正則極簡教程，再也不會學(xué)了忘

點(diǎn)小藍(lán)字加關(guān)注！

周二，公司有技術(shù)講座，一位伙伴分享了爬蟲相關(guān)技巧，其中使用了正則。

在他分享完畢后，有幸，我順道也分享一些正則相關(guān)內(nèi)容。由于當(dāng)時(shí)前后端伙伴都在場，故只講了正則基本語法，并沒有涉及宿主環(huán)境的 API。

本文是這次分享內(nèi)容的總結(jié)。

正則是字符串匹配模式，在處理文本時(shí)很有用。最常見的操作就是用于查找和替換。

說到處理文本，其實(shí)我們每天敲的代碼就是文本，因此常用的代碼編輯器的查找替換工具基本都支持正則語法的。

先說明一下，接下來的內(nèi)容都以《We will rock you》的歌詞測試文本。

使用的正則測試工具是?Regex 101^[1]。

這里建議讀者看的過程中，同時(shí)打開該網(wǎng)站，把歌詞貼進(jìn)去，每個(gè)案例都驗(yàn)證一遍。也建議稍微改動一下正則，看看匹配結(jié)果仍是否與自己的理解一致。跟著動手，學(xué)習(xí)效果要好一些。

1. 精確匹配

正則是用來描述字符串的一種模式（pattern），或者說規(guī)律。最平凡的用法，就是精確查找。比如我要找到歌詞中的所有“the”。正則寫成 the 即可。

上圖只找到了一個(gè) the，而不是所有的。這是因?yàn)檎齽t本身是分兩部分的，一部分是模式，另一部分是修飾符（flags，或者叫標(biāo)志位）。一個(gè)常用的修飾符是 g，它單詞 global 的簡寫，表示全局查找。

此時(shí)，我們找到了所有“the”。接著我們再找所有“we”。

然而，同時(shí)我們也希望找到文本中“We”，w 字符是大寫的。此時(shí)可以用另外常見的標(biāo)識符 i，單詞 ignoreCase 或者 insensitive 的首字母，表示忽略大小寫。

無論 the 或 we，這種模式匹配都是精確匹配，如果正則只是輸入什么就查找什么，那么其存在的意義就沒有那么大。而它的強(qiáng)大之處在于能實(shí)現(xiàn)模糊匹配。

2. 橫向模糊匹配

比如我們想找到歌詞中所有連續(xù)出現(xiàn)的“e”。

圖中正則形如 p{m,n}，表示 p 至少連續(xù)出現(xiàn) m 到 n 次（包括m、n）。p 可以是一個(gè)子模式，不一定只是一個(gè)字符。

上圖中，為了測試我修改了部分歌詞。其中正則使用了括號，括號如你所料一樣，起到了高優(yōu)先級的作用。表示 noise 這個(gè)整體重復(fù)出現(xiàn)了 1 到 3 次。

不知道此時(shí)你是否有疑問，{1,3} 表示 1 到 3 次。為啥上面的匹配結(jié)果只有一個(gè)呢？而不是匹配到 3 個(gè) noise。又或者 noisenoise 和 noise，這兩個(gè)結(jié)果呢？

這是因?yàn)榱吭~有貪婪和惰性之分。{1,3} 這個(gè)量詞是貪婪的，能滿足條件的話，它會盡可能多地匹配。可以在量詞的后面加個(gè)問號，讓其變?yōu)槎栊缘摹?/p>

確實(shí)夠懶得的，找到一個(gè)就滿足了。量詞后面的這個(gè)問號，彷佛是在問量詞，“可以別再貪了嗎？”

量詞的含義清楚了，下來我們來看一些簡寫形式。

?* 等價(jià)于{0,}。即任意多個(gè)。?+ 等價(jià)于{1,}。即至少一個(gè)?? 等價(jià)于{0,1}。即有一個(gè)或者沒有?{m} 等價(jià)于{m,m}

