前言
之前学过python的正则表达式，没怎么学懂，但是既然都是正则表达式学哪个语言应该没有什么区别才是（
先写个例子看看正则表达式是什么！
用VS Code打开一个文件夹，新建一个module.html文件，把.vscode文件夹下的launch.json文件设置为
{
"version": "0.2.0",
"configurations": [
{
"type": "chrome",
"request": "launch",
"name": "Launch Chrome against localhost",
"url": "file:///C:/Users/LX/Desktop/Code/JSLearning/module.html",
"webRoot": "${workspaceRoot}"
}
]
}
路径按自己建的位置来。再新建一个regularExpression.js文件，写入
var reg=/(\w+):\/\/([\w.]+)\/(\S*)/;
var text="Visit my blog at http://www.example.com/~david";
var result=text.match(reg);
if(result!=null){
var myUrl=result[0];
var myProtocol=result[1];
var myHost=result[2];
var myPath=result[3];
}
console.log("url = ",myUrl); // http:www.example.com/~david
console.log("protocol = ",myProtocol); //http <- (\w+)
console.log("host = ",myHost); //www.example.com <- ([\w.]+)
console.log("path = ",myPath); //~david <- (\S*)
console.log("local search result is ",result);//["http://www.example.com/~david", "http", "www.example.com", "~david"]
console.log("global search result is ",text.match(/(\w+):\/\/([\w.]+)\/(\S*)/g));// ["http://www.example.com/~david"]
console.log(RegExp(reg,"g"));
- 用sublime text的话很方便，毕竟这些代码都是给游览器执行的，VSCode竟然这么麻烦实在浪费时间。在sublime Text中的html文件内右击在游览器内打开就行，VSCode中也有这个选项但是我一直弄不出效果233。
module.html写入下面的代码——这个文件在学习时就不用改太多了
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title></title>
<!--
注释
-->
<script type='text/javascript' src='regularExpression.js'></script>
<script type='text/javascript'>
</script>
</head>
<body>
</body>
</html>
运行结果在js文件注释里。有了这个例子，大家也就明白了，就算你还没了解正则表达式的的伟大，你也知道了这个技术可以把url提取出来。对于想做爬虫的我，知道这点就明白了，必须学懂这个。
- 下面的代码都直接写入regularExpression.js这个文件内运行,或者在游览器或VS Code的console端运行都可以—— clear() 命令可以清空console端
普通的字面量匹配
正则表达式在JS中是以斜杆为边界形式存在的。
console.log("JavaScript have much fun".match(/JavaScript/));
运行结果
这种程度的匹配是最简单的，但是问题是太局限了。必须把整个单词拼得一字不差才行。你也许会想，对于这个匹配JavaScript的，这个字符串中这个单词是第一个，后面还有空格，我只要找到空格就行了对吧！虽然可以实现，但是这样的方式实在是太麻烦了！
为了偷懒，于是正则表达式诞生了。（对别的技术也是这样）
| 字符 | 匹配 |
|---|---|
| […] | 满足方框内条件的任意字符 |
| [^…] | 不满足方框内条件的任意字符 |
| . (一个点) | 除换行符和其他Unicode行终止符的任意字符 |
| \w | 任意ASCII字符，等价于 [a-zA-Z0-9] |
| \W | 任意不是ASCII字符的字符，等价于[^a-zA-Z0-9] |
| \s | 任何Unicode空白字符 |
| \S | 任何非Unicode空白符的字符 |
| \d | 任何ASCII数字，等价于[0-9] |
| \D | 任何不是ASCII数字的字符，等价于[^0-9] |
| [\b] | 退格（特例） |
| {s,e} | 匹配前一项至少s次，最多m次 |
| {s,} | 匹配前一项至少s次 |
| {s} | 匹配前一项s次 |
| ? | 匹配前一项0次或1次，等价于{0,1} |
| + | 匹配前一项至少1次，等价于{1,} |
| * | 匹配前一项至少0次 ，等价于{0,} |
现在来测试一下
下面这个例子中，匹配了数字 1 2 3。第一个只匹配了第一个数字1，第二个区别是在正则表达式后面加了修饰符g，表示全局的 —— 用 .global()方法可以返回这个正则表达式是否有g修饰符。
| 正则表达式修饰符 | 含义 |
|---|---|
| i | 执行不区分大小写的匹配 |
| g | 执行全局匹配 |
| m | 执行多行匹配。 |
var pattern=/Java/gi;
