需要使用反向引用：

讲解：注意里面的`\1`，表示的引用之前的那个分组`(-|\/|\.)`。不管它匹配到什么（比如-），`\1`都匹配那个同样的具体某个字符。

我们知道了`\1`的含义后，那么`\2`和`\3`的概念也就理解了，即分别指代第二个和第三个分组。

看到这里，此时，恐怕你会有三个问题。

##### 3.1 括号嵌套怎么办？ #####

以**左括号**（开括号）为准。比如：

var regex = /^((\d)(\d(\d)))\1\2\3\4$/;  //下面有代码讲解
    var string = "1231231233";
    console.log( regex.test(string) ); // true
    console.log( RegExp.$1 ); // 123
    console.log( RegExp.$2 ); // 1
    console.log( RegExp.$3 ); // 23
    console.log( RegExp.$4 ); // 3

**讲解**：首先我们先看`((\d)(\d(\d)))`的意思，不管带不带括号，都是匹配3个数字。  
假设`((\d)(\d(\d)))`匹配到的3个数字是1,2,3 那么接下来我们再看

*  接下来的是`\1`，是第一个分组内容，那么看第一个开括号对应的分组是什么，是123，
 *  接下来的是`\2`，找到第2个开括号，对应的分组，匹配的内容是1，
 *  接下来的是`\3`，找到第3个开括号，对应的分组，匹配的内容是23，
 *  最后的是`\4`，找到第3个开括号，对应的分组，匹配的内容是3。

这个问题，估计仔细看一下，就该明白了。

##### 3.2 \\10表示什么呢？ #####

另外一个疑问可能是，即`\10`是表示第10个分组，还是`\1`和`0`呢？

答案是前者，虽然一个正则里出现`\10`比较罕见。测试如下：

var regex = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/;   //下面有代码讲解
    var string = "123456789# ######"
    console.log( regex.test(string) );
    // => true

**讲解：** 在上述代码中，很明显第10个括号里面的是“\#”，所以`\10+`的意思就是匹配第10个的\#的一个或多个字符

##### 3.3 引用不存在的分组会怎样？ #####

因为反向引用，是引用前面的分组，但我们在正则里引用了不存在的分组时，此时正则不会报错，只是匹配反向引用的字符本身。例如\\2，就匹配”\\2”。注意”\\2”表示对”2”进行了转义（解释：比如对“2”进行转义之后就变成了某个奇怪的特殊字符，如代码下面的浏览器打印结果所示）。

var regex = /\1\2\3\4\5\6\7\8\9/;
    console.log( regex.test("\1\2\3\4\5\6\7\8\9") );   //true
    console.log( "\1\2\3\4\5\6\7\8\9".split("") );//下面有代码讲解

**讲解**：对`console.log( "\1\2\3\4\5\6\7\8\9".split("") )`来分析，首先\\1,\\2,…\\9都是分别对1,2，…，9进行了字符转义，所以他们转义之后分别变成了不同的特殊字符，然后再使用.split("")将这些特殊字符进行分开，得到最后的结果  
chrome浏览器打印的结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 1]

## 4. 非捕获分组 ##

之前文中出现的分组，都会捕获它们匹配到的数据，以便后续引用，因此也称他们是捕获型分组。

如果只想要括号最原始的功能，但不会引用它，即，既不在API里引用，也不在正则里反向引用。此时可以使用非捕获分组`(?:p)`，例如本文第一个例子可以修改为：

var regex = /(?:ab)+/g;    //下面有代码讲解
    var string = "ababa abbb ababab";
    console.log( string.match(regex) ); 
    // => ["abab", "ab", "ababab"]

讲解： `regex = /(?:ab)+/g`;里面的`(?:ab)`是非捕获分组， `regex = /(?:ab)+/g`的意思是全局匹配一个或多个连续的ab字符串，比如对于本例中的string,首先从string开头遍历到abab，然后可以输出，后面紧接着的是a和一个空格，忽略掉，然后继续往后遍历，发现ab，输出，再往后遇到bb忽略，然后继续往后遍历遇到ababab，输出。

## 5. 相关案例 ##

至此括号的作用已经讲完了，总结一句话，就是提供了可供我们使用的分组，如何用就看我们的了。

##### 5.1 字符串trim方法模拟 #####

`trim`方法是去掉字符串的开头和结尾的空白符。有两种思路去做。

第一种，匹配到开头和结尾的空白符，然后替换成空字符。如：

function trim(str) {
    	return str.replace(/^\s+|\s+$/g, ''); //下面有代码讲解
    }
    console.log( trim("  foobar   ") ); 
    // => "foobar"

讲解：`/^\s+|\s+$/g`，的意思是匹配首部的所有空格或者匹配尾部的所有空格  
因为`/^\s+|\s+$/g`里面有一个`|`代表“**或者**”的意思  
第二种，匹配整个字符串，然后用引用来提取出相应的数据：

function trim(str) {
    	return str.replace(/^\s*(.*?)\s*$/g, "$1");//下面有代码讲解
    }
    console.log( trim("  foobar   ") ); 
    // => "foobar"

