正则表达式完整使用指南

test

正则表达式，简称regex，是一种允许你对字符串与特定模式进行匹配的语法。你可以将其视为一种改进的文本搜索快捷方式，除此之外，正则表达式还可以使用量词、模式集合、特殊字符和捕获组来创建极其高级的搜索模式。

正则表达式可用于查询基于字符串的数据，例如：

分析命令行输出
解析用户输入
检查服务器或程序日志
处理语法一致的文本文件，例如CSV
读取配置文件
搜索和重构代码虽然理论上可以在没有正则表达式的情况下完成这些工作，但有了正则表达式，完成这些任务变得轻而易举。

正则表达式是什么样的？

最简单的正则表达式看起来像这样：微信图片_20220524115906.png

在上面的Test示例中，字母test形成了搜索模式，与简单搜索相同。

然而，正则表达式并不总是如此简单。下面的这个正则表达式将匹配3个数字，后跟一个 - ，再3个数字，再一个 - ，最后以4个数字结尾。

^(?:\d{3}-){2}\d{4}$

微信图片_20220524133736.png

这个正则表达式看起来就复杂多了。事实上，大多数正则表达式都可以用多种方式编写。例如，上面的正则表达式可以重写为以下这个更长但更易读的版本：

^[0-9]{3}-[0-9]{3}-[0-9]{4}$

本文将重点关注Regex的ECMAScript变体，ECMAScript变体虽然用于JavaScript，但与其他语言的regex实现有许多共同点。

如何读取（和写入）正则表达式

量词

正则表达式中的量词检查搜索字符的次数。

以下是所有量词：

a|b— 匹配a或b
?— 0次或1次
+— 1次或多次
*— 0次或多次
{N}— 正好N次（N是一个数字）
{N,}— N次或更多次（N是一个数字）
{N,M}— 介于N和M次之间（N和M都是数字且N < M）
*?— 0次或多次，但在第一次匹配后停止例如，请看以下正则表达式：
```
Hello|Goodbye
```
匹配字符串Hello和Goodbye。

还有下面这个：

Hey?

将跟踪y0到1次，因此将匹配字符串He和Hey。

或者下面这个：

Hello{1,3}

该正则表达式将匹配字符串Hello、Helloo、Hellooo，但不匹配Helloooo，因为寻找的是字母o数量为1到3个之间的字符串。

甚至可以组合使用：

He?llo{2}

搜索匹配具有0到1个字母e和2个字母o的字符串，因此将匹配Helloo和Hlloo。

贪婪匹配

注意正则表达式量词的+符号。此符号匹配一个或多个字符。即：

Hi+

将匹配从Hi到Hiiiiiiiiiiiiiiii的所有内容。这是因为默认情况下所有量词都被认为是“贪婪的”。而如果使用问号?将其改为“惰性的”，则行为会发生变化。

Hi+?

现在，i将尝试尽可能少地匹配。由于+表示“一或多”，因此只会匹配一个i。这意味着如果我们输入字符串Hiiiiiiiiiiii，只会匹配Hi。

虽然这并不是特别有用，但当与更广泛的匹配，如.符号进行组合时就变得非常重要。.符号在正则表达式中用来查找“任意字符”。

现在，如果你使用：

H.*llo

则可以匹配从Hillo到Hello再到Hellollollo的所有内容。微信图片_20220524134515.png

那么，如果只想匹配上述示例中的Hello怎么办？好吧，只需使用?就能按我们的意愿进行搜索：

H.*?llo

集合模式

模式集合允许你搜索要匹配的字符集合。例如，使用以下正则表达式：

My favorite vowel is [aeiou]

可以匹配以下字符串：

My favorite vowel is a
My favorite vowel is e
My favorite vowel is i
My favorite vowel is o
My favorite vowel is u

