JavaScript正则表达式详解

╰+哭是因爲堅強的太久メ 2022-01-16 01:05 214阅读 0赞

*  第一章 正则表达式字符匹配攻略
 *  第二章 正则表达式位置匹配攻略
 *  第三章 正则表达式括号的作用
 *  第四章 正则表达式回溯法原理
 *  第五章 正则表达式的拆分
 *  第六章 正则表达式的构建
 *  第七章 正则表达式编程
 *  后记

下面简单地说说每一章都讨论了什么？

**正则是匹配模式，要么匹配字符，要么匹配位置。**

第1章和第2章以这个角度去讲解了正则的基础。

**在正则中可以使用括号捕获数据，要么在API中进行分组引用，要么在正则里进行反向引用。**

这是第3章的主题，讲解了正则中括号的作用。

**学习正则表达式，是需要了解其匹配原理的。**

第4章，讲解了正则了正则表达式的回溯法原理。另外在第6章里，也讲解了正则的表达式的整体工作原理。

**不仅能看懂别人的正则，还要自己会写正则。**

第5章，是从读的角度，去拆分一个正则表达式，而第6章是从写的角度，去构建一个正则表达式。

**学习正则，是为了在真实世界里应用的。**

第7章讲解了正则的用法，和相关API需要注意的地方。

**如何阅读本文？**

我的建议是阅读两遍。第一遍，不求甚解地快速阅读一遍。阅读过程中遇到的问题不妨记录下来，也许阅读完毕后就能解决很多。然后有时间的话，再带着问题去精读第二遍。

深呼吸，开始我们的正则表达式旅程吧。我在终点等你。

## **第一章 正则表达式字符匹配攻略** ##

正则表达式是匹配模式，要么匹配字符，要么匹配位置。请记住这句话。

然而关于正则如何匹配字符的学习，大部分人都觉得这块比较杂乱。

毕竟元字符太多了，看起来没有系统性，不好记。本章就解决这个问题。

内容包括：

1.  两种模糊匹配
2.  字符组
3.  量词
4.  分支结构
5.   案例分析

### **1 两种模糊匹配** ###

如果正则只有精确匹配是没多大意义的，比如/hello/，也只能匹配字符串中的"hello"这个子串。

var regex = /hello/;console.log( regex.test("hello") ); // => true复制代码

正则表达式之所以强大，是因为其能实现模糊匹配。

而模糊匹配，有两个方向上的“模糊”：横向模糊和纵向模糊。

**1.1 横向模糊匹配**

横向模糊指的是，一个正则可匹配的字符串的长度不是固定的，可以是多种情况的。

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/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”。测试如下：

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

注意：案例中用的正则是/ab\{2,5\}c/g，后面多了g，它是正则的一个修饰符。表示全局匹配，即在目标字符串中按顺序找到满足匹配模式的所有子串，强调的是“所有”，而不只是“第一个”。g是单词global的首字母。

**1.2 纵向模糊匹配**

纵向模糊指的是，一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种可能。

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"。测试如下：

var regex = /a\[123\]b/g;var string = "a0b a1b a2b a3b a4b";console.log( string.match(regex) ); // => \["a1b", "a2b", "a3b"\]复制代码

以上就是本章讲的主体内容，只要掌握横向和纵向模糊匹配，就能解决很大部分正则匹配问题。

接下来的内容就是展开说了，如果对此都比较熟悉的话，可以跳过，直接看本章案例那节。

### **2. 字符组** ###

需要强调的是，虽叫字符组（字符类），但只是其中一个字符。例如\[abc\]，表示匹配一个字符，它可以是“a”、“b”、“c”之一。

**2.1 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：\[-az\]或\[az-\]或\[a\\-z\]。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。

**2.2 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。

**2.3 常见的简写形式**

有了字符组的概念后，一些常见的符号我们也就理解了。因为它们都是系统自带的简写形式。

**\\d**就是\[0-9\]。表示是一位数字。记忆方式：其英文是digit（数字）。

**\\D**就是\[^0-9\]。表示除数字外的任意字符。

**\\w**就是\[0-9a-zA-Z\_\]。表示数字、大小写字母和下划线。记忆方式：w是word的简写，也称单词字符。

**\\W**是\[^0-9a-zA-Z\_\]。非单词字符。

**\\s**是\[ \\t\\v\\n\\r\\f\]。表示空白符，包括空格、水平制表符、垂直制表符、换行符、回车符、换页符。记忆方式：s是space character的首字母。

**\\S**是\[^ \\t\\v\\n\\r\\f\]。 非空白符。

**.**就是\[^\\n\\r\\u2028\\u2029\]。通配符，表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。记忆方式：想想省略号...中的每个点，都可以理解成占位符，表示任何类似的东西。

如果要匹配任意字符怎么办？可以使用\[\\d\\D\]、\[\\w\\W\]、\[\\s\\S\]和\[^\]中任何的一个。

### **3. 量词** ###

量词也称重复。掌握\{m,n\}的准确含义后，只需要记住一些简写形式。

**3.1 简写形式**

**\{m,\}** 表示至少出现m次。

**\{m\}** 等价于\{m,m\}，表示出现m次。

**?** 等价于\{0,1\}，表示出现或者不出现。记忆方式：问号的意思表示，有吗？

**+** 等价于\{1,\}，表示出现至少一次。记忆方式：加号是追加的意思，得先有一个，然后才考虑追加。

**\*** 等价于\{0,\}，表示出现任意次，有可能不出现。记忆方式：看看天上的星星，可能一颗没有，可能零散有几颗，可能数也数不过来。

**3.2 贪婪匹配和惰性匹配**

看如下的例子：

var regex = /\\d\{2,5\}/g;var string = "123 1234 12345 123456";console.log( string.match(regex) ); // => \["123", "1234", "12345", "12345"\]复制代码

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3要个。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：

var regex = /\\d\{2,5\}?/g;var string = "123 1234 12345 123456";console.log( string.match(regex) ); // => \["12", "12", "34", "12", "34", "12", "34", "56"\]复制代码

其中/\\d\{2,5\}?/表示，虽然2到5次都行，当2个就够的时候，就不在往下尝试了。

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：

**\{m,n\}?**   
**\{m,\}?**  
**??**  
**+?**  
**\*?**

对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？

### **4. 多选分支** ###

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p1、p2和p3是子模式，用|（管道符）分隔，表示其中任何之一。

例如要匹配"good"和"nice"可以使用/good|nice/。测试如下：

var regex = /good|nice/g;var string = "good idea, nice try.";console.log( string.match(regex) ); // => \["good", "nice"\]复制代码

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"：

var regex = /good|goodbye/g;var string = "goodbye";console.log( string.match(regex) ); // => \["good"\]复制代码

而把正则改成/goodbye|good/，结果是：

var regex = /goodbye|good/g;var string = "goodbye";console.log( string.match(regex) ); // => \["goodbye"\]复制代码

也就是说，分支结构也是惰性的，即当前面的匹配上了，后面的就不再尝试了。

### **5. 案例分析** ###

匹配字符，无非就是字符组、量词和分支结构的组合使用罢了。

下面找几个例子演练一下（其中，每个正则并不是只有唯一写法）：

**5.1 匹配16进制颜色值**

要求匹配：

\#ffbbad

\#Fc01DF

\#FFF

\#ffE

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：

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

**5.2 匹配时间**

以24小时制为例。

要求匹配：

23:59

02:07

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：

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复制代码

如果也要求匹配7:9，也就是说时分前面的0可以省略。

此时正则变成：

var regex = /^(0?\[0-9\]|1\[0-9\]|\[2\]\[0-3\]):(0?\[0-9\]|\[1-5\]\[0-9\])$/;console.log( regex.test("23:59") ); console.log( regex.test("02:07") ); console.log( regex.test("7:9") ); // => true// => true// => true复制代码

**5.3 匹配日期**

比如yyyy-mm-dd格式为例。

要求匹配：

2017-06-10

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：

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复制代码

**5.4 window操作系统文件路径**

要求匹配：

F:\\study\\javascript\\regex\\regular expression.pdf

F:\\study\\javascript\\regex\\

F:\\study\\javascript

F:\\

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(\[^\\\\:\*<>|"?\\r\\n/\]+\\\\)\*。其中括号提供子表达式。

路径的最后一部分可以是“文件夹”，没有\\，因此需要添加(\[^\\\\:\*<>|"?\\r\\n/\]+)?。

最后拼接成了一个看起来比较复杂的正则：

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复制代码

其中，JS中字符串表示\\时，也要转义。

**5.5 匹配id**

要求从

提取出id="container"。

可能最开始想到的正则是：

var regex = /id=".\*"/var string = '<div id="container" class="main"></div>';console.log(string.match(regex)\[0\]); // => id="container" class="main"复制代码

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，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：

var regex = /id=".\*?"/var string = '<div id="container" class="main"></div>';console.log(string.match(regex)\[0\]); // => id="container"复制代码

当然，这样也会有个问题。效率比较低，因为其匹配原理会涉及到“回溯”这个概念（这里也只是顺便提一下，第四章会详细说明）。可以优化如下：

var regex = /id="\[^"\]\*"/var string = '<div id="container" class="main"></div>';console.log(string.match(regex)\[0\]); // => id="container"复制代码

