正则表达式括号的作用
不管哪门语言中都有括号.正则表达式也是一门语言,而括号的存在使这门语言更为强大
对括号的使用是否得心应手,是衡量对正则的掌握水平的一个侧面标准
括号的作用,其实三言两语就能说明白,括号提供了分组,方便我们引用它
引用某个分组,会有两种情形:在 JS 里引用它,在正则表达式里引用它
内容包括
分组和分支结构
分组引用
反向引用
非捕获括号
相关案例
分组和分支结构
这二者是括号最直觉的作用,也是最原始的功能,强调括号内的正则是一个整体,即提供子表达式
分组
我们知道/a+/匹配连续出现的a而要匹配连续出现的ab需要使用/(ab)+/
其中括号提供分组功能,使量词+作用于'ab'整个整体,测试如下:
var regex = /(ab)+/g;
var string = "ababa abbb ababab";
console.log(string.match(regex));
// => ["abab", "ab", "ababab"]分支结构
而在多选分支结构(p1|p2)中,此处括号的作用也是不言而喻的,提供了分支表达式的所有可能
比如 要匹配如下的字符串:
I love JavaScript
I love Regular Expression可以使用正则:
var regex = /^I love (JavaScript|Regular Expression)$/;
console.log(regex.test("I love JavaScript"));
console.log(regex.test("I love Regular Expression"));
// => true
// => true但是如果去掉正则的括号:即
/^I love JavaScript|Regular Expression$/;分组引用
这是括号一个重要的作用,有了它 我们就可以进行数据提取,以及更强大的替换操作
而要使用它带来的好处,必须配合使用实现环境的 API
以日期为例.假设格式是yyyy--mm--dd的,我们可以先写一个简单的正则
var regex = /\d{4}-\d{2}-\d{2}/;其可视化形式是:
然后再修改成括号版本的
var regex = /(\d{4})-(\d{2})-(\d{2})/;其可视化形式是:
对比这两个可视化图片,我们相信 与前者相比 后者多了分组编号,如 Group #1
其实正则引擎也是这么做的,在匹配过程中,给每一个分组都开辟一个空间,用来存储每一个分组匹配到的数据
既然分组可以捕获数据,那我们就可以使用它们
提取数据
比如提取出年,月,日可以这么做
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log(string.match(regex));
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]
match返回的一个数组,第一个元素是整体匹配的结果,然后是各个分组(括号里)匹配的内容,然后是匹配下标,最后是输入的文本.另外正则表达式是否有修饰符g,match,返回的数组格式是不一样的
另外也可以用正则实力对象的exec方法:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log(regex.exec(string));
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]同时，也可以使用构造函数的全局属性 $1 至 $9 来获取：
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
regex.test(string); // 正则操作即可，例如
//regex.exec(string);
//string.match(regex);
console.log(RegExp.$1); // "2017"
console.log(RegExp.$2); // "06"
console.log(RegExp.$3); // "12"替换
比如: 想把yyyy--mm-dd格式,替换成mm/dd/yyyy怎么做?
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, "$2/$3/$1");
console.log(result);
// => "06/12/2017"其中 replace 中,第二个参数里用$1,$2,$3指的是相应的分组,等价于如下的形式
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function () {
return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;
});
console.log(result);
// => "06/12/2017"也等价于
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function (match, year, month, day) {
return month + "/" + day + "/" + year;
});
console.log(result);
// => "06/12/2017"反向引用
除了使用相应 API 来引用分组,也可以在正则本身引用分组.但是只能引用之前出现的分组,即反向引用
还是以日期为例
比如要写一个正则支持匹配如下三种格式
2016-06-12
2016/06/12
2016.06.12可能最先想到的正则
var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log(regex.test(string1)); // true
console.log(regex.test(string2)); // true
console.log(regex.test(string3)); // true
console.log(regex.test(string4)); // true其中/和.需要转义,虽然匹配了要求的情况,但也匹配2016-06/12这样的数据
假如我们要求分割符前后一致怎么办?需要反向引用
var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log(regex.test(string1)); // true
console.log(regex.test(string2)); // true
console.log(regex.test(string3)); // true
console.log(regex.test(string4)); // false其可视化形式:
注意里面的\1,表示引用之前的那个分组(-|\/|\.),不管它匹配什么 \1都匹配那个同样的具体某个字符
我们知道了\1的含义后,那么\2,\3的改变也能理解了,分别指的是第二个和第三个分组
括号嵌套怎么办
以左括号(开括号)为准.比如:
var regex = /^((\d)(\d(\d)))\1\2\3\4$/;
var string = "1231231233";
console.log(regex.test(string)); // true
console.log(RegExp.$1); // 123
console.log(RegExp.$2); // 1
console.log(RegExp.$3); // 23
console.log(RegExp.$4); // 3我们可以看看这个正则匹配模式：
第一个字符是数字，比如说 "1"，
第二个字符是数字，比如说 "2"，
第三个字符是数字，比如说 "3"，
接下来的是 \1，是第一个分组内容，那么看第一个开括号对应的分组是什么，是 "123"
接下来的是 \2，找到第 2 个开括号，对应的分组，匹配的内容是 "1"
接下来的是 \3，找到第 3 个开括号，对应的分组，匹配的内容是 "23"
最后的是 \4，找到第 3 个开括号，对应的分组，匹配的内容是 "3"。
可视化形式:
\10 表示什么呢
另外一个疑问是 \10表示10个分组,还是\1和0呢?
答案是前者,虽然一个正则里面出现\10比较罕见
var regex = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/;
var string = "123456789# ######";
console.log(regex.test(string));
// => true引用不存在的分组会怎么样?
因为是反向引用.即引用前面的分组,但我们在正则里引用了不存在的分组的时候,正则不会报错.仅仅是匹配反向引用的字符本身。例如\2就匹配"2"注意"\2"表示对"2"进行了转义
var regex = /\1\2\3\4\5\6\7\8\9/;
console.log(regex.test("\1\2\3\4\5\6\789"));
console.log("\1\2\3\4\5\6\789".split(""));分组后面有量词怎么办
分组后面有量词的话,分组最终捕获到的数据是最后一次的匹配。比如
var regex = /(\d)+/;
var string = "12345";
console.log(string.match(regex));
// => ["12345", "5", index: 0, input: "12345"]从上面可以看出,分组(\d)捕获的数据是5
同理对于反向引用也是这样的
var regex = /(\d)+ \1/;
console.log(regex.test("12345 1"));
// => false
console.log(regex.test("12345 5"));
// => true非捕获括号
之前文中出现的括号，都会捕获它们匹配到的数据，以便后续引用，因此也称它们是捕获型分组和捕获型分支。
如果只想要括号最原始的功能，但不会引用它，即，既不在 API 里引用，也不在正则里反向引用。
此时可以使用非捕获括号 (?:p) 和 (?:p1|p2|p3)，例如本章第一个例子可以修改为：
var regex = /(?:ab)+/g;
var string = "ababa abbb ababab";
console.log(string.match(regex));
// => ["abab", "ab", "ababab"]同理第二个例子可以修改为:
var regex = /^I love (?:JavaScript|Regular Expression)$/;
console.log(regex.test("I love JavaScript"));
console.log(regex.test("I love Regular Expression"));
// => true
// => true相关案例
字符串 trim 方法模拟
trim方法是去掉字符串开头和结尾的空白符.有两种思路去做
第一种:匹配到开头和结尾的空白符,然后替换成空字符
function trim(str) {
return str.replace(/^\s+|\s+$/g, "");
}
console