第三章 正则表达式括号的作用

绝地灬酷狼 2021-11-17 05:54 330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：

  1. var regex = /(ab)+/g;
  2. var string = "ababa abbb ababab";
  3. console.log( string.match(regex) ); 
  4. // => ["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
可以使用正则：

  1. var regex = /^I love (JavaScript|Regular Expression)$/;
  2. console.log( regex.test("I love JavaScript") );
  3. console.log( regex.test("I love Regular Expression") );
  4. // => true
  5. // => 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：

  1. 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）

  1. 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：

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

在这里插入图片描述
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）

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

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  4. regex.test(string); // 正则操作即可，例如
  5. //regex.exec(string);
  6. //string.match(regex);
  8. console.log(RegExp.$1); // "2017"
  9. console.log(RegExp.$2); // "06"
  10. console.log(RegExp.$3); // "12"

先看RegExp.$1的用法
在这里插入图片描述
在这里插入图片描述

2.2 替换

比如，想把yyyy-mm-dd格式，替换成mm/dd/yyyy怎么做？

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  3. var result = string.replace(regex, "$2/$3/$1");
  4. console.log(result); 
  5. // => "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：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  3. var result = string.replace(regex, function() {  //先拿regex表达式匹配string,然后把匹配的结果用RegExp存储起来，然后return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;得到颠倒顺序之后的结果
  4.     return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;
  5. });
  6. console.log(result); 
  7. // => "06/12/2017"

也等价于：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";           //下面有代码讲解
  3. var result = string.replace(regex, function(match, year, month, day) {
  4.     return month + "/" + day + "/" + year;
  5. });
  6. console.log(result); 
  7. // => "06/12/2017"

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

  1. string.replace(regex, function(match, year, month, day) {
  2.     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
最先可能想到的正则是:

  1. var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/;  //下面有代码讲解
  2. var string1 = "2017-06-12";
  3. var string2 = "2017/06/12";
  4. var string3 = "2017.06.12";
  5. var string4 = "2016-06/12";
  6. console.log( regex.test(string1) ); // true
  7. console.log( regex.test(string2) ); // true
  8. console.log( regex.test(string3) ); // true
  9. console.log( regex.test(string4) ); // true

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：

  1. var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;  //下面有代码讲解
  2. var string1 = "2017-06-12";
  3. var string2 = "2017/06/12";
  4. var string3 = "2017.06.12";
  5. var string4 = "2016-06/12";
  6. console.log( regex.test(string1) ); // true
  7. console.log( regex.test(string2) ); // true
  8. console.log( regex.test(string3) ); // true
  9. console.log( regex.test(string4) ); // false

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：

  1. var regex = /^((\d)(\d(\d)))\1\2\3\4$/;  //下面有代码讲解
  2. var string = "1231231233";
  3. console.log( regex.test(string) ); // true
  4. console.log( RegExp.$1 ); // 123
  5. console.log( RegExp.$2 ); // 1
  6. console.log( RegExp.$3 ); // 23
  7. 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：

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

  1. var regex = /\1\2\3\4\5\6\7\8\9/;
  2. console.log( regex.test("\1\2\3\4\5\6\7\8\9") );   //true
  3. 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

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：

  1. var regex = /(?:ab)+/g;    //下面有代码讲解
  2. var string = "ababa abbb ababab";
  3. console.log( string.match(regex) ); 
  4. // => ["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：

  1. function trim(str) {
  2.     return str.replace(/^\s+|\s+$/g, ''); //下面有代码讲解
  3. }
  4. console.log( trim("  foobar   ") ); 
  5. // => "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：

  1. function trim(str) {
  2.     return str.replace(/^\s*(.*?)\s*$/g, "$1");//下面有代码讲解
  3. }
  4. console.log( trim("  foobar   ") ); 
  5. // => "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
在这里插入图片描述

在这里插入图片描述

5.2 将每个单词的首字母转换为大写
  1. function titleize(str) {
  2.     return str.toLowerCase().replace(/(?:^|\s)\w/g, function(c) { //下面有代码讲解
  3.         return c.toUpperCase(); //将字母c变成大写形式
  4.     });
  5. }
  6. console.log( titleize('my name is epeli') ); 
  7. // => "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
  1. function camelize(str) {
  2.     return str.replace(/[-_\s]+(.)?/g, function(match, c) {  //下面有代码讲解
  3.         return c ? c.toUpperCase() : '';
  4.     });
  5. }
  6. console.log( camelize('-moz-transform') ); 
  7. // => "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
  1. function dasherize(str) {
  2.     return str.replace(/([A-Z])/g, '-$1').replace(/[-_\s]+/g, '-').toLowerCase();//下面有代码讲解
  3. }
  4. console.log( dasherize('MozTransform') ); 
  5. // => "-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
  1. // 将HTML特殊字符转换成等值的实体
  2. function escapeHTML(str) {
  3.     var escapeChars = {
  4.       '¢' : 'cent',
  5.       '£' : 'pound',
  6.       '¥' : 'yen',
  7.       '€': 'euro',
  8.       '©' :'copy',
  9.       '®' : 'reg',
  10.       '<' : 'lt',
  11.       '>' : 'gt',
  12.       '"' : 'quot',
  13.       '&' : 'amp',
  14.       '\'' : '#39'
  15.     };   //下面有代码讲解
  16.     return str.replace(new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g'), function(match) {
  17.         return '&' + escapeChars[match] + ';';
  18.     });
  19. }
  20. console.log( escapeHTML('<div>Blah blah blah</div>') );
  21. // => "<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 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）

  1. return str.replace(new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g'), function(match) {
  2.         return '&' + escapeChars[match] + ';';
  3.     });

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：

  1. // 实体字符转换为等值的HTML。
  2. function unescapeHTML(str) {
  3.     var htmlEntities = {
  4.       nbsp: ' ',
  5.       cent: '¢',
  6.       pound: '£',
  7.       yen: '¥',
  8.       euro: '€',
  9.       copy: '©',
  10.       reg: '®',
  11.       lt: '<',
  12.       gt: '>',
  13.       quot: '"',
  14.       amp: '&',
  15.       apos: '\''
  16.     };
  17.     return str.replace(/\&([^;]+);/g, function(match, key) {  //下面有代码讲解
  18.         if (key in htmlEntities) {
  19.             return htmlEntities[key];
  20.         }
  21.         return match;
  22.     });
  23. }
  24. console.log( unescapeHTML('<div>Blah blah blah</div>') );
  25. // => "<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

  1. return str.replace(/\&([^;]+);/g, function(match, key) {  //下面有代码讲解
  2.         if (key in htmlEntities) {
  3.             return htmlEntities[key];
  4.         }
  5.         return match;
  6.     });

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

5.6 匹配成对标签

要求匹配：

  1. <title>regular expression</title>
  3. <p>laoyao bye bye</p>

不匹配：

  1. <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：

  1. var regex = /<([^>]+)>[\d\D]*<\/\1>/;  //下面有代码讲解
  2. var string1 = "<title>regular expression</title>";
  3. var string2 = "<p>laoyao bye bye</p>";
  4. var string3 = "<title>wrong!</p>";
  5. console.log( regex.test(string1) ); // true
  6. console.log( regex.test(string2) ); // true
  7. 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/

发表评论

表情：
评论列表 （有 0 条评论，330人围观）

还没有评论，来说两句吧...

相关阅读