正則表達式

在編寫處理字符串的程序或網頁時，經常會有查找符合某些複雜規則的字符串的需要。正則表達式就是用於描述這些規則的工具。換句話說，正則表達式就是記錄文本規則的代碼，最多的用途就是匹配帶有一定規律的字符串

常用元字符(metachracter)

• . - 匹配除換行(\r\n)以外的任意字符
• \w - 匹配包括下劃線的任何單詞字符(unicode)，類似但不等價於[A-Za-z0-9_]
• \s - 匹配任意的不可見字符，等價於[\f\n\r\t\v]
• \d - 匹配數字
• \b - 匹配單詞的開始或結束
• ^ - 匹配字符串的開始
• $ - 匹配字符串的結束

\b與^和$

看起來\b與^和$相同，但是是有差異的

• \b是表示一個單詞的邊界，一個單詞例如一連串的英文和數字、或者一句中文
• ^和$是表示一個字符串的開始和結尾，分割字符串的僅是那些不可見字符

/b44/b | 匹配字符串 | !@#$%44&*() | -> 匹配成功，因爲"44"這個字符串的左右都不是英文數字，所以這裏"44"就是一個單詞
^44$ | 匹配字符串 | !@#$%44&*() | -> 匹配失敗，因爲這個字符串的開頭不是'4'而是'!'，結尾不是'4'而是')'
/b44/b | 匹配字符串 | 44出32 | 和 | 4432出 | -> 前者成功，後者失敗，前者是因爲'出'和'4'並不是同種類型的字符，所以這裏有三個單詞"44"和"出"和"32"；而後者"4432"是一個單詞，並不滿足"44"之後是單詞結尾
^44 | 匹配字符串 | 44出32 | 和 | 出4432 | -> 前者成功，後者失敗，這裏只用考慮整個字符串是不是以"44"開頭的

另外有些正則表達式處理提供 多行(Multiline) 選項，使得^和$也匹配\n和\r的前後位置
JavaScript RegExp \b 元字符
正則匹配中 ^ $ 和 \b 的區別
JavaScript multiline 屬性

字符轉義

和很多語言一樣，也是用\符號來轉義，因此在JavaScript當中有時候可能要兩次轉義

重複限定符

元字符只是匹配一個位置或者字符，當我們想匹配多個或者不確定個數元字符時，就要搭配上下面這些限定符使用了

• * - 重複次數 >= 0
• + - 重複次數 >= 1
• ? - 重複次數 == 0 或 重複次數 == 1
• {n} - 重複次數 == n
• {n,} - 重複次數 >= n
• {n,m} - m >= 重複次數 >= n

0\d{2}-\d{8} - 匹配上010-12345678
\ba\w*\b - 匹配一個單詞以'a'開頭，之後任意個數字字母，直到單詞的結尾
Windows\d+ - 匹配'Windows'後面跟上不少於一個數字

字符類

如果沒有特定的元字符，比如只匹配’c’、’m’、’d’，此時用[]框住，就像一個集合一樣

[cmd] - 只匹配'c'或'm'或'd'這三個字符
[.!?] - 只匹配'.'或'!'或'?'這三個標點符號(這裏的'.'必然不是元字符)

也可以在框中指定一個範圍

[0-9] - 匹配數字  
\(?0\d{2}[) -]?\d{8}
    首先"\(?"說明一開始可以出現0次或1次'('
    然後是必須要出現一個'0'
    接着是兩個數字
    之後是出現0次或1次'('或' '或'-'
    最後是8個數字
可以匹配：020-12345678、[phone]、02012345678

分枝條件

不難看出之前那個表達式\(?0\d{2}[) -]?\d{8}同樣可以匹配例如(020-12345678或010)12345678這種不正確的格式，正則表達式中用|來表示分枝，只要滿足一個分支都算匹配成功，且當從左至右第一個分支匹配成功後，後面的分支都不會參與測試