以下是最常见的模式集合列表：

[A-Z]— 匹配从A到Z的任意大写字符
[a-z]— 匹配从a到z的任意小写字符
[0-9]— 匹配任意数字
[asdf]— 匹配a、s、d或f字符
[^asdf]— 匹配任何不是a、s、d或f字符的字符可以组合使用：
[0-9A-Z]— 匹配从A到Z的任意数字或大写字母字符
[^a-z]— 匹配任意非小写字母

常用标记

并非每个字符都容易识别。比如说换行符，“换行符”字符是你在按Enter添加新行时输入的字符。

.— 任意字符
\n— 换行符
\t— 制表符
\s— 空白字符（包括\t、\n和其他一些字符）
\S— 非空白字符
\w— 单词字符（大写和小写拉丁字母、数字0-9和_）
\W— 非单词字符
\b— 单词边界：\w和\W之间的边界，但匹配中间字符
\B— 非单词边界
^— 行的开始
$— 行尾
\— 文字字符\ 因此，如果想删除新单词开始的每个字符，可以使用以下正则表达式：
```
\s.
```
以及将结果替换为空字符串。这样下面的：
```
Hello world how are you
```
将变为：
```
Helloorldowreou
```

与集合组合使用

这些标记不仅仅可以单独用！假设我们要删除大写字母或空白字符。可以这样写：

[A-Z]|\s

但其实，可以合并在一起，将\s标记放入集合中：

[A-Z\s]

微信图片_20220524135313.png

单词边界

在上面的标记列表中，我们提到了用\b来匹配单词边界。

给定一个字符串This is a string，我们希望匹配空格字符——然而，事实并非如此。它在字母和空格之间匹配：微信图片_20220524135359.png 这可能很难理解，但直接匹配单词边界可不简单。你还需要类似以下的内容才能匹配全部单词：微信图片_20220524135405.png 可以像这样解释上面的正则表达式语句：

“一个单词边界。然后，一个或多个‘单词’字符。最后，再另一个单词边界”。

行的开始和结束

^和$分别标识了一行的开始和结束。

所以，如果你想查找第一个单词，可以这样做： ^和$分别标识了一行的开始和结束。

所以，如果你想查找第一个单词，可以这样做：

\b\w+\b

匹配一个或多个“单词”字符，但仅在行开始后匹配。请记住，“单词”字符可以是大写或小写拉丁字母、数字0-9和_的任何字符。微信图片_20220524141839.png 同样，如果你想找到最后一个单词，正则表达式可以如下所示：

\w+$

微信图片_20220524141907.png 然而，虽然这些标记通常表示结束一行，但并不意味着它们后面不能有字符。例如，如果我们想查找换行符之间的空白字符怎么办？可以使用以下正则表达式来查找一行结束后的所有空白字符：

$\s+

微信图片_20220524141940.png

字符转义

虽然标记非常有用，但在尝试匹配实际包含标记的字符串时，可能会变得复杂。例如，假设你在博客文章中有以下字符串：

"The newline character is '\n'"

或者想查找这篇博文使用\n这个字符串的每个实例。那么，你可以使用\转义字符。正则表达式看起来像这样：

\\n

如何使用正则表达式

正则表达式不仅仅对查找字符串有用。在其他方法中也可以用于帮助修改或以其他方式处理字符串。

这里我们以JavaScript为例。

使用正则表达式创建和搜索

首先，让我们来看看如何构造正则表达式字符串。

在JavaScript（以及许多其他语言）中，正则表达式放在//块中。搜索小写字母的正则表达式如下所示：

/[a-z]/

此语法会生成一个RegExp对象，我们可以将其与内置方法（如exec）一起使用，以匹配字符串。

/[a-z]/.exec("a"); // Returns ["a"]
/[a-z]/.exec("0"); // Returns null

或者，我们也可以通过要转换为正则表达式的字符串来调用RegExp构造函数：

const regex = new RegExp("[a-z]"); // Same as /[a-z]/

用正则表达式替换字符串

正则表达式可以用来搜索和替换文件的内容。假设你想用消息goodbye替换任意问候语。可以这样做：

function youSayHelloISayGoodbye(str) {
  str = str.replace("Hello", "Goodbye");
  str = str.replace("Hi", "Goodbye");
  str = str.replace("Hey", "Goodbye");  str = str.replace("hello", "Goodbye");
  str = str.replace("hi", "Goodbye");
  str = str.replace("hey", "Goodbye");
  return str;
}