這里要說明的是 ? 這時(shí)就可能兩個(gè)含義。即一個(gè)表示惰性模式，一個(gè)表示量詞。

其實(shí)二者很好區(qū)分，在量詞之后的 ? 才表示惰性匹配。比如正則 bo??y，第一個(gè)問號表示量詞 {0,1}，第二個(gè)表示量詞是惰性的。

量詞的存在，能讓正則可以模糊匹配，即很少的模式代碼就能匹配一長串。我稱之為橫向模糊匹配。還有一種縱向的模糊匹配。

3. 縱向模糊匹配

假設(shè)歌詞中有幾處不小心把“rock”寫成“ruck”。我們需要找到二者，可以使用字符集 r[ou]ck。效果如下：

其中 [ou]，這種方括號括起來的模式就是字符集。它是一個(gè)集合，匹配“o”或者“u”。又比如我們要找到所有 a 到 e 的字符，可以寫成 [abcde]。這種連續(xù)的字符也可以簡寫成 [a-e]。

字符集是集合的意思，而集合有補(bǔ)集。正則里在方括號內(nèi)開頭加上脫字符，來表示取反[^a-e]，匹配一個(gè)不是 a、b、c、d、e 的某字符。

字符類的含義搞清楚了，下來我們來看一下常見的簡寫形式

?\d 等價(jià)于 [0-9]。表示是一位數(shù)字。digit 的首字母。?\D 等價(jià)于 [^0-9]。?\w 等價(jià)于 [0-9a-zA-Z_]。表示數(shù)字、大小寫字母和下劃線。word的首字母，也稱單詞字符。?\W 等價(jià)于 [^0-9a-zA-Z_]。?\s 等價(jià)于 [ \t\v\n\r\f]。表示空白符，包括空格、水平制表符、垂直制表符、換行符、回車符、換頁符。記憶方式：s是space character的首字母。?\S 等價(jià)于 [^ \t\v\n\r\f]。?. 等價(jià)于[^\n\r\u2028\u2029]。點(diǎn)是通配符，表示幾乎任意字符。

字符集是正則實(shí)現(xiàn)模糊匹配的另外一種方式，具體到某一位上，要匹配的字符可以是不確定的，我稱之為縱向模糊匹配。

量詞和字符組掌握了話，基本上正則問題能解決一多半。這里再舉一個(gè)例子。找到所有以“ing”結(jié)尾的單詞。

上面使用的是貪婪量詞，如果使用惰性量詞的話，情形會有所不同。

此時(shí)，“singing”這個(gè)單詞分成了“sing”和“ing”。要完整的匹配一個(gè)單詞。需要匹配位置。

4. 匹配一個(gè)具體位置

比如匹配“you”這個(gè)單詞，可能會匹配到“your”中的 you。

此時(shí)我們可以使用\b。b 是單詞 boundary 的首字母。它表示匹配一個(gè)位置，這個(gè)位置某一邊是\w，另一邊是\W。也就是一邊是單詞字符，一邊是非單詞字符，因此它叫單詞邊界。

如果對“位置”這一概念，理解得還是不太透徹，我們可以具體看看 \b 到底長什么樣。

注意上圖中得粉色虛線。它們就是一個(gè)個(gè)位置。請看看每一個(gè)是不是兩邊一個(gè)是單詞字符，另一個(gè)是非單詞字符。

位置也是有反義的。比如 \B 表示非單詞邊界。我們也可以看看。

有了單詞字符后，要準(zhǔn)確的匹配單詞“you”，可以使用\byou\b。

除了單詞邊界這種位置之外，估計(jì)大家應(yīng)該知道 ^ 和 $。它匹配整個(gè)文本的開頭和結(jié)尾。

還記得前面我們找“we”嗎，如果我們想找到所有行開頭的 we 單詞。我們可以使用多行模式：

此時(shí)修飾符里多了一個(gè) m，是 multiline 的首字母，表示多行匹配。所謂多行匹配，就是說 ^ 和 $，可以匹配行開頭和行結(jié)尾，不再局限于整個(gè)文本的開頭和結(jié)尾。

除了 \b、\B、^、$ 外，還有一種斷言位置。比如 (?=p)，表示模式 p 前面的位置。

(?!p)是其反義。還有反向的斷言，例如 (?<=p)，表示模式 p 后面的位置。或者說該位置的后面是 p。它也有反義的形式 (?