\(0\d{2,3}\)[- ]?\d{8}|0\d{2,3}[- ]?\d{8} - 解決上面錯誤格式問題，以及將區號擴展爲3或4位

分組

使用()來指定子表達式的方式叫做分組，這樣我們就可以加上限定符重複多個字符了

(\d{1,3}\.){3}\d{1,3} - 一個用來簡單匹配IP地址的表達式，這裏重複\d{1,3}\.這個組3次，最後加上\d{1,3}，但是我們知道IP地址每位最大是255，因此需要分枝  
((2[0-4]\d|25[0-5]|[01]?\d?\d)\.){3}(2[0-4]\d|25[0-5]|[01]?\d?\d) - 這樣就可以解決最大數字問題了

反義

查找不屬於某個元字符（或者字符類、分組）的字符，有以下反義

• \W - 匹配不包括下劃線的任何非單詞字符(unicode)
• \S - 匹配任意不是空白字符的字符
• \D - 匹配任意不是數字的字符
• \B - 匹配不是單詞開頭或結束的位置
• [^xyz] - 匹配除’x’或’y’或’z’以外的任意字符

\S+ - 匹配不包含空白字符的字符串  
<a[^>]+> - 匹配用'<>'框住且以'a'開頭的字符串  

後向引用

分組後，從左至右以(作爲分組標誌，默認從1開始作爲組號遞增，後向引用用於重複搜索前面某個分組匹配的文本

\b(\w+)\b\s+\1\b - 可以匹配類似"go go"(其中"\1"爲"go")、"cmd   cmd"(其中"\1"爲"cmd")，但不能匹配"cmd cmdd"、"123 234"

當然可以自己指定子表達式（某個分組）的組名，使用(?<Word>\w+)或(?'Word'\w+)，這樣相當於將子表達式\w+命名爲Word了，反向引用語法爲\k<word>，這樣上面那個例子可以寫爲

\b(?<cmd>\w+)\b\s+\k<cmd>\b

其實組號分配並沒那麼簡單，組號0代表整個正則表達式，組號分配時會掃描表達式兩遍，第一遍只給未命名組分配，第二遍只給命名組分配

零寬斷言

類似於\b、^、$用於匹配一個位置，並且應該滿足一定條件（斷言）

零寬度正預測先行斷言

(?=exp) - 匹配滿足表達式之前的位置

\b\w+(?=ing\b) - 匹配一個以"ing"結尾的單詞的前面部分

零寬度正回顧後發斷言

(?<=exp) - 匹配滿足表達式之後的位置

(?<=\bre)\w+\b - 匹配一個以"re"開頭的單詞的後面部分
(?<=\s)\d+(?=\s) - 匹配兩端都是空格字符的一串數字

零寬度負預測先行斷言

表達式\b\w*q[^u]\w*\b本來只是想確定這個單詞中含有’q’且後面不是’u’，但是[^u]必須匹配上一個字符，因此這一串不能匹配上”aiq”這種以’q’結尾的單詞，卻能匹配上”aiq be”這種兩個單詞以空格分開且前一個單詞結尾是’q’的字符串，如果只用之前所說的方法，又要寫上一長串的分枝了
(?!exp) - 匹配不滿足表達式之前的位置

\d{3}(?!\d) - 匹配一串數字的最後三個數字
\b((?!abc)\w)+\b - 匹配一個不包含"abc"子字串的單詞
\b([^q\s]*q(?!u)[^q\s]*)+\b - 就解決上面那個問題了

零寬度負回顧後發斷言

(?<!exp) - 匹配不滿足表達之後的位置

(?<![a-z])\d{7} - 匹配7個連續的數字，且第一個數字前不是小寫字母
(?<=<(\w+)>).*(?=<\/\1>) - 匹配不包含屬性的簡單HTML標籤內裏的內容(例如<b>123</b>中的123)  

註釋

(?#comment) - 最好啓用忽略模式裏的空白符，這樣表達式中可以添加任意的空格、換行字符，且#後面直到換行之前的都將被當作註釋，例如之前(?<=<(\w+)>).*(?=<\/\1>)可以寫爲

(?<=    # 斷言要匹配的文本的前綴
<(\w+)> # 查找尖括號括起來的字母或數字(即HTML/XML標籤)
)       # 前綴結束
.*      # 匹配任意文本
(?=     # 斷言要匹配的文本的後綴
<\/\1>  # 查找尖括號括起來的內容：前面是一個"/"，後面是先前捕獲的標籤
)       # 後綴結束