### **第1章 小结** ###

字符匹配相关的案例，挺多的，不一而足。

掌握字符组和量词就能解决大部分常见的情形，也就是说，当你会了这二者，JS正则算是入门了。

## **第二章 正则表达式位置匹配攻略** ##

正则表达式是匹配模式，要么匹配字符，要么匹配位置。请记住这句话。

然而大部分人学习正则时，对于匹配位置的重视程度没有那么高。

本章讲讲正则匹配位置的总总。

内容包括：

1.  什么是位置？
2.  如何匹配位置？
3.  位置的特性
4.  几个应用实例分析

### **1. 什么是位置呢？** ###

位置是相邻字符之间的位置。比如，下图中箭头所指的地方：

### **2. 如何匹配位置呢？** ###

在ES5中，共有6个锚字符：

**^** **$** **\\b** **\\B** **(?=p)** **(?!p)**

**2.1 ^和$**

^（脱字符）匹配开头，在多行匹配中匹配行开头。

$（美元符号）匹配结尾，在多行匹配中匹配行结尾。

比如我们把字符串的开头和结尾用"\#"替换（位置可以替换成字符的！）：

var result = "hello".replace(/^|$/g, '\#');console.log(result); // => "\#hello\#"复制代码

多行匹配模式时，二者是行的概念，这个需要我们的注意：

var result = "I\\nlove\\njavascript".replace(/^|$/gm, '\#');console.log(result);/\*

\#I\#

\#love\#

\#javascript\#

\*/复制代码

**2.2 \\b和\\B**

\\b是单词边界，具体就是\\w和\\W之间的位置，也包括\\w和^之间的位置，也包括\\w和$之间的位置。

比如一个文件名是"\[JS\] Lesson\_01.mp4"中的\\b，如下：

var result = "\[JS\] Lesson\_01.mp4".replace(/\\b/g, '\#');console.log(result); // => "\[\#JS\#\] \#Lesson\_01\#.\#mp4\#"复制代码

为什么是这样呢？这需要仔细看看。

首先，我们知道，\\w是字符组\[0-9a-zA-Z\_\]的简写形式，即\\w是字母数字或者下划线的中任何一个字符。而\\W是排除字符组\[^0-9a-zA-Z\_\]的简写形式，即\\W是\\w以外的任何一个字符。

此时我们可以看看"\[\#JS\#\] \#Lesson\_01\#.\#mp4\#"中的每一个"\#"，是怎么来的。

*  第一个"\#"，两边是"\["与"J"，是\\W和\\w之间的位置。
 *  第二个"\#"，两边是"S"与"\]"，也就是\\w和\\W之间的位置。
 *  第三个"\#"，两边是空格与"L"，也就是\\W和\\w之间的位置。
 *  第四个"\#"，两边是"1"与"."，也就是\\w和\\W之间的位置。
 *  第五个"\#"，两边是"."与"m"，也就是\\W和\\w之间的位置。
 *  第六个"\#"，其对应的位置是结尾，但其前面的字符"4"是\\w，即\\w和$之间的位置。

知道了\\b的概念后，那么\\B也就相对好理解了。

\\B就是\\b的反面的意思，非单词边界。例如在字符串中所有位置中，扣掉\\b，剩下的都是\\B的。

具体说来就是\\w与\\w、\\W与\\W、^与\\W，\\W与$之间的位置。

比如上面的例子，把所有\\B替换成"\#"：

var result = "\[JS\] Lesson\_01.mp4".replace(/\\B/g, '\#');console.log(result); // => "\#\[J\#S\]\# L\#e\#s\#s\#o\#n\#\_\#0\#1.m\#p\#4"复制代码

**2.3 (?=p)和(?!p)**

(?=p)，其中p是一个子模式，即p前面的位置。

比如(?=l)，表示'l'字符前面的位置，例如：

var result = "hello".replace(/(?=l)/g, '\#');console.log(result); // => "he\#l\#lo"复制代码

而(?!p)就是(?=p)的反面意思，比如：

var result = "hello".replace(/(?!l)/g, '\#');

console.log(result); // => "\#h\#ell\#o\#"复制代码

二者的学名分别是positive lookahead和negative lookahead。

中文翻译分别是正向先行断言和负向先行断言。

ES6中，还支持positive lookbehind和negative lookbehind。

具体是(?<=p)和(?<!p)。

也有书上把这四个东西，翻译成环视，即看看右边或看看左边。

但一般书上，没有很好强调这四者是个位置。

比如(?=p)，一般都理解成：要求接下来的字符与p匹配，但不能包括p的那些字符。

而在本人看来(?=p)就与^一样好理解，就是p前面的那个位置。

### **3. 位置的特性** ###

对于位置的理解，我们可以理解成空字符""。

比如"hello"字符串等价于如下的形式：

"hello" == "" + "h" + "" + "e" + "" + "l" + "" + "l" + "o" + "";复制代码

也等价于：

"hello" == "" + "" + "hello"复制代码

因此，把/^hello$/写成/^^hello$$$/，是没有任何问题的：

var result = /^^hello$$$/.test("hello");console.log(result); // => true复制代码

甚至可以写成更复杂的:

var result = /(?=he)^^he(?=\\w)llo$\\b\\b$/.test("hello");console.log(result); // => true复制代码

也就是说字符之间的位置，可以写成多个。

把位置理解空字符，是对位置非常有效的理解方式。

### **4. 相关案例** ###

**4.1 不匹配任何东西的正则**

让你写个正则不匹配任何东西

easy，/.^/

因为此正则要求只有一个字符，但该字符后面是开头。

**4.2 数字的千位分隔符表示法**

比如把"12345678"，变成"12,345,678"。

可见是需要把相应的位置替换成","。

思路是什么呢？

**4.2.1 弄出最后一个逗号**

使用(?=\\d\{3\}$)就可以做到：

var result = "12345678".replace(/(?=\\d\{3\}$)/g, ',')console.log(result); // => "12345,678"复制代码

**4.2.2 弄出所有的逗号**

因为逗号出现的位置，要求后面3个数字一组，也就是\\d\{3\}至少出现一次。

此时可以使用量词+：

var result = "12345678".replace(/(?=(\\d\{3\})+$)/g, ',')console.log(result); // => "12,345,678"复制代码

**4.2.3 匹配其余案例**

写完正则后，要多验证几个案例，此时我们会发现问题：

var result = "123456789".replace(/(?=(\\d\{3\})+$)/g, ',')console.log(result); // => ",123,456,789"复制代码

因为上面的正则，仅仅表示把从结尾向前数，一但是3的倍数，就把其前面的位置替换成逗号。因此才会出现这个问题。

怎么解决呢？我们要求匹配的到这个位置不能是开头。

我们知道匹配开头可以使用^，但要求这个位置不是开头怎么办？

easy，(?!^)，你想到了吗？测试如下：

var string1 = "12345678",

string2 = "123456789";

reg = /(?!^)(?=(\\d\{3\})+$)/g;

var result = string1.replace(reg, ',')console.log(result); // => "12,345,678"

result = string2.replace(reg, ',');console.log(result); // => "123,456,789"复制代码

**4.2.4 支持其他形式**

如果要把"12345678 123456789"替换成"12,345,678 123,456,789"。

此时我们需要修改正则，把里面的开头^和结尾$，替换成\\b：

var string = "12345678 123456789",

reg = /(?!\\b)(?=(\\d\{3\})+\\b)/g;

var result = string.replace(reg, ',')console.log(result); // => "12,345,678 123,456,789"复制代码

其中(?!\\b)怎么理解呢？

要求当前是一个位置，但不是\\b前面的位置，其实(?!\\b)说的就是\\B。

因此最终正则变成了：/\\B(?=(\\d\{3\})+\\b)/g。

**4.3 验证密码问题**

密码长度6-12位，由数字、小写字符和大写字母组成，但必须至少包括2种字符。

此题，如果写成多个正则来判断，比较容易。但要写成一个正则就比较困难。

那么，我们就来挑战一下。看看我们对位置的理解是否深刻。

**4.3.1 简化**

不考虑“但必须至少包括2种字符”这一条件。我们可以容易写出：

var reg = /^\[0-9A-Za-z\]\{6,12\}$/;复制代码

**4.3.2 判断是否包含有某一种字符**

假设，要求的必须包含数字，怎么办？此时我们可以使用(?=.\*\[0-9\])来做。

因此正则变成：

var reg = /(?=.\*\[0-9\])^\[0-9A-Za-z\]\{6,12\}$/;复制代码

**4.3.3 同时包含具体两种字符**

比如同时包含数字和小写字母，可以用(?=.\*\[0-9\])(?=.\*\[a-z\])来做。

因此正则变成：

var reg = /(?=.\*\[0-9\])(?=.\*\[a-z\])^\[0-9A-Za-z\]\{6,12\}$/;复制代码

**4.3.4 解答**

我们可以把原题变成下列几种情况之一：

1.  同时包含数字和小写字母
2.  同时包含数字和大写字母
3.  同时包含小写字母和大写字母
4.  同时包含数字、小写字母和大写字母

以上的4种情况是或的关系（实际上，可以不用第4条）。

最终答案是：

var reg = /((?=.\*\[0-9\])(?=.\*\[a-z\])|(?=.\*\[0-9\])(?=.\*\[A-Z\])|(?=.\*\[a-z\])(?=.\*\[A-Z\]))^\[0-9A-Za-z\]\{6,12\}$/;console.log( reg.test("1234567") ); // false 全是数字console.log( reg.test("abcdef") ); // false 全是小写字母console.log( reg.test("ABCDEFGH") ); // false 全是大写字母console.log( reg.test("ab23C") ); // false 不足6位console.log( reg.test("ABCDEF234") ); // true 大写字母和数字console.log( reg.test("abcdEF234") ); // true 三者都有复制代码

