正则表达式小记

什么是正则表达式

正则表达式是用于匹配字符串中字符组合的模式。在 JavaScript中，正则表达式也是对象。
这些模式被用于 RegExp 的 exec 和 test 方法, 以及 String 的 match、replace、search 和 split 方法。

正则表达式存在于大部分的编程语言，就算是在写shell时也会不经意的用到正则。
比如大家最喜欢的rm -rf ./*，这里边的*就是正则的通配符，匹配任意字符。

在JavaScript也有正则表达式的实现，差不多就长这个样子：/\d/（匹配一个数字）。
个人认为正则所用到的地方还是很多的，比如模版字符的替换、解析URL，表单验证 等等一系列。
如果在Node.js中用处就更为多，比如请求头的解析、文件内容的批量替换以及写爬虫时候一定会遇到的解析HTML标签。

正则表达式在JavaScript中的实现

JavaScript中的语法

赘述那些特殊字符的作用并没有什么意义，浪费时间。
推荐MDN的文档：基础的正则表达式特殊字符

关于正则表达式，个人认为以下几个比较重要：

贪婪模式与非贪婪模式

P.S. 关于贪婪模式和非贪婪模式，发现有些地方会拿这样的例子：

/.+/ // 贪婪模式
/.+?/ // 非贪婪模式

仅仅拿这样简单的例子来说的话，有点儿扯淡

// 假设有这样的一个字符串
let html = '<p><span>text1</span><span>text2</span></p>'

// 现在我们要取出第一个`span`中的文本，于是我们写了这样的正则
html.match(/<span>(.+)<\/span>/)
// 却发现匹配到的竟然是 text1</span><span>text2
// 这是因为 我们括号中写的是 `(.+)` .为匹配任意字符, +则表示匹配一次以上。
// 当规则匹配到了`text1`的时候，还会继续查找下一个，发现`<`也命中了`.`这个规则
// 于是就持续的往后找，知道找到最后一个span，结束本次匹配。

// 但是当我们把正则修改成这样以后：
html.match(/<span>(.+?)<\/span>/)
// 这次就能匹配到我们想要的结果了
// `?`的作为是，匹配`0~1`次规则
// 但是如果跟在`*`、`+`之类的表示数量的特殊字符后，含义就会变为匹配尽量少的字符。
// 当正则匹配到了text1后，判断后边的</span>命中了规则，就直接返回结果，不会往后继续匹配。

简单来说就是：

1. 贪婪模式，能拿<span style="font-size: 2em;">多少</span>拿多少
2. 非贪婪模式，能拿多<span style="font-size: 2em;">少</span>拿多少

捕获组

/123(\d+)0/ 括号中的被称之为捕获组。

捕获组有很多的作用，比如处理一些日期格式的转换。

let date = '2017-11-21'

date.replace(/^(\d{4})-(\d{2})-(\d{2})$/, '$2/$3/$1')

又或者可以直接写在正则表达式中作为前边重复项的匹配。

let template = 'hello helloworl'
template.match(/(\w+) \1/) // => hello hello

// 我们可以用它来匹配出month和day数字相同的数据
let dateList = `
2017-10-10
2017-11-12
2017-12-12
`

dateList.match(/^\d{4}-(\d{2})-(\1)/gm) // => ["2017-10-10", "2017-12-12"]

非捕获组

我们读取了一个文本文件，里边是一个名单列表
我们想要取出所有Stark的名字（但是并不想要姓氏，因为都叫Stark），我们就可以写这样的正则：

let nameList = `
Brandon Stark
Sansa Stark
John Snow
`

nameList.match(/^\w+(?=\s?Stark)/gm) // => ["Brandon", "Sansa"]

上边的(?=)就是非捕获组，意思就是规则会被命中，但是在结果中不会包含它。

比如我们想实现一个比较常用的功能，给数组添加千分位：

function numberWithCommas (x = 0) {
  return x.toString().replace(/\B(?=(\d{3})+(?!\d))/g, ',')
}

numberWithCommas(123) // => 123
numberWithCommas(1234) // => 1,234

\B代表匹配一个非单词边界，也就是说，实际他并不会替换掉任何的元素。
其次，后边的非捕获组这么定义：存在三的倍数个数字（3、6、9），并且这些数字后边没有再跟着其他的数字。
因为在非捕获组中使用的是(\d{3})+，贪婪模式，所以就会尽可能多的去匹配。
如果传入字符串1234567，则第一次匹配的位置在1和2之间，第二次匹配的位置在4和5之间。
获得的最终字符串就是1,234,567

如何使用正则表达式

RegExp对象

创建RegExp对象有两种方式：

1. 直接字面量的声明：/\d/g
2. 通过构造函数进行创建：new RegExp('\d', 'g')

RegExp对象提供了两个方法：

exec

方法执行传入一个字符串，然后对该字符串进行匹配，如果匹配失败则直接返回null
如果匹配成功则会返回一个数组：

let reg = /([a-z])\d+/
let str = 'a233'
let result = reg.exec(str) // => ['a233', 'a', ...]