分組語法整理

下面整理以上常用的分組語法(其中exp代表表達式)

• (exp) - 匹配exp，並捕獲匹配得到的文本到自動命名的組內
• (?<name>exp) - 匹配exp，並捕獲匹配得到的文本到自主命名爲name的組內
• (?:exp) - 匹配exp，但不捕獲文本，也不分配組號
• (?=exp) - 匹配滿足表達式之前的位置
• (?<=exp) - 匹配滿足表達式之後的位置
• (?!exp) - 匹配不滿足表達式之前的位置
• (?<!exp) - 匹配不滿足表達式之後的位置

限定符的貪婪與懶惰

• 貪婪 - (默認)匹配儘可能多的字符
• 懶惰 - 匹配儘可能少的字符，在限定符後添加? (*?、+?、??、{n,m}?、{n,}?)

現有字符串aabab
a.*b - 匹配得到aabab
a.*?b - 匹配得到aab和ab

處理選項

• IgnoreCase - 忽略大小寫
• Multiline - 多行模式，使得^和$也匹配\n和\r的前後位置
• Singleline - 單行模式，使得.與所有字符匹配，包括\n
• IgnorePatternWhitespace - 忽略非轉義空白，並啓用#註釋
• ExplicitCapture - 顯式捕獲，僅捕獲已被顯式命名的分組

平衡組/遞歸匹配

考慮到有嵌套關係的層次結構，例如xx <aa <bbb> <bbb> aa> yy這個字符串怎樣匹配到最外層的<>所含內容
以下是.Net Framwork支持的語法結構

• (?'group') - 把捕獲的內容命名爲group並壓入堆棧(Stack)
• (?-group) - 從堆棧頂彈出名爲group的捕獲內容，若堆棧爲空，則此次分組匹配失敗
• (?(group)yes|no) - 如果堆棧上存在以group爲名的捕獲內容，則匹配yes部分的表達式，否則匹配no部分的表達式
• (?!) - 由於沒有後綴表達式，試圖匹配總是失敗

<[^<>]*(((?'Open'<)[^<>]*)+((?'-Open'>)[^<>]*)+)*(?(Open)(?!))>
<                         #最外層的左括號
    [^<>]*                #最外層的左括號後面的不是括號的內容
    (
        (
            (?'Open'<)    #碰到了左括號，在黑板上寫一個"Open"
            [^<>]*        #匹配左括號後面的不是括號的內容
        )+
        (
            (?'-Open'>)   #碰到了右括號，擦掉一個"Open"
            [^<>]*        #匹配右括號後面不是括號的內容
        )+
    )*
    (?(Open)(?!))         #在遇到最外層的右括號前面，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗

>                         #最外層的右括號

js中運用正則表達式

RegExp對象

js中正則表達式對象，通過下面兩種方式可以創建

var re = new RexExp(str, attr) // str是正則表達式字符串，attr是可選參數
var re = /str/attr // str是正則表達式，用兩個/包圍，後面attr是可選參數

可選參數(修飾符)

• i - 忽略大小寫敏感
• g - 執行全局匹配
• m - 執行多行匹配

常用的是g，比如用/\d+/和/\d+/g去匹配字符串1a2b3d4c，前者只能匹配到一個結果['1']，後者可以匹配到四個結果['1', '2', '3', '4']

可以使用正則的函數

以下樣例中用 re表示正則表達式，用s表示字符串

s.match(re)

匹配字符串，返回匹配結果

s.search(re)

返回匹配上的第一個字串的偏移量

s.replace(re, text)

將匹配結果替換爲其他文本

s.split(re)

將匹配的子串作爲分隔符，返回分割後的數組(此函數無視g修飾符，默認全文替換)

re.exec(s)

對字符串查找，返回找到的子字符串和偏移量(此函數無視g修飾符，只返回第一個結果)

re.test(s)

檢測字符串，僅當完全匹配上時返回true

---

資料整理

正則表達式30分鐘入門教程
在線正則表達式測試
正則表達式_百度百科
js正則函數match、exec、test、search、replace、split使用介紹集合
JavaScript RegExp 對象