**4.3.5 解惑**

上面的正则看起来比较复杂，只要理解了第二步，其余就全部理解了。

/(?=.\*\[0-9\])^\[0-9A-Za-z\]\{6,12\}$/

对于这个正则，我们只需要弄明白(?=.\*\[0-9\])^即可。

分开来看就是(?=.\*\[0-9\])和^。

表示开头前面还有个位置（当然也是开头，即同一个位置，想想之前的空字符类比）。

(?=.\*\[0-9\])表示该位置后面的字符匹配.\*\[0-9\]，即，有任何多个任意字符，后面再跟个数字。

翻译成大白话，就是接下来的字符，必须包含个数字。

**4.3.6 另外一种解法**

“至少包含两种字符”的意思就是说，不能全部都是数字，也不能全部都是小写字母，也不能全部都是大写字母。

那么要求“不能全部都是数字”，怎么做呢？(?!p)出马！

对应的正则是：

var reg = /(?!^\[0-9\]\{6,12\}$)^\[0-9A-Za-z\]\{6,12\}$/;复制代码

三种“都不能”呢？

最终答案是：

var reg = /(?!^\[0-9\]\{6,12\}$)(?!^\[a-z\]\{6,12\}$)(?!^\[A-Z\]\{6,12\}$)^\[0-9A-Za-z\]\{6,12\}$/;console.log( reg.test("1234567") ); // false 全是数字console.log( reg.test("abcdef") ); // false 全是小写字母console.log( reg.test("ABCDEFGH") ); // false 全是大写字母console.log( reg.test("ab23C") ); // false 不足6位console.log( reg.test("ABCDEF234") ); // true 大写字母和数字console.log( reg.test("abcdEF234") ); // true 三者都有复制代码

### **第二章小结** ###

位置匹配相关的案例，挺多的，不一而足。

掌握匹配位置的这6个锚字符，给我们解决正则问题一个新工具。

## **第三章 正则表达式括号的作用** ##

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

### **1. 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) ); // => \["abab", "ab", "ababab"\]复制代码

**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：

I love JavaScript

I love Regular Expression

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复制代码

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\}/;复制代码

然后再修改成括号版的：

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

为什么要使用这个正则呢？

**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) ); // => \["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"\]复制代码

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）。

另外也可以使用正则对象的exec方法：

var regex = /(\\d\{4\})-(\\d\{2\})-(\\d\{2\})/;var string = "2017-06-12";console.log( regex.exec(string) ); // => \["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"\]复制代码

同时，也可以使用构造函数的全局属性$1至$9来获取：

var regex = /(\\d\{4\})-(\\d\{2\})-(\\d\{2\})/;var string = "2017-06-12";

regex.test(string); // 正则操作即可，例如//regex.exec(string);//string.match(regex);

console.log(RegExp.$1); // "2017"console.log(RegExp.$2); // "06"console.log(RegExp.$3); // "12"复制代码

**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"复制代码

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：

var regex = /(\\d\{4\})-(\\d\{2\})-(\\d\{2\})/;var string = "2017-06-12";var result = string.replace(regex, function() \{

return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;

\});console.log(result); // => "06/12/2017"复制代码

也等价于：

var regex = /(\\d\{4\})-(\\d\{2\})-(\\d\{2\})/;var string = "2017-06-12";var result = string.replace(regex, function(match, year, month, day) \{

return month + "/" + day + "/" + year;

\});console.log(result); // => "06/12/2017"复制代码

### **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：

2016-06-12

2016/06/12

2016.06.12

最先可能想到的正则是:

var regex = /\\d\{4\}(-|\\/|\\.)\\d\{2\}(-|\\/|\\.)\\d\{2\}/;var string1 = "2017-06-12";var string2 = "2017/06/12";var string3 = "2017.06.12";var string4 = "2016-06/12";console.log( regex.test(string1) ); // trueconsole.log( regex.test(string2) ); // trueconsole.log( regex.test(string3) ); // trueconsole.log( regex.test(string4) ); // true复制代码

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：

var regex = /\\d\{4\}(-|\\/|\\.)\\d\{2\}\\1\\d\{2\}/;var string1 = "2017-06-12";var string2 = "2017/06/12";var string3 = "2017.06.12";var string4 = "2016-06/12";console.log( regex.test(string1) ); // trueconsole.log( regex.test(string2) ); // trueconsole.log( regex.test(string3) ); // trueconsole.log( regex.test(string4) ); // false复制代码

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$/;var string = "1231231233";console.log( regex.test(string) ); // trueconsole.log( RegExp.$1 ); // 123console.log( RegExp.$2 ); // 1console.log( RegExp.$3 ); // 23console.log( RegExp.$4 ); // 3复制代码

我们可以看看这个正则匹配模式：

*  第一个字符是数字，比如说1，
 *  第二个字符是数字，比如说2，
 *  第三个字符是数字，比如说3，
 *  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+/;var string = "123456789\# \#\#\#\#\#\#"console.log( regex.test(string) );// => true复制代码

**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"进行了转意。

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

chrome浏览器打印的结果：

### **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;var string = "ababa abbb ababab";console.log( string.match(regex) ); // => \["abab", "ab", "ababab"\]复制代码

### **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, '');

\}console.log( trim("  foobar   ") ); // => "foobar"复制代码

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");

\}console.log( trim("  foobar   ") ); // => "foobar"复制代码

这里使用了惰性匹配\*?，不然也会匹配最后一个空格之前的所有空格的。

当然，前者效率高。

**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) \{

return c.toUpperCase();

\});

\}console.log( titleize('my name is epeli') ); // => "My Name Is Epeli"复制代码

思路是找到每个单词的首字母，当然这里不使用非捕获匹配也是可以的。

**5.3 驼峰化**

function camelize(str) \{

return str.replace(/\[-\_\\s\]+(.)?/g, function(match, c) \{

return c ? c.toUpperCase() : '';

\});

\}console.log( camelize('-moz-transform') ); // => "MozTransform"复制代码

其中分组(.)表示首字母。单词的界定是，前面的字符可以是多个连字符、下划线以及空白符。正则后面的?的目的，是为了应对str尾部的字符可能不是单词字符，比如str是'-moz-transform    '。

**5.4 中划线化**

function dasherize(str) \{

return str.replace(/(\[A-Z\])/g, '-$1').replace(/\[-\_\\s\]+/g, '-').toLowerCase();

\}console.log( dasherize('MozTransform') ); // => "-moz-transform"复制代码

驼峰化的逆过程。

**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'

\};

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>";复制代码

其中使用了用构造函数生成的正则，然后替换相应的格式就行了，这个跟本章没多大关系。

倒是它的逆过程，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) \{

if (key in htmlEntities) \{

return htmlEntities\[key\];

return match;

\});

\}console.log( unescapeHTML('<div>Blah blah blah</div>') );// => "<div>Blah blah blah</div>"复制代码

通过key获取相应的分组引用，然后作为对象的键。

**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<\\/\[^>\]+>，

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>/;var string1 = "<title>regular expression</title>";var string2 = "<p>laoyao bye bye</p>";var string3 = "<title>wrong!</p>";console.log( regex.test(string1) ); // trueconsole.log( regex.test(string2) ); // trueconsole.log( regex.test(string3) ); // false复制代码

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。

### **第三章小结** ###

正则中使用括号的例子那可是太多了，不一而足。

重点理解括号可以提供分组，我们可以提取数据，应该就可以了。

例子中的代码，基本没做多少分析，相信你都能看懂的。

## **第4章 正则表达式回溯法原理** ##

学习正则表达式，是需要懂点儿匹配原理的。

而研究匹配原理时，有两个字出现的频率比较高：“回溯”。

听起来挺高大上，确实还有很多人对此不明不白的。

因此，本章就简单扼要地说清楚回溯到底是什么东西。

内容包括：

1.  没有回溯的匹配
2.  有回溯的匹配
3.  常见的回溯形式

### **1. 没有回溯的匹配** ###

假设我们的正则是/ab\{1,3\}c/，其可视化形式是：

而当目标字符串是"abbbc"时，就没有所谓的“回溯”。其匹配过程是：

其中子表达式b\{1,3\}表示“b”字符连续出现1到3次。

### **2. 有回溯的匹配** ###

如果目标字符串是"abbc"，中间就有回溯。

图中第5步有红颜色，表示匹配不成功。此时b\{1,3\}已经匹配到了2个字符“b”，准备尝试第三个时，结果发现接下来的字符是“c”。那么就认为b\{1,3\}就已经匹配完毕。然后状态又回到之前的状态（即第6步，与第4步一样），最后再用子表达式c，去匹配字符“c”。当然，此时整个表达式匹配成功了。

图中的第6步，就是“回溯”。

你可能对此没有感觉，这里我们再举一个例子。正则是：

目标字符串是"abbbc"，匹配过程是：

其中第7步和第10步是回溯。第7步与第4步一样，此时b\{1,3\}匹配了两个"b"，而第10步与第3步一样，此时b\{1,3\}只匹配了一个"b"，这也是b\{1,3\}的最终匹配结果。