这里使用了惰性匹配\*?，不然也会匹配foobar后面的所有空格的。  
**讲解：** 先看下图，看看正则各部分匹配到的内容，然后下面的第3张图是讲解的 `str.replace(/^\s*(.*?)\s*$/g, "$1")`里的`$1`  
![在这里插入图片描述][20190806112119813.png]  
![在这里插入图片描述][20190806112011988.png]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 2]

##### 5.2 将每个单词的首字母转换为大写 #####

function titleize(str) {
    	return str.toLowerCase().replace(/(?:^|\s)\w/g, function(c) { //下面有代码讲解
    		return c.toUpperCase(); //将字母c变成大写形式
    	});
    }
    console.log( titleize('my name is epeli') ); 
    // => "My Name Is Epeli"

讲解：首先通过 `str.toLowerCase()`把str全部变成小写，然后在replace里面进行正则匹配，然后进行相应的字母大写转换。 我们先看`/(?:^|\s)\w/g`，其中`(?:^|\s)`拆解成`？：^`表示“**字符串开头位置**”，和`\s`匹配任意空白字符，然后`/(?:^|\s)\w/g`里的`\w`代表匹配字母数字及下划线，所以`/(?:^|\s)\w/g`匹配到的字符是每个单词的第一个字母。

##### 5.3 驼峰化 #####

function camelize(str) {
    	return str.replace(/[-_\s]+(.)?/g, function(match, c) {  //下面有代码讲解
    		return c ? c.toUpperCase() : '';
    	});
    }
    console.log( camelize('-moz-transform') ); 
    // => "MozTransform"

讲解：`/[-_\s]+(.)?/g`中`[-_\s]+`是匹配多个连字符、下划线以及空白符。然后`(.)?`匹配一个任意字符，`g`代表是全局匹配

##### 5.4 中划线化 #####

function dasherize(str) {
    	return str.replace(/([A-Z])/g, '-$1').replace(/[-_\s]+/g, '-').toLowerCase();//下面有代码讲解
    }
    console.log( dasherize('MozTransform') ); 
    // => "-moz-transform"

驼峰化的逆过程。  
**讲解：** 首先是`replace(/([A-Z])/g, '-$1')`，意思是匹配一个大写字母，然后在该大写字母的前面加上`-`, 这里的`-$1`中的`$1`代表前面小括号里面捕获到的内容，然后在该内容的前面加上`-` ，接下来是`replace(/[-_\s]+/g, '-').toLowerCase()`的意思是把字符串里的‘’多个连字符、下划线以及空白符”替换成一个`-`，然后再把字符串全部小写化

##### 5.5 html转义和反转义 #####

// 将HTML特殊字符转换成等值的实体
    function escapeHTML(str) {
    	var escapeChars = {
    	  '¢' : 'cent',
    	  '£' : 'pound',
    	  '¥' : 'yen',
    	  '€': 'euro',
    	  '©' :'copy',
    	  '®' : 'reg',
    	  '<' : 'lt',
    	  '>' : 'gt',
    	  '"' : 'quot',
    	  '&' : 'amp',
    	  '\'' : '#39'
    	};   //下面有代码讲解
    	return str.replace(new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g'), function(match) {
    		return '&' + escapeChars[match] + ';';
    	});
    }
    console.log( escapeHTML('<div>Blah blah blah</div>') );
    // => "<div>Blah blah blah</div&gt";

**讲解：** 我们先看代码中的正则表达式部分`new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g')` 的意思是创建一个正则对象，正则表达式为`'[' + Object.keys(escapeChars).join('') +']'`，我们来分析一下这个正则表达式，`Object.keys(escapeChars).join('')`就是把escapeChars里的所有key值都取出来，然后连接成一个字符串（**提示：join()的参考连接**[https://www.w3school.com.cn/jsref/jsref\_join.asp），那样就拼接成了类似于\[abcd\]这种形式，然后new][https_www.w3school.com.cn_jsref_jsref_join.asp_abcd_new] RegExp()里面第二个参数g代表全局匹配的意思。  
所以下面这整段代码的意思就是每次匹配到escapeChars 的key集合里的一个字符，就替换成 `'&' + escapeChars[match] + ';';`（解释：escapeChars\[match\]代表该匹配字符在escapeChars键值对里的value值）

return str.replace(new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g'), function(match) {
    		return '&' + escapeChars[match] + ';';
    	});