var text="JavaScript is more fun than java!";
var result;
while(result=pattern.exec(text)){
console.log(
"Matched '"+result[0]+"'"
+" at position "+result.index +
"; next search begins at "+pattern.lastIndex
);
}
运行结果
Matched 'Java' at position 0; next search begins at 4
Matched 'java' at position 28; next search begins at 32
贪婪模式与非贪婪模式
匹配多次的匹配符都是贪婪的，有时处理字符串并不需要匹配所有满足添加的字符，只需要匹配部分，这时候就需要在该项后面加上 ? —— 但是这个也不一定满足条件，一般可以先试试。
可选、分组和引用
| 字符 | 含义 |
|---|---|
| 竖杠 | 可选，匹配该符号的左边子表达式或右表达式 |
| (…) | 组合，将几个字符合成一个单元，可以对这个单元进行 * + ?等操作。还能记住这个组合相匹配的字符串以供后面引用 |
| (?：…) | 只进行组合 |
| \n | 和组合一起用。用左括号做索引数n,用\n就可以代表该组合。 |
var a="'JavaScript\"er";
var b=/['"][^'"]*['"]/;
console.log(a.match(b));
运行结果
'JavaScript'
明明这个单词左右的引号不同，但是还是被匹配出来了。如果我需要左右匹配相同的引号的话，需要使用\n
var a="'JavaScript'er";
var b=/(['"])[^'"]*\1/;
console.log(a.match(b));
运行结果
'JavaScript'
可以发现，如果组合起来就可以保存被匹配的字符，在之后用\n引用时，这个保存的字符就会有作用。这里的作用就是使匹配的左右引号相同。
search()|replace()|match()|exec()|test()
search()参数是正则表达式。返回第一个与之匹配的字符串子串的起始位置，并且这个方法不支持g修饰符,会忽略g。
"JavaScript is not java".search(/java/gi); //0
replace()第一个参数是正则表达式，第二个是要替换的字符串。
"HHHHHhhhhhHHHHH".replace(/[H]+h/,"@"); //@hhhhHHHHH
match()参数是正则表达式。如果正则表达式是全局的，那么其返回一个数组，元素是各个匹配到的子串，如果不是全局的，那么也返回一个数组，第一个元素（比如a[0]）是匹配到的子串，其他是匹配相应括号的子串（比如a[1]是满足第一个括号匹配的子串）
这个例子前面有，这里再写一遍
var reg=/(\w+):\/\/([\w.]+)\/(\S*)/;
var text="Visit my blog at http://www.example.com/~david";
var result=text.match(reg);
if(result!=null){
var myUrl=result[0];
var myProtocol=result[1];
var myHost=result[2];
var myPath=result[3];
}
console.log("url = ",myUrl); // http:www.example.com/~david
console.log("protocol = ",myProtocol); //http <- (\w+)
console.log("host = ",myHost); //www.example.com <- ([\w.]+)
console.log("path = ",myPath); //~david <- (\S*)
console.log("local search result is ",result);//["http://www.example.com/~david", "http", "www.example.com", "~david"]
console.log("global search result is ",text.match(/(\w+):\/\/([\w.]+)\/(\S*)/g));// ["http://www.example.com/~david"]
exec()参数和match()一样。每次执行match()时，返回的正则表达式对象的lastIndex不变，而exec()执行后每次lastIndex都是匹配的最后位置，如果exec匹配不到也会把lastIndex置零。
var pattern=/Java/gi;
var text="JavaScript is more fun than java!";
var result;
while(result=pattern.exec(text)){
console.log(
"Matched '"+result[0]+"'"
+" at position "+result.index +
"; next search begins at "+pattern.lastIndex
);
}
console.log(pattern.lastIndex); //0
test()参数是一个字符串。只返回真假。
var pattern=/java/i;
pattern.test("Javascript") ;//true
RegExp对象
前面讲的有些函数就行RegExp对象的方法，这个对象的构造函数有两个参数。第一个是正则表达式的字符串（在这个字符串中，原来正则表达式里的反斜杠，在这里就要写成两个反斜杠，毕竟是字符串传递进去的嘛），第二个参数是可选的修饰符，比如
var a=new RegExp("\\d{5}","g");//全局搜索，有连续5个数字的字符串