这里再看一个清晰的回溯，正则是：

目标字符串是："acd"ef，匹配过程是：

图中省略了尝试匹配双引号失败的过程。可以看出.\*是非常影响效率的。

为了减少一些不必要的回溯，可以把正则修改为/"\[^"\]\*"/。

### **3. 常见的回溯形式** ###

正则表达式匹配字符串的这种方式，有个学名，叫回溯法。

回溯法也称试探法，它的基本思想是：从问题的某一种状态（初始状态）出发，搜索从这种状态出发所能达到的所有“状态”，当一条路走到“尽头”的时候（不能再前进），再后退一步或若干步，从另一种可能“状态”出发，继续搜索，直到所有的“路径”（状态）都试探过。这种不断“前进”、不断“回溯”寻找解的方法，就称作“回溯法”。（copy于百度百科）。

本质上就是深度优先搜索算法。**其中退到之前的某一步这一过程，我们称为“回溯”。**从上面的描述过程中，可以看出，路走不通时，就会发生“回溯”。即，**尝试匹配失败时，接下来的一步通常就是回溯。**

道理，我们是懂了。那么JS中正则表达式会产生回溯的地方都有哪些呢？

**3.1 贪婪量词**

之前的例子都是贪婪量词相关的。比如b\{1,3\}，因为其是贪婪的，尝试可能的顺序是从多往少的方向去尝试。首先会尝试"bbb"，然后再看整个正则是否能匹配。不能匹配时，吐出一个"b"，即在"bb"的基础上，再继续尝试。如果还不行，再吐出一个，再试。如果还不行呢？只能说明匹配失败了。

虽然局部匹配是贪婪的，但也要满足整体能正确匹配。否则，皮之不存，毛将焉附？

此时我们不禁会问，如果当多个贪婪量词挨着存在，并相互有冲突时，此时会是怎样？

答案是，先下手为强！因为深度优先搜索。测试如下：

var string = "12345";var regex = /(\\d\{1,3\})(\\d\{1,3\})/;console.log( string.match(regex) );// => \["12345", "123", "45", index: 0, input: "12345"\]复制代码

其中，前面的\\d\{1,3\}匹配的是"123"，后面的\\d\{1,3\}匹配的是"45"。

**3.2 惰性量词**

惰性量词就是在贪婪量词后面加个问号。表示尽可能少的匹配，比如：

var string = "12345";var regex = /(\\d\{1,3\}?)(\\d\{1,3\})/;console.log( string.match(regex) );// => \["1234", "1", "234", index: 0, input: "12345"\]复制代码

其中\\d\{1,3\}?只匹配到一个字符"1"，而后面的\\d\{1,3\}匹配了"234"。

虽然惰性量词不贪，但也会有回溯的现象。比如正则是：

目标字符串是"12345"，匹配过程是：

知道你不贪、很知足，但是为了整体匹配成，没办法，也只能给你多塞点了。因此最后\\d\{1,3\}?匹配的字符是"12"，是两个数字，而不是一个。

3.3 **分支结构**

我们知道分支也是惰性的，比如/can|candy/，去匹配字符串"candy"，得到的结果是"can"，因为分支会一个一个尝试，如果前面的满足了，后面就不会再试验了。

分支结构，可能前面的子模式会形成了局部匹配，如果接下来表达式整体不匹配时，仍会继续尝试剩下的分支。这种尝试也可以看成一种回溯。

比如正则：

目标字符串是"candy"，匹配过程：

上面第5步，虽然没有回到之前的状态，但仍然回到了分支结构，尝试下一种可能。所以，可以认为它是一种回溯的。

### **第四章小结** ###

其实回溯法，很容易掌握的。

简单总结就是，正因为有多种可能，所以要一个一个试。直到，要么到某一步时，整体匹配成功了；要么最后都试完后，发现整体匹配不成功。

1.  贪婪量词“试”的策略是：买衣服砍价。价钱太高了，便宜点，不行，再便宜点。
2.  惰性量词“试”的策略是：卖东西加价。给少了，再多给点行不，还有点少啊，再给点。
3.  分支结构“试”的策略是：货比三家。这家不行，换一家吧，还不行，再换。

既然有回溯的过程，那么匹配效率肯定低一些。相对谁呢？相对那些DFA引擎。

而JS的正则引擎是NFA，NFA是“非确定型有限自动机”的简写。

大部分语言中的正则都是NFA，为啥它这么流行呢？

答：你别看我匹配慢，但是我编译快啊，而且我还有趣哦。

## **第5章 正则表达式的拆分** ##

对于一门语言的掌握程度怎么样，可以有两个角度来衡量：读和写。

不仅要求自己能解决问题，还要看懂别人的解决方案。代码是这样，正则表达式也是这样。

正则这门语言跟其他语言有一点不同，它通常就是一大堆字符，而没有所谓“语句”的概念。

如何能正确地把一大串正则拆分成一块一块的，成为了破解“天书”的关键。

本章就解决这一问题，内容包括：

1.  结构和操作符
2.  注意要点
3.  案例分析

### **1. 结构和操作符** ###

编程语言一般都有操作符。只要有操作符，就会出现一个问题。当一大堆操作在一起时，先操作谁，又后操作谁呢？为了不产生歧义，就需要语言本身定义好操作顺序，即所谓的优先级。

而在正则表达式中，操作符都体现在结构中，即由特殊字符和普通字符所代表的一个个特殊整体。

JS正则表达式中，都有哪些结构呢？

字符字面量、字符组、量词、锚字符、分组、选择分支、反向引用。

具体含义简要回顾如下（如懂，可以略去不看）：

**字面量**，匹配一个具体字符，包括不用转义的和需要转义的。比如a匹配字符"a"，又比如\\n匹配换行符，又比如\\.匹配小数点。

**字符组**，匹配一个字符，可以是多种可能之一，比如\[0-9\]，表示匹配一个数字。也有\\d的简写形式。另外还有反义字符组，表示可以是除了特定字符之外任何一个字符，比如\[^0-9\]，表示一个非数字字符，也有\\D的简写形式。

**量词**，表示一个字符连续出现，比如a\{1,3\}表示“a”字符连续出现3次。另外还有常见的简写形式，比如a+表示“a”字符连续出现至少一次。

**锚点**，匹配一个位置，而不是字符。比如^匹配字符串的开头，又比如\\b匹配单词边界，又比如(?=\\d)表示数字前面的位置。

**分组**，用括号表示一个整体，比如(ab)+，表示"ab"两个字符连续出现多次，也可以使用非捕获分组(?:ab)+。

**分支**，多个子表达式多选一，比如abc|bcd，表达式匹配"abc"或者"bcd"字符子串。

**反向引用**，比如\\2，表示引用第2个分组。

其中涉及到的操作符有：

1.转义符 \\  
2.括号和方括号 (...)、(?:...)、(?=...)、(?!...)、\[...\]  
3.量词限定符 \{m\}、\{m,n\}、\{m,\}、?、\*、+  
4.位置和序列 ^ 、$、 \\元字符、 一般字符  
5. 管道符（竖杠）|

上面操作符的优先级从上至下，由高到低。

这里，我们来分析一个正则：

/ab?(c|de\*)+|fg/

1.  由于括号的存在，所以，(c|de\*)是一个整体结构。
2.  在(c|de\*)中，注意其中的量词\*，因此e\*是一个整体结构。
3.  又因为分支结构“|”优先级最低，因此c是一个整体、而de\*是另一个整体。
4.  同理，整个正则分成了 a、b?、(...)+、f、g。而由于分支的原因，又可以分成ab?(c|de\*)+和fg这两部分。

希望你没被我绕晕，上面的分析可用其[可视化][Link 1]形式描述如下：

### **2. 注意要点** ###

关于结构和操作符，还是有几点需要强调：

**2.1 匹配字符串整体问题**

因为是要匹配整个字符串，我们经常会在正则前后中加上锚字符^和$。

比如要匹配目标字符串"abc"或者"bcd"时，如果一不小心，就会写成/^abc|bcd$/。

而位置字符和字符序列优先级要比竖杠高，故其匹配的结构是：

应该修改成:

**2.2 量词连缀问题**

假设，要匹配这样的字符串：

1. 每个字符为a、b、c任选其一

2. 字符串的长度是3的倍数

此时正则不能想当然地写成/^\[abc\]\{3\}+$/，这样会报错，说+前面没什么可重复的：

此时要修改成：

**2.3 元字符转义问题**

所谓元字符，就是正则中有特殊含义的字符。

所有结构里，用到的元字符总结如下：

**^**** ****$**** ****.**** ****\***** ****+**** ****?**** ****|**** ****\\**** ****/**** ****(**** ****)**** ****\[**** ****\]**** ****\{** ** ****\}**** ****=**** ****!**** ****:**** ****-**** ****,**

当匹配上面的字符本身时，可以一律转义：

var string = "^$.\*+?|\\\\/\[\]\{\}=!:-,";var regex = /\\^\\$\\.\\\*\\+\\?\\|\\\\\\/\\\[\\\]\\\{\\\}\\=\\!\\:\\-\\,/;console.log( regex.test(string) ); // => true复制代码

其中string中的\\字符也要转义的。

另外，在string中，也可以把每个字符转义，当然，转义后的结果仍是本身：

var string = "^$.\*+?|\\\\/\[\]\{\}=!:-,";var string2 = "\\^\\$\\.\\\*\\+\\?\\|\\\\\\/\\\[\\\]\\\{\\\}\\=\\!\\:\\-\\,";console.log( string == string2 ); // => true复制代码