關(guān)于位置這一塊兒，多說幾句。假如我想找到這樣的位置，該位置不能是開頭，并且后面的字符是 s，此時(shí)該怎么做呢？

(?!^) 其實(shí)就是 ^ 的反義。連續(xù)寫多個(gè)位置是沒有關(guān)系的。比如寫 ^^^^。

需要注意的位置不同于字符，是不占地方的，如果說是字符也可以，它則是空字符，沒有實(shí)際寬度的。

正則要么匹配字符，要么匹配位置。主體內(nèi)容介紹完了，接下來查缺補(bǔ)漏。

5. 引用

street 里有兩個(gè) e，而 all 里有連個(gè) l。此時(shí)我想找到所有這樣的雙棒字母，該怎么做呢？直接使用 .{2} 是不行的。因?yàn)樗褪?.. 的簡寫形式，表示兩個(gè)任意字符。并沒有要求這兩個(gè)字符相同。

此時(shí)，就涉及到了反向引用。參考如下寫法：

\1 是反向引用，表示第一個(gè)括號里捕獲的數(shù)據(jù)。那么 \2 呢，表示第二個(gè)括號捕獲的。

需要注意一點(diǎn)是這里的括號，是平常的括號，而不是像 (?=p) 那樣特殊語法的括號。

括號捕獲的數(shù)據(jù)，不僅可以在正則里反向引用。也可以配合宿主 API 來使用，外部引用。比如實(shí)現(xiàn)濾重：

上面使用了替換，工具內(nèi)部必然要用到宿主語言相關(guān) API。$1 表示外部引用第一個(gè)分組捕獲的內(nèi)容。

括號可以用來提供分組功能，又能捕獲數(shù)據(jù)。能否只讓括號充當(dāng)分組功能呢？此時(shí)要使用非捕獲分組(?:p)，而不是(p)。

6. 分支結(jié)構(gòu)

比如我想找到所有的 face 和 place。此時(shí)該怎么辦？

管道符 |，表示或的關(guān)系，多選一。它從左到右面一個(gè)個(gè)嘗試，如果成功，就不再繼續(xù)嘗試了。可以說它是短路的、惰性的。比如用 you|your 去匹配 your 時(shí)，它只會匹配到 your 的前 3 個(gè)字母。所以分支順序不同結(jié)果可能也會不同。

總結(jié)

本文，通過案例的形式覆蓋了正則常用語法。包括：

?量詞?字符集?分支結(jié)構(gòu)?修飾符?位置?引用?常見簡寫

如果文中每個(gè)例子，你都自己手動輸入調(diào)試并理解的話，你可以放心地說自己正則已經(jīng)入門了。

如果想更全面深入理解JS正則的話，歡迎閱讀本人的?《JS正則迷你書》^[2]。

當(dāng)然，只掌握語法是肯定不夠的，還需要大量的練習(xí)。

有一個(gè)燒水理論，如果從來沒把水燒開過，不管燒幾次，水都是不能喝的。可一旦燒開過，哪怕放一陣子也是可以喝的。

初學(xué)又不用，很容易忘，就是這個(gè)道理。

一個(gè)很好練習(xí)的地方是?codewars^[3]，沒事多刷刷正則相關(guān)題目，用不上幾天就熟悉了。

希望有所幫助。

本文完。

References

[1]?Regex 101:?https://regex101.com/
[2]?《JS正則迷你書》:?https://juejin.im/post/5965943ff265da6c30653879
[3]?codewars:?https://www.codewars.com/