P.S. 如果正则表达式有g标识，在每次执行完exec后，该正则对象的lastIndex值就会被改变，该值表示下次匹配的开始下标

let reg = /([a-z])\d+/g
let str = 'a233'
reg.exec(str) // => ['a233', 'a', ...]
// reg.lastIndex = 4
reg.exec(str) // => null

test

方法用来检查正则是否能成功匹配该字符串

let reg = /^Hello/

reg.test('Hello World') // => true
reg.test('Say Hello') // => false

test方法一般来说多用在检索或者过滤的地方。
比如我们做一些筛选filter的操作，用test就是一个很好的选择。

// 筛选出所有名字为 Niko的数据
let data = [{ name: 'Niko Bellic' }, { name: 'Roman Bellic'}]

data.filter(({name}) => /^Niko/.test(name)) // => [{ name: 'Niko Bellic' }]

String对象

除了RegExp对象实现的一些方法外，String同样提供了一套方法供大家来使用。

search

传入一个正则表达式，并使用该表达式进行匹配；
如果匹配失败，则会返回-1
如果匹配成功，则会返回匹配开始的下标。
可以理解为是一个正则版的indexOf

'Hi Niko'.search(/Niko/) // => 3
'Hi Niko'.search(/Roman/) // => -1

// 如果传入的参数为一个字符串，则会将其转换为`RegExp`对象
'Hello'.search('llo') // => 2

split

split方法应该是比较常用的，用得最多的估计就是[].split(',')了。。

然而这个参数也是可以塞进去一个正则表达式的。

'1,2|3'.split(/,|\|/) // => [1, 2, 3]

// 比如我们要将一个日期时间字符串进行分割
let date = '2017-11-21 23:40:56'

date.split(/-|\s|:/)

// 又或者我们有这么一个字符串，要将它正确的分割
let arr = '1,2,3,4,[5,6,7]'

arr.split(',') // => ["1", "2", "3", "4", "[5", "6", "7]"] 这个结果肯定是不对的。

// 所以我们可以这么写
arr.split(/,(?![,\d]+])/) // => ["1", "2", "3", "4", "[5,6,7]"]

该条规则会匹配,,但是,后边还有一个限定条件，那就是绝对不能出现数字+,的组合并且以一个]结尾。
这样就会使[4,5,6]里边的,不被匹配到。

match

match方法用来检索字符串，并返回匹配的结果。

如果正则没有添加g标识的话，返回值与exec类似。
但是如果添加了g标识，则会返回一个数组，数组的item为满足匹配条件的子串。
这将会无视掉所有的捕获组。
拿上边的那个解析HTML来说

let html = '<p><span>text1</span><span>text2</span></p>'

html.match(/<span>(.+?)<\/span>/g) // => ["<span>text1</span>", "<span>text2</span>"]

replace

replace应该是与正则有关的应用最多的一个函数。
最简单的模版引擎可以基于replace来做。
日期格式转换也可以通过replace来做。
甚至match的功能也可以通过replace来实现（虽说代码会看起来很丑）

replace接收两个参数
replace(str|regexp, newStr|callback)

第一个参数可以是一个字符串 也可以是一个正则表达式，转换规则同上几个方法。
第二个参数却是可以传入一个字符串，也可以传入一个回调函数。

当传入字符串时，会将正则所匹配到的字串替换为该字符串。
当传入回调函数时，则会在匹配到子串时调用该回调，回调函数的返回值会替换被匹配到的子串。

'Hi: Jhon'.replace(/Hi:\s(\w+)/g, 'Hi: $1 Snow') // => Hi: Jhon Snow

'price: 1'.replace(/price:\s(\d)/g, (/* 匹配的完整串 */str, /* 捕获组 */ $1) => `price: ${$1 *= 10}`) // => price: 10

一些全新的特性

前段时间看了下ECMAScript 2018的一些草案，发现有些Stage 3的草案，其中有提到RegExp相关的，并在chrome上试验了一下，发现已经可以使用了。

Lookbehind assertions(应该可以叫做回溯引用吧)

同样也是一个非捕获组的语法定义

语法定义：

let reg = /(?<=Pre)\w/

reg.test('Prefixer') // => true
reg.test('Prfixer') // => false

设置匹配串前边必须满足的一些条件，与(?=)正好相反，一前一后。
这个结合着(?=)使用简直是神器，还是说解析HTML的那个问题。
现在有了(?<=)以后，我们甚至可以直接通过一个match函数拿到HTML元素中的文本值了。

let html = '<p><span>text1</span><span>text2</span></p>'

html.match(/(?<=<span>)(.+?)(?=<\/span>)/g) // => ["text1", "text2"]

Named capture groups(命名捕获组)

我们知道，()标识这一个捕获组，然后用的时候就是通过\1或者$1来使用。
这次草案中提到的命名捕获组，就是可以让你对()进行命名，在使用时候可以用接近变量的用法来调用。

语法定义：

let reg = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/

'2017-11-21'.match(reg)

在match的返回值中，我们会找到一个groups的key。
里边存储着所有的命名捕获组。

在replace中的用法

let reg = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/
'2017-11-21'.replace(reg, '$<month>/$<day>/$<year>') // => 21/11/2017

表达式中的反向引用

let reg = /\d{4}-(?<month>\d{2})-\k<month>/
reg.test('2017-11-11') // => true
reg.test('2017-11-21') // => false

参考资料

• MDN-正则表达式
• RegExp named capture groups
• RegExp lookbehind assertions
• 在线正则匹配规则

个人GitHub：https://github.com/jiasm