但有一个更简单的做法，使用正则表达式：

function youSayHelloISayGoodbye(str) {
  str = str.replace(/[Hh]ello|[Hh]i|[Hh]ey/, "Goodbye");
  return str;
}

你注意到如果你通过传入参数Hello, Hi there运行youSayHelloISayGoodbye了吗？结果并不会匹配多个输入：微信图片_20220524142243.png

如果正则表达式/[Hh]ello|[Hh]i|[Hh]ey/用于字符串Hello, Hi there，默认情况下只会匹配Hello。但我们期望看到Hello和Hi都匹配。

因此我们需要使用正则表达式“标志”来多次匹配。

标志Flags

正则表达式标志flag是对现有正则表达式的修饰符。这些标志总是附加在正则表达式定义的最后一个正斜杠之后。

常见的标志如下：

g— 全局，匹配不止一次
m— 强制$和^分别匹配每个换行符
i— 使正则表达式不区分大小写我们现在来重写以下正则表达式：
```
/[Hh]ello|[Hh]i|[Hh]ey/
```
使用不区分大小写的标志：
```
/Hello|Hi|Hey/i
```
有了这个标志，现在这个正则表达式可以匹配：
```
Hello
HEY
Hi
HeLLo
```
以及任何其他大小写修改的变体。

带字符串替换的全局正则表达式标志

正如我们之前提到的，如果你在没有任何标志的情况下进行正则表达式替换，则只会替换第一个结果：

let str = "Hello, hi there!";
str = str.replace(/[Hh]ello|[Hh]i|[Hh]ey/, "Goodbye");
console.log(str); // Will output "Goodbye, hi there"

但是，如果传递global标志，则将匹配正则表达式匹配的每个问候语实例：

let str = "Hello, hi there!";
str = str.replace(/[Hh]ello|[Hh]i|[Hh]ey/g, "Goodbye");
console.log(str); // Will output "Goodbye, Goodbye there"

关于JavaScript全局标志的说明

使用全局JavaScript正则表达式时，你可能会在多次运行exec命令时遇到一些奇怪的行为。特别是，如果你使用全局正则表达式运行exec，将间隔一次返回null：微信图片_20220524142537.png 第一次和第三次正确找到结果，但第二次返回了null。正如MDN所说：

JavaScript RegExp对象在设置了global或sticky标志时是有状态的……它们存储上一次匹配的lastIndex。在内部使用时，exec()可用于遍历文本字符串中的多个匹配项……

exec命令尝试向前移动来查看lastIndex。因为lastIndex设置为字符串的长度，所以它会尝试匹配""—— 一个空字符串——与正则表达式，直到再次被另一个exec命令重置。虽然此功能在特定的环境中可能很有用，但新用户往往会感到困惑。

为了解决这个问题，我们可以在运行每个exec命令之前将lastIndex赋值为0：微信图片_20220524142707.png

组

使用正则表达式搜索时，一次搜索多个匹配项用处很大。这就需要组groups发挥作用了。组允许你一次搜索多个项目。

在示例中，我们可以看到既匹配了Testing 123又匹配了Tests 123，而无需在正则表达式中重复123。

/(Testing|tests) 123/ig

微信图片_20220524142812.png

组由括号定义；有两种不同类型的组——捕获组和非捕获组：

(...)— 匹配任意三个字符的组
(?:...)— 匹配任意三个字符的非捕获组当“替换”是等式的一部分时，这两者之间的差异通常会出现在会话中。

例如，使用上面的正则表达式，我们可以通过以下JavaScript将文本替换为Testing 234和tests 234：

const regex = /(Testing|tests) 123/ig;

let str = `
Testing 123
Tests 123
`;

str = str.replace(regex, '$1 234');
console.log(str); // Testing 234\nTests 234"