现在的问题是，是不是每个字符都需要转义呢？否，看情况。

**2.3.1 字符组中的元字符**

跟字符组相关的元字符有\[\]、^、-。因此在会引起歧义的地方进行转义。例如开头的^必须转义，不然会把整个字符组，看成反义字符组。

var string = "^$.\*+?|\\\\/\[\]\{\}=!:-,";var regex = /\[\\^$.\*+?|\\\\/\\\[\\\]\{\}=!:\\-,\]/g;console.log( string.match(regex) );// => \["^", "$", ".", "\*", "+", "?", "|", "\\", "/", "\[", "\]", "\{", "\}", "=", "!", ":", "-", ","\]复制代码

**2.3.2 匹配“\[abc\]”和“\{3,5\}”**

我们知道\[abc\]，是个字符组。如果要匹配字符串"\[abc\]"时，该怎么办？

可以写成/\\\[abc\\\]/，也可以写成/\\\[abc\]/，测试如下：

var string = "\[abc\]";var regex = /\\\[abc\]/g;console.log( string.match(regex)\[0\] ); // => "\[abc\]"复制代码

只需要在第一个方括号转义即可，因为后面的方括号构不成字符组，正则不会引发歧义，自然不需要转义。

同理，要匹配字符串"\{3,5\}"，只需要把正则写成/\\\{3,5\}/即可。

另外，我们知道量词有简写形式\{m,\}，却没有\{,n\}的情况。虽然后者不构成量词的形式，但此时并不会报错。当然，匹配的字符串也是"\{,n\}"，测试如下：

var string = "\{,3\}";var regex = /\{,3\}/g;console.log( string.match(regex)\[0\] ); // => "\{,3\}"复制代码

**2.3.3 其余情况**

比如= ! : - ,等符号，只要不在特殊结构中，也不需要转义。

但是，括号需要前后都转义的，如/\$123\$/。

至于剩下的^ $ . \* + ? | \\ /等字符，只要不在字符组内，都需要转义的。

### **3. 案例分析** ###

接下来分析两个例子，一个简单的，一个复杂的。

**3.1 身份证**

正则表达式是：

/^(\\d\{15\}|\\d\{17\}\[\\dxX\])$/

因为竖杠“|”,的优先级最低，所以正则分成了两部分\\d\{15\}和\\d\{17\}\[\\dxX\]。

*  \\d\{15\}表示15位连续数字。
 *  \\d\{17\}\[\\dxX\]表示17位连续数字，最后一位可以是数字可以大小写字母"x"。

可视化如下：

**3.2 IPV4地址**

正则表达式是：

/^((0\{0,2\}\\d|0?\\d\{2\}|1\\d\{2\}|2\[0-4\]\\d|25\[0-5\])\\.)\{3\}(0\{0,2\}\\d|0?\\d\{2\}|1\\d\{2\}|2\[0-4\]\\d|25\[0-5\])$/

这个正则，看起来非常吓人。但是熟悉优先级后，会立马得出如下的结构：

((...)\\.)\{3\}(...)

上面的两个(...)是一样的结构。表示匹配的是3位数字。因此整个结构是

3位数.3位数.3位数.3位数

然后再来分析(...)：

(0\{0,2\}\\d|0?\\d\{2\}|1\\d\{2\}|2\[0-4\]\\d|25\[0-5\])(0\{0,2\}\\d|0?\\d\{2\}|1\\d\{2\}|2\[0-4\]\\d|25\[0-5\])

它是一个多选结构，分成5个部分：

*  0\{0,2\}\\d，匹配一位数，包括0补齐的。比如，9、09、009；
 *  0?\\d\{2\}，匹配两位数，包括0补齐的，也包括一位数；
 *  1\\d\{2\}，匹配100到199;
 *  2\[0-4\]\\d，匹配200-249；
 *  25\[0-5\]，匹配250-255。

最后来看一下其可视化形式：

### **第五章小结** ###

掌握正则表达式中的优先级后，再看任何正则应该都有信心分析下去了。

至于例子，不一而足，没有写太多。

这里稍微总结一下，竖杠的优先级最低，即最后运算。

只要知道这一点，就能读懂大部分正则。

另外关于元字符转义问题，当自己不确定与否时，尽管去转义，总之是不会错的。

## **第6章 正则表达式的构建** ##

对于一门语言的掌握程度怎么样，可以有两个角度来衡量：读和写。

不仅要看懂别人的解决方案，也要能独立地解决问题。代码是这样，正则表达式也是这样。

与“读”相比，“写”往往更为重要，这个道理是不言而喻的。

对正则的运用，首重就是：如何针对问题，构建一个合适的正则表达式？

本章就解决该问题，内容包括：

1.  平衡法则
2.  构建正则前提
3.  准确性
4.   效率

### **1. 平衡法则** ###

构建正则有一点非常重要，需要做到下面几点的平衡：

1.  匹配预期的字符串
2.  不匹配非预期的字符串
3.  可读性和可维护性
4.  效率

### **2. 构建正则前提** ###

**2.1 是否能使用正则**

正则太强大了，以至于我们随便遇到一个操作字符串问题时，都会下意识地去想，用正则该怎么做。但我们始终要提醒自己，正则虽然强大，但不是万能的，很多看似很简单的事情，还是做不到的。

比如匹配这样的字符串：1010010001....

虽然很有规律，但是只靠正则就是无能为力。

**2.2 是否有必要使用正则**

要认识到正则的局限，不要去研究根本无法完成的任务。同时，也不能走入另一个极端：无所不用正则。能用字符串API解决的简单问题，就不该正则出马。

*  比如，从日期中提取出年月日，虽然可以使用正则：

var string = "2017-07-01";var regex = /^(\\d\{4\})-(\\d\{2\})-(\\d\{2\})/;console.log( string.match(regex) );// => \["2017-07-01", "2017", "07", "01", index: 0, input: "2017-07-01"\]复制代码

其实，可以使用字符串的split方法来做，即可：

var string = "2017-07-01";var result = string.split("-");console.log( result );// => \["2017", "07", "01"\]复制代码

*  比如，判断是否有问号，虽然可以使用：

var string = "?id=xx&act=search";console.log( string.search(/\\?/) );// => 0复制代码

其实，可以使用字符串的indexOf方法：

var string = "?id=xx&act=search";console.log( string.indexOf("?") );// => 0复制代码

*  比如获取子串，虽然可以使用正则：

var string = "JavaScript";console.log( string.match(/.\{4\}(.+)/)\[1\] );// => Script复制代码

其实，可以直接使用字符串的substring或substr方法来做：

var string = "JavaScript";console.log( string.substring(4) );// => Script复制代码

**2.3 是否有必要构建一个复杂的正则**

比如密码匹配问题，要求密码长度6-12位，由数字、小写字符和大写字母组成，但必须至少包括2种字符。

在第2章里，我们写出了正则是：

/(?!^\[0-9\]\{6,12\}$)(?!^\[a-z\]\{6,12\}$)(?!^\[A-Z\]\{6,12\}$)^\[0-9A-Za-z\]\{6,12\}$/

其实可以使用多个小正则来做：

var regex1 = /^\[0-9A-Za-z\]\{6,12\}$/;var regex2 = /^\[0-9\]\{6,12\}$/;var regex3 = /^\[A-Z\]\{6,12\}$/;var regex4 = /^\[a-z\]\{6,12\}$/;function checkPassword(string) \{

if (!regex1.test(string)) return false;

if (regex2.test(string)) return false;

if (regex3.test(string)) return false;

if (regex4.test(string)) return false;

return true;

\}复制代码

### **3. 准确性** ###

所谓准确性，就是能匹配预期的目标，并且不匹配非预期的目标。

这里提到了“预期”二字，那么我们就需要知道目标的组成规则。

不然没法界定什么样的目标字符串是符合预期的，什么样的又不是符合预期的。

下面将举例说明，当目标字符串构成比较复杂时，该如何构建正则，并考虑到哪些平衡。

**3.1 匹配固定电话**

比如要匹配如下格式的固定电话号码：

055188888888

0551-88888888

(0551)88888888

第一步，了解各部分的模式规则。

上面的电话，总体上分为区号和号码两部分（不考虑分机号和+86的情形）。

区号是0开头的3到4位数字，对应的正则是：0\\d\{2,3\}

号码是非0开头的7到8位数字，对应的正则是：\[1-9\]\\d\{6,7\}

因此，匹配055188888888的正则是：/^0\\d\{2,3\}\[1-9\]\\d\{6,7\}$/

匹配0551-88888888的正则是：/^0\\d\{2,3\}-\[1-9\]\\d\{6,7\}$/

匹配(0551)88888888的正则是：/^\$0\\d\{2,3\}\$\[1-9\]\\d\{6,7\}$/

第二步，明确形式关系。

这三者情形是或的关系，可以构建分支：

/^0\\d\{2,3\}\[1-9\]\\d\{6,7\}$|^0\\d\{2,3\}-\[1-9\]\\d\{6,7\}$|^\$0\\d\{2,3\}\$\[1-9\]\\d\{6,7\}$/