接下来我们来看看html转义和反转义的逆过程，它的逆过程，使用了括号，以便提供引用，也很简单，如下：

// 实体字符转换为等值的HTML。
    function unescapeHTML(str) {
    	var htmlEntities = {
    	  nbsp: ' ',
    	  cent: '¢',
    	  pound: '£',
    	  yen: '¥',
    	  euro: '€',
    	  copy: '©',
    	  reg: '®',
    	  lt: '<',
    	  gt: '>',
    	  quot: '"',
    	  amp: '&',
    	  apos: '\''
    	};
    	return str.replace(/\&([^;]+);/g, function(match, key) {  //下面有代码讲解
    		if (key in htmlEntities) {
    			return htmlEntities[key];
    		}
    		return match;
    	});
    }
    console.log( unescapeHTML('<div>Blah blah blah</div>') );
    // => "<div>Blah blah blah</div>"

**讲解：** 先分析代码里的正则表达式`/\&([^;]+);/g` ，`\&`是转义，代表字符`&`，而`([^;]+)`（提示：\[^\]是“取非”的意思）代表一个或多个非`;`字符的字符。然后`/\&([^;]+);/g`中的`([^;]+)`后面还跟了一个；  
我们再来看看下面的代码部分，key代表前面正则表达式里面括号部分匹配到的内容（**解释**：类似于前面讲的括号分组的功能），然后在if判断是否是htmlEntities里的key，如果是，则返回对应的value值

return str.replace(/\&([^;]+);/g, function(match, key) {  //下面有代码讲解
    		if (key in htmlEntities) {
    			return htmlEntities[key];
    		}
    		return match;
    	});

如果还不清楚，可以继续看下图来理解  
![在这里插入图片描述][20190806151147878.png]

##### 5.6 匹配成对标签 #####

要求匹配：

<title>regular expression</title>
    
    <p>laoyao bye bye</p>

不匹配：

<title>wrong!</p>

匹配一个开标签，可以使用正则`<[^>]+>`，匹配一个闭标签，可以使用</\[^>\]+>，（**解释**：第一个匹配<>,第二个匹配</>）

但是要求匹配成对标签，那就需要使用反向引用，如：

var regex = /<([^>]+)>[\d\D]*<\/\1>/;  //下面有代码讲解
    var string1 = "<title>regular expression</title>";
    var string2 = "<p>laoyao bye bye</p>";
    var string3 = "<title>wrong!</p>";
    console.log( regex.test(string1) ); // true
    console.log( regex.test(string2) ); // true
    console.log( regex.test(string3) ); // false

**讲解**：先看看代码里的正则表达式，分析`<([^>]+)>`里的`([^>]+)`（提示：`[^]`里的`^`是“取非”的意思），用来匹配一个或多个非`^`字符的字符。打括号的作用是为了方便后面引用这个括号分组。然后`[\d\D]*`的意思是匹配0个或多个任意字符，`<\/\1>`里的`\/`是对`/`的转义，而`\1`是引用前面括号里匹配到的内容

其中开标签`<[^>]+>`改成`<([^>]+)>`，使用括号的目的是为了后面使用反向引用，而提供分组。闭标签使用了反向引用，`<\/\1>`。

另外`[\d\D]`的意思是，这个字符是数字或者不是数字，因此，也就是匹配任意字符的意思。

本文转载自：[http://blog.didispace.com/regular-expression-3/][http_blog.didispace.com_regular-expression-3]

[20190730135314248.png]: /images/20211116/01f5a0080a56447795c63b1bfedc9d70.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]: /images/20211116/e421c440813f417fa3f7f2fe84ca5304.png
[20190731161655258.png]: /images/20211116/bed1047383f9417aa696f73b560f7f30.png
[20190731160328264.png]: /images/20211116/5e767ef3b3b24bf097c743d9211fcee7.png
[20190802103836832.png]: /images/20211116/34160ae03d62472fbaa3ce27ef56e167.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 1]: /images/20211116/aee9efe2ab384d1bb5c6afa67a233d11.png
[20190806112119813.png]: /images/20211116/eedc9b35262c4216b86b38a982d2f40b.png
[20190806112011988.png]: /images/20211116/fbb368cee7104e018e58c986037994b6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 2]: /images/20211116/69025df783424177b2f0d1fddf73bdc7.png
[https_www.w3school.com.cn_jsref_jsref_join.asp_abcd_new]: https://www.w3school.com.cn/jsref/jsref_join.asp%EF%BC%89%EF%BC%8C%E9%82%A3%E6%A0%B7%E5%B0%B1%E6%8B%BC%E6%8E%A5%E6%88%90%E4%BA%86%E7%B1%BB%E4%BC%BC%E4%BA%8E%5Babcd%5D%E8%BF%99%E7%A7%8D%E5%BD%A2%E5%BC%8F%EF%BC%8C%E7%84%B6%E5%90%8Enew
[20190806151147878.png]: /images/20211116/1cfcc0b54819466d988512005b3e8e57.png
[http_blog.didispace.com_regular-expression-3]: http://blog.didispace.com/regular-expression-3/