使用$1来指代第一个捕获组(Testing|tests)。可匹配多个组，例如(Testing|tests)和(123)：


const regex = /(Testing|tests) (123)/ig;

let str = `
Testing 123
Tests 123
`;

str = str.replace(regex, '$1 #$2');
console.log(str); // Testing #123\nTests #123"

但是，这仅适用于捕获组。如果我们将正则表达式：

/(Testing|tests) (123)/ig

改为：

/(?:Testing|tests) (123)/ig;

然后只有一个捕获组——(123)——那么，相同代码将输出不同的内容：

const regex = /(?:Testing|tests) (123)/ig;

let str = `
Testing 123
Tests 123
`;

str = str.replace(regex, '$1');
console.log(str); // "123\n123"

命名捕获组

虽然捕获组很棒，但当有多个捕获组时，就很容易让人感到困惑。$3和$5之间的区别并不是谁都能够一目了然。

为了帮助解决这个问题，正则表达式有一个“命名捕获组”的概念

(?...)— 命名捕获组名为name，匹配任意三个字符你可以像这样在正则表达式中创建一个名为num的组，匹配三个数字：
```
/Testing (?<num>\d{3})/
```
然后，像这样在替换中使用：
```
const regex = /Testing (?<num>\d{3})/
let str = "Testing 123";
str = str.replace(regex, "Hello $<num>")
console.log(str); // "Hello 123"
```

命名反向引用

有时在查询本身内引用命名捕获组可能很有用。这就是“反向引用”发挥作用的地方。

\k— 在搜索查询中引用命名捕获组name

假设你想要匹配：

Hello there James. James, how are you doing?

但不是：

Hello there James. Frank, how are you doing?

虽然可以像下面这样编写重复单词James的正则表达式：

/.*James. James,.*/

但更好的做法是：

/.*(?<name>James). \k<name>,.*/

现在，你就不需要硬编码两个名称了。

前瞻和后顾组

前瞻（Lookahead）组和后顾（behind）组非常强大，但经常被误解。

有四种不同类型的前瞻和后顾：

(?!)— 负向前瞻
(?=)— 正向前瞻
(?<=)— 正向后顾
(?<!)— 负向后顾

前瞻的工作方式正如其名：或者检查有什么东西在前瞻组之后，或者检查有什么东西不在前瞻组之后，具体怎么做取决于是正向的还是负向的。

例如像这样使用负向前瞻：

/B(?!A)/

将允许你匹配BC而不是匹配BA。微信图片_20220524143348.png 你甚至可以与^和$标记结合起来匹配完整的字符串。例如，以下正则表达式将匹配任何不以Test开头的字符串：

/^(?!Test).*$/gm

微信图片_20220524143429.png

同样的，我们也可以切换为正向前瞻，以强制字符串必须以Test开头：

/^(?=Test).*$/gm

微信图片_20220524143505.png

总结

正则表达式非常强大，可用于大量字符串的操作。了解正则表达式有助于重构代码库、脚本快速语言更改，等等！

现在让我们回过头去看最先的电话号码正则表达式：

^(?:\d{3}-){2}\d{4}$

此正则表达式想要匹配电话号码，例如：

555-555-5555

这个正则表达式：

使用^和$定义正则表达式行的开始和结束。
使用非捕获组查找三个数字，后跟破折号；然后重复操作，匹配555-555-
匹配电话号码的最后4位数字

希望这篇文章能帮助大家更好的理解正则表达式。感谢大家的阅读！