提取公共部分：

/^(0\\d\{2,3\}|0\\d\{2,3\}-|\$0\\d\{2,3\}\$)\[1-9\]\\d\{6,7\}$/

进一步简写：

/^(0\\d\{2,3\}-?|\$0\\d\{2,3\}\$)\[1-9\]\\d\{6,7\}$/

其可视化形式：

上面的正则构建过程略显罗嗦，但是这样做，能保证正则是准确的。

上述三种情形是或的关系，这一点很重要，不然很容易按字符是否出现的情形把正则写成：

/^\$?0\\d\{2,3\}\$?-?\[1-9\]\\d\{6,7\}$/

虽然也能匹配上述目标字符串，但也会匹配(0551-88888888这样的字符串。当然，这不是我们想要的。

其实这个正则也不是完美的，因为现实中，并不是每个3位数和4位数都是一个真实的区号。

这就是一个平衡取舍问题，一般够用就行。

**3.2 匹配浮点数**

要求匹配如下的格式：

1.23、+1.23、-1.23

10、+10、-10

.2、+.2、-.2

可以看出正则分为三部分。

符号部分：\[+-\]

整数部分：\\d+

小数部分：\\.\\d+

上述三个部分，并不是全部都出现。如果此时很容易写出如下的正则：

/^\[+-\]?(\\d+)?(\\.\\d+)?$/

此正则看似没问题，但这个正则也会匹配空字符""。

因为目标字符串的形式关系不是要求每部分都是可选的。

要匹配1.23、+1.23、-1.23，可以用/^\[+-\]?\\d+\\.\\d+$/

要匹配10、+10、-10，可以用/^\[+-\]?\\d+$/

要匹配.2、+.2、-.2，可以用/^\[+-\]?\\.\\d+$/

因此整个正则是这三者的或的关系，提取公众部分后是：

/^\[+-\]?(\\d+\\.\\d+|\\d+|\\.\\d+)$/

其可视化形式是：

如果要求不匹配+.2和-.2，此时正则变成：

当然，/^\[+-\]?(\\d+\\.\\d+|\\d+|\\.\\d+)$/也不是完美的，我们也是做了些取舍，比如：

*  它也会匹配012这样以0开头的整数。如果要求不匹配的话，需要修改整数部分的正则。
 *  一般进行验证操作之前，都要经过trim和判空。那样的话，也许那个错误正则也就够用了。
 *  也可以进一步改写成：/^\[+-\]?(\\d+)?(\\.)?\\d+$/，这样我们就需要考虑可读性和可维护性了。

### **4. 效率** ###

保证了准确性后，才需要是否要考虑要优化。大多数情形是不需要优化的，除非运行的非常慢。什么情形正则表达式运行才慢呢？我们需要考察正则表达式的运行过程（原理）。

正则表达式的运行分为如下的阶段：

1.  编译
2.  设定起始位置
3.  尝试匹配
4.  匹配失败的话，从下一位开始继续第3步
5.  最终结果：匹配成功或失败

下面以代码为例，来看看这几个阶段都做了什么：

var regex = /\\d+/g;console.log( regex.lastIndex, regex.exec("123abc34def") );console.log( regex.lastIndex, regex.exec("123abc34def") );console.log( regex.lastIndex, regex.exec("123abc34def") );console.log( regex.lastIndex, regex.exec("123abc34def") );// => 0 \["123", index: 0, input: "123abc34def"\]// => 3 \["34", index: 6, input: "123abc34def"\]// => 8 null// => 0 \["123", index: 0, input: "123abc34def"\]复制代码

具体分析如下：

var regex = /\\d+/g;复制代码

当生成一个正则时，引擎会对其进行编译。报错与否出现这这个阶段。

regex.exec("123abc34def")复制代码

当尝试匹配时，需要确定从哪一位置开始匹配。一般情形都是字符串的开头，即第0位。

但当使用test和exec方法，且正则有g时，起始位置是从正则对象的lastIndex属性开始。

因此第一次exec是从第0位开始，而第二次是从3开始的。

设定好起始位置后，就开始尝试匹配了。

比如第一次exec，从0开始，去尝试匹配，并且成功地匹配到3个数字。此时结束时的下标是2，因此下一次的起始位置是3。

而第二次，起始下标是3，但第3个字符是“a”，并不是数字。但此时并不会直接报匹配失败，而是移动到下一位置，即从第4位开始继续尝试匹配，但该字符是b，也不是数字。再移动到下一位，是c仍不行，再移动一位是数字3，此时匹配到了两位数字34。此时，下一次匹配的位置是d的位置，即第8位。

第三次，是从第8位开始匹配，直到试到最后一位，也没发现匹配的，因此匹配失败，返回null。同时设置lastIndex为0，即，如要再尝试匹配的话，需从头开始。

从上面可以看出，匹配会出现效率问题，主要出现在上面的第3阶段和第4阶段。

因此，主要优化手法也是针对这两阶段的。

**4.1 使用具体型字符组来代替通配符，来消除回溯**

而在第三阶段，最大的问题就是回溯。

例如，匹配双引用号之间的字符。如，匹配字符串123"abc"456中的"abc"。

如果正则用的是：/".\*"/，，会在第3阶段产生4次回溯（粉色表示.\*匹配的内容）：

如果正则用的是：/".\*?"/，会产生2次回溯（粉色表示.\*?匹配的内容）：

因为回溯的存在，需要引擎保存多种可能中未尝试过的状态，以便后续回溯时使用。注定要占用一定的内存。

此时要使用具体化的字符组，来代替通配符.，以便消除不必要的字符，此时使用正则/"\[^"\]\*"/，即可。

**4.2 使用非捕获型分组**

因为括号的作用之一是，可以捕获分组和分支里的数据。那么就需要内存来保存它们。

当我们不需要使用分组引用和反向引用时，此时可以使用非捕获分组。例如：

/^\[+-\]?(\\d+\\.\\d+|\\d+|\\.\\d+)$/

可以修改成：

/^\[+-\]?(?:\\d+\\.\\d+|\\d+|\\.\\d+)$/

**4.3 独立出确定字符**

例如/a+/，可以修改成/aa\*/。

因为后者能比前者多确定了字符a。这样会在第四步中，加快判断是否匹配失败，进而加快移位的速度。

**4.4 提取分支公共部分**

比如/^abc|^def/，修改成/^(?:abc|def)/。

又比如/this|that/，修改成/th(?:is|at)/。

这样做，可以减少匹配过程中可消除的重复。

**4.5 减少分支的数量，缩小它们的范围**

/red|read/，可以修改成/rea?d/。此时分支和量词产生的回溯的成本是不一样的。但这样优化后，可读性会降低的。

### **第六章小结** ###

本章涉及的内容并不多。

一般情况下，针对某问题能写出一个满足需求的正则，基本上就可以了。

至于准确性和效率方面的追求，纯属看个人要求了。我觉得够用就行了。

关于准确性，本章关心的是最常用的解决思路：

针对每种情形，分别写出正则，然用分支把他们合并在一起，再提取分支公共部分，就能得到准确的正则。

至于优化，本章没有为了凑数，去写一大堆。了解了匹配原理，常见的优化手法也就这么几种。

## **第七章 正则表达式编程** ##

什么叫知识，能指导我们实践的东西才叫知识。

学习一样东西，如果不能使用，最多只能算作纸上谈兵。正则表达式的学习，也不例外。

掌握了正则表达式的语法后，下一步，也是关键的一步，就是在真实世界中使用它。

那么如何使用正则表达式呢？有哪些关键的点呢？本章就解决这个问题。

内容包括：

1.  正则表达式的四种操作
2.  相关API注意要点
3.  真实案例

### **1. 正则表达式的四种操作** ###

正则表达式是匹配模式，不管如何使用正则表达式，万变不离其宗，都需要先“匹配”。

有了匹配这一基本操作后，才有其他的操作：验证、切分、提取、替换。

进行任何相关操作，也需要宿主引擎相关API的配合使用。当然，在JS中，相关API也不多。

**1.1 验证**

验证是正则表达式最直接的应用，比如表单验证。

在说验证之前，先要说清楚匹配是什么概念。

所谓匹配，就是看目标字符串里是否有满足匹配的子串。因此，“匹配”的本质就是“查找”。

有没有匹配，是不是匹配上，判断是否的操作，即称为“验证”。

这里举一个例子，来看看如何使用相关API进行验证操作的。

比如，判断一个字符串中是否有数字。

*  使用search

var regex = /\\d/;var string = "abc123";console.log( !!~string.search(regex) );// => true复制代码

*  使用test

var regex = /\\d/;var string = "abc123";console.log( regex.test(string) );// => true复制代码

*  使用match

var regex = /\\d/;var string = "abc123";console.log( !!string.match(regex) );// => true复制代码

*  使用exec

var regex = /\\d/;var string = "abc123";console.log( !!regex.exec(string) );// => true复制代码

其中，最常用的是test。

**1.2 切分**

匹配上了，我们就可以进行一些操作，比如切分。

所谓“切分”，就是把目标字符串，切成一段一段的。在JS中使用的是split。

比如，目标字符串是"html,css,javascript"，按逗号来切分：

var regex = /,/;var string = "html,css,javascript";console.log( string.split(regex) );// => \["html", "css", "javascript"\]复制代码

又比如，如下的日期格式：

2017/06/26

2017.06.26

2017-06-26

可以使用split“切出”年月日：

var regex = /\\D/;console.log( "2017/06/26".split(regex) );console.log( "2017.06.26".split(regex) );console.log( "2017-06-26".split(regex) );// => \["2017", "06", "26"\]// => \["2017", "06", "26"\]// => \["2017", "06", "26"\]复制代码

**1.3 提取**

虽然整体匹配上了，但有时需要提取部分匹配的数据。

此时正则通常要使用分组引用（分组捕获）功能，还需要配合使用相关API。

这里，还是以日期为例，提取出年月日。注意下面正则中的括号：

*  match

var regex = /^(\\d\{4\})\\D(\\d\{2\})\\D(\\d\{2\})$/;var string = "2017-06-26";console.log( string.match(regex) );// =>\["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"\]复制代码

*  exec

var regex = /^(\\d\{4\})\\D(\\d\{2\})\\D(\\d\{2\})$/;var string = "2017-06-26";console.log( regex.exec(string) );// =>\["2017-06-26", "2017", "06", "26", index: 0, input: "2017-06-26"\]复制代码

*  test

var regex = /^(\\d\{4\})\\D(\\d\{2\})\\D(\\d\{2\})$/;var string = "2017-06-26";

regex.test(string);console.log( RegExp.$1, RegExp.$2, RegExp.$3 );// => "2017" "06" "26"复制代码

*  search

var regex = /^(\\d\{4\})\\D(\\d\{2\})\\D(\\d\{2\})$/;var string = "2017-06-26";

string.search(regex);console.log( RegExp.$1, RegExp.$2, RegExp.$3 );// => "2017" "06" "26"复制代码

*  replace

var regex = /^(\\d\{4\})\\D(\\d\{2\})\\D(\\d\{2\})$/;var string = "2017-06-26";var date = \[\];

string.replace(regex, function(match, year, month, day) \{

date.push(year, month, day);

\});console.log(date);// => \["2017", "06", "26"\]复制代码

其中，最常用的是match。

**1.4 替换**

找，往往不是目的，通常下一步是为了替换。在JS中，使用replace进行替换。

比如把日期格式，从yyyy-mm-dd替换成yyyy/mm/dd：

var string = "2017-06-26";var today = new Date( string.replace(/-/g, "/") );console.log( today );// => Mon Jun 26 2017 00:00:00 GMT+0800 (中国标准时间)复制代码

这里只是简单地应用了一下replace。但，replace方法是强大的，是需要重点掌握的。

### **2. 相关API注意要点** ###

从上面可以看出用于正则操作的方法，共有6个，字符串实例4个，正则实例2个：

String\#search

String\#split

String\#match

String\#replace

RegExp\#test

RegExp\#exec

本文不打算详细地讲解它们的方方面面细节，具体可以参考《JavaScript权威指南》的第三部分。本文重点列出一些容易忽视的地方，以飨读者。

**2.1 search和match的参数问题**

我们知道字符串实例的那4个方法参数都支持正则和字符串。

但search和match，会把字符串转换为正则的。

var string = "2017.06.27";

console.log( string.search(".") );// => 0//需要修改成下列形式之一console.log( string.search("\\\\.") );console.log( string.search(/\\./) );// => 4// => 4

console.log( string.match(".") );// => \["2", index: 0, input: "2017.06.27"\]//需要修改成下列形式之一console.log( string.match("\\\\.") );console.log( string.match(/\\./) );// => \[".", index: 4, input: "2017.06.27"\]// => \[".", index: 4, input: "2017.06.27"\]

console.log( string.split(".") );// => \["2017", "06", "27"\]

console.log( string.replace(".", "/") );// => "2017/06.27"复制代码

**2.2 match返回结果的格式问题**

match返回结果的格式，与正则对象是否有修饰符g有关。

var string = "2017.06.27";var regex1 = /\\b(\\d+)\\b/;var regex2 = /\\b(\\d+)\\b/g;console.log( string.match(regex1) );console.log( string.match(regex2) );// => \["2017", "2017", index: 0, input: "2017.06.27"\]// => \["2017", "06", "27"\]复制代码

没有g，返回的是标准匹配格式，即，数组的第一个元素是整体匹配的内容，接下来是分组捕获的内容，然后是整体匹配的第一个下标，最后是输入的目标字符串。

有g，返回的是所有匹配的内容。

当没有匹配时，不管有无g，都返回null。

**2.3 exec比match更强大**

当正则没有g时，使用match返回的信息比较多。但是有g后，就没有关键的信息index了。

而exec方法就能解决这个问题，它能接着上一次匹配后继续匹配：

var string = "2017.06.27";var regex2 = /\\b(\\d+)\\b/g;console.log( regex2.exec(string) );console.log( regex2.lastIndex);console.log( regex2.exec(string) );console.log( regex2.lastIndex);console.log( regex2.exec(string) );console.log( regex2.lastIndex);console.log( regex2.exec(string) );console.log( regex2.lastIndex);// => \["2017", "2017", index: 0, input: "2017.06.27"\]// => 4// => \["06", "06", index: 5, input: "2017.06.27"\]// => 7// => \["27", "27", index: 8, input: "2017.06.27"\]// => 10// => null// => 0复制代码

其中正则实例lastIndex属性，表示下一次匹配开始的位置。

比如第一次匹配了“2017”，开始下标是0，共4个字符，因此这次匹配结束的位置是3，下一次开始匹配的位置是4。

从上述代码看出，在使用exec时，经常需要配合使用while循环：

var string = "2017.06.27";var regex2 = /\\b(\\d+)\\b/g;var result;while ( result = regex2.exec(string) ) \{

console.log( result, regex2.lastIndex );

\}// => \["2017", "2017", index: 0, input: "2017.06.27"\] 4// => \["06", "06", index: 5, input: "2017.06.27"\] 7// => \["27", "27", index: 8, input: "2017.06.27"\] 10复制代码

**2.4 修饰符g，对exex和test的影响**

上面提到了正则实例的lastIndex属性，表示尝试匹配时，从字符串的lastIndex位开始去匹配。

字符串的四个方法，每次匹配时，都是从0开始的，即lastIndex属性始终不变。

而正则实例的两个方法exec、test，当正则是全局匹配时，每一次匹配完成后，都会修改lastIndex。下面让我们以test为例，看看你是否会迷糊：

var regex = /a/g;console.log( regex.test("a"), regex.lastIndex );console.log( regex.test("aba"), regex.lastIndex );console.log( regex.test("ababc"), regex.lastIndex );// => true 1// => true 3// => false 0复制代码

注意上面代码中的第三次调用test，因为这一次尝试匹配，开始从下标lastIndex即3位置处开始查找，自然就找不到了。

如果没有g，自然都是从字符串第0个字符处开始尝试匹配：

var regex = /a/;console.log( regex.test("a"), regex.lastIndex );console.log( regex.test("aba"), regex.lastIndex );console.log( regex.test("ababc"), regex.lastIndex );// => true 0// => true 0// => true 0复制代码

**2.5 test整体匹配时需要使用^和$**

这个相对容易理解，因为test是看目标字符串中是否有子串匹配正则，即有部分匹配即可。

如果，要整体匹配，正则前后需要添加开头和结尾：

console.log( /123/.test("a123b") );// => trueconsole.log( /^123$/.test("a123b") );// => falseconsole.log( /^123$/.test("123") );// => true复制代码

**2.6 split相关注意事项**

split方法看起来不起眼，但要注意的地方有两个的。

第一，它可以有第二个参数，表示结果数组的最大长度：

var string = "html,css,javascript";console.log( string.split(/,/, 2) );// =>\["html", "css"\]复制代码

第二，正则使用分组时，结果数组中是包含分隔符的：

var string = "html,css,javascript";console.log( string.split(/(,)/) );// =>\["html", ",", "css", ",", "javascript"\]复制代码

**2.7 replace是很强大的**

《JavaScript权威指南》认为exec是这6个API中最强大的，而我始终认为replace才是最强大的。因为它也能拿到该拿到的信息，然后可以假借替换之名，做些其他事情。

总体来说replace有两种使用形式，这是因为它的第二个参数，可以是字符串，也可以是函数。

当第二个参数是字符串时，如下的字符有特殊的含义：

$1,$2,...,$99 匹配第1~99个分组里捕获的文本  
$& 匹配到的子串文本  
$\` 匹配到的子串的左边文本  
$' 匹配到的子串的右边文本  
$$ 美元符号

例如，把"2,3,5"，变成"5=2+3"：

var result = "2,3,5".replace(/(\\d+),(\\d+),(\\d+)/, "$3=$1+$2");console.log(result);// => "5=2+3"复制代码

又例如，把"2,3,5"，变成"222,333,555":

var result = "2,3,5".replace(/(\\d+)/g, "$&$&$&");console.log(result);// => "222,333,555"复制代码

再例如，把"2+3=5"，变成"2+3=2+3=5=5":

var result = "2+3=5".replace(/=/, "$&$\`$&$'$&");console.log(result);// => "2+3=2+3=5=5"复制代码

当第二个参数是函数时，我们需要注意该回调函数的参数具体是什么：

"1234 2345 3456".replace(/(\\d)\\d\{2\}(\\d)/g, function(match, $1, $2, index, input) \{

console.log(\[match, $1, $2, index, input\]);

\});// => \["1234", "1", "4", 0, "1234 2345 3456"\]// => \["2345", "2", "5", 5, "1234 2345 3456"\]// => \["3456", "3", "6", 10, "1234 2345 3456"\]复制代码

此时我们可以看到replace拿到的信息，并不比exec少。

**2.8 使用构造函数需要注意的问题**

一般不推荐使用构造函数生成正则，而应该优先使用字面量。因为用构造函数会多写很多\\。

var string = "2017-06-27 2017.06.27 2017/06/27";var regex = /\\d\{4\}(-|\\.|\\/)\\d\{2\}\\1\\d\{2\}/g;console.log( string.match(regex) );// => \["2017-06-27", "2017.06.27", "2017/06/27"\]

regex = new RegExp("\\\\d\{4\}(-|\\\\.|\\\\/)\\\\d\{2\}\\\\1\\\\d\{2\}", "g");console.log( string.match(regex) );// => \["2017-06-27", "2017.06.27", "2017/06/27"\]复制代码

**2.9 修饰符**

ES5中修饰符，共3个：

g 全局匹配，即找到所有匹配的，单词是global

i 忽略字母大小写，单词ingoreCase

m 多行匹配，只影响^和$，二者变成行的概念，即行开头和行结尾。单词是multiline

当然正则对象也有相应的只读属性：

var regex = /\\w/img;console.log( regex.global );console.log( regex.ignoreCase );console.log( regex.multiline );// => true// => true// => true复制代码

**2.10 source属性**

正则实例对象属性，除了global、ingnoreCase、multiline、lastIndex属性之外，还有一个source属性。

它什么时候有用呢？

比如，在构建动态的正则表达式时，可以通过查看该属性，来确认构建出的正则到底是什么：

**2.11 构造函数属性**

构造函数的静态属性基于所执行的最近一次正则操作而变化。除了是$1,...,$9之外，还有几个不太常用的属性（有兼容性问题）：

RegExp.input 最近一次目标字符串，简写成RegExp\["$\_"\]  
RegExp.lastMatch 最近一次匹配的文本，简写成RegExp\["$&"\]  
RegExp.lastParen 最近一次捕获的文本，简写成RegExp\["$+"\]  
RegExp.leftContext 目标字符串中lastMatch之前的文本，简写成RegExp\["$\`"\]  
RegExp.rightContext 目标字符串中lastMatch之后的文本，简写成RegExp\["$'"\]

测试代码如下：

var regex = /(\[abc\])(\\d)/g;var string = "a1b2c3d4e5";

string.match(regex);

console.log( RegExp.input );console.log( RegExp\["$\_"\]);// => "a1b2c3d4e5"

console.log( RegExp.lastMatch );console.log( RegExp\["$&"\] );// => "c3"

console.log( RegExp.lastParen );console.log( RegExp\["$+"\] );// => "3"

console.log( RegExp.leftContext );console.log( RegExp\["$\`"\] );// => "a1b2"

console.log( RegExp.rightContext );console.log( RegExp\["$'"\] );// => "d4e5"复制代码

### **3. 真实案例** ###

**3.1 使用构造函数生成正则表达式**

我们知道要优先使用字面量来创建正则，但有时正则表达式的主体是不确定的，此时可以使用构造函数来创建。模拟getElementsByClassName方法，就是很能说明该问题的一个例子。

这里getElementsByClassName函数的实现思路是：

*  比如要获取className为"high"的dom元素；
 *  首先生成一个正则：/(^|\\s)high(\\s|$)/；
 *  然后再用其逐一验证页面上的所有dom元素的类名，拿到满足匹配的元素即可。

代码如下(可以直接复制到本地查看运行效果)：

function getElementsByClassName(className) \{

var elements = document.getElementsByTagName("\*");

var regex = new RegExp("(^|\\\\s)" + className + "(\\\\s|$)");

var result = \[\];

for (var i = 0; i < elements.length; i++) \{

var element = elements\[i\];

if (regex.test(element.className)) \{

result.push(element)

return result;

var highs = getElementsByClassName('high');

highs.forEach(function(item) \{

item.style.color = 'red';

\});

</script>复制代码

**3.2 使用字符串保存数据**

一般情况下，我们都愿意使用数组来保存数据。但我看到有的框架中，使用的却是字符串。

使用时，仍需要把字符串切分成数组。虽然不一定用到正则，但总感觉酷酷的，这里分享如下：

var utils = \{\};"Boolean|Number|String|Function|Array|Date|RegExp|Object|Error".split("|").forEach(function(item) \{

utils\["is" + item\] = function(obj) \{

return \{\}.toString.call(obj) == "\[object " + item + "\]";

\};

\});console.log( utils.isArray(\[1, 2, 3\]) );// => true复制代码

**3.3 if语句中使用正则替代&&**

比如，模拟ready函数，即加载完毕后再执行回调（不兼容ie的）：

var readyRE = /complete|loaded|interactive/;

function ready(callback) \{

if (readyRE.test(document.readyState) && document.body) \{

callback()

else \{

document.addEventListener(

'DOMContentLoaded',

function () \{

callback()

\},

false

);

\};

ready(function() \{

alert("加载完毕！")

\});复制代码

**3.4 使用强大的replace**

因为replace方法比较强大，有时用它根本不是为了替换，只是拿其匹配到的信息来做文章。

这里以查询字符串（querystring）压缩技术为例，注意下面replace方法中，回调函数根本没有返回任何东西。

function compress(source) \{

var keys = \{\};

source.replace(/(\[^=&\]+)=(\[^&\]\*)/g, function(full, key, value) \{

keys\[key\] = (keys\[key\] ? keys\[key\] + ',' : '') + value;

\});

var result = \[\];

for (var key in keys) \{

result.push(key + '=' + keys\[key\]);

return result.join('&');

console.log( compress("a=1&b=2&a=3&b=4") );// => "a=1,3&b=2,4"复制代码

**3.5 综合运用**

最后这里再做个简单实用的正则测试器。

具体效果如下：

代码，直接贴了，相信你能看得懂：

</section>

<style>

section\{

display:flex;

flex-direction:column;

justify-content:space-around;

height:300px;

padding:0 200px;

section \*\{

min-height:30px;

\#err \{

color:red;

\#result\{

line-height:30px;

.info \{

background:\#00c5ff;

padding:2px;

margin:2px;

display:inline-block;

</style>

(function() \{

// 获取相应dom元素

var regexInput = document.getElementById("regex");

var textInput = document.getElementById("text");

var runBtn = document.getElementById("run");

var errBox = document.getElementById("err");

var resultBox = document.getElementById("result");

// 绑定点击事件

runBtn.onclick = function() \{

// 清除错误和结果

errBox.innerHTML = "";

resultBox.innerHTML = "";

// 获取正则和文本

var text = textInput.value;

var regex = regexInput.value;

if (regex == "") \{

errBox.innerHTML = "请输入正则表达式";

\} else if (text == "") \{

errBox.innerHTML = "请输入测试文本";

\} else \{

regex = createRegex(regex);

if (!regex) return;

var result, results = \[\];

// 没有修饰符g的话，会死循环

if (regex.global) \{

while(result = regex.exec(text)) \{

results.push(result);

\} else \{

results.push(regex.exec(text));

if (results\[0\] == null) \{

resultBox.innerHTML = "匹配到0个结果";

return;

// 倒序是有必要的

for (var i = results.length - 1; i >= 0; i--) \{

var result = results\[i\];

var match = result\[0\];

var prefix = text.substr(0, result.index);

var suffix = text.substr(result.index + match.length);

text = prefix

\+ '<span class="info">'

\+ match

\+ '</span>'

\+ suffix;

resultBox.innerHTML = "匹配到" + results.length + "个结果:<br>" + text;

\};

// 生成正则表达式，核心函数

function createRegex(regex) \{

try \{

if (regex\[0\] == "/") \{

regex = regex.split("/");

regex.shift();

var flags = regex.pop();

regex = regex.join("/");

regex = new RegExp(regex, flags);

\} else \{

regex = new RegExp(regex, "g");

return regex;

\} catch(e) \{

errBox.innerHTML = "无效的正则表达式";

return false;

\})();

</script>复制代码

### **第七章小结** ###

相关API的注意点，本章基本上算是一网打尽了。

至于文中的例子，都是点睛之笔，没有详细解析。如有理解不透的，建议自己敲一敲。

## **后记** ##

其实本文首发于：[正则表达式系列总结 - 知乎专栏][-]

原文是一个系列。一直等到老姚成为掘金的专栏作者，经过仔细考虑，在掘金平台没有采用系列形式，而是合成为了一篇文章。这样既便于读者阅读，最起码能一气呵成地阅读。同时也便于作者统一回复留言。

文章要结束了，最后还要有几点说明。

### **1. 需要注意的地方** ###

本文主要讨论的是JavaScript的正则表达式，更精确地说是ES5的正则表达式。

JavaScript的正则表达式引擎是传统型NFA的，因此本系列的讨论是适合任何一门正则引擎是传统型NFA的编程语言。当然，市面上大部分语言的正则引擎都是这种的。而JS里正则涉及到的所有语法要点，是这种引擎支持的核心子集。也就是说，要学正则表达式，不妨以JS正则为出发点。

作者：老姚  
链接：https://juejin.im/post/5965943ff265da6c30653879  
来源：掘金  
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

[Link 1]: https://link.juejin.im?target=http://link.zhihu.com/?target=https%3A//jex.im/regulex/%23%21embed%3Dfalse%26flags%3D%26re%3Dab%253F%28c%257Cde%2A%29%252B%257Cfg
[-]: https://link.juejin.im?target=https://zhuanlan.zhihu.com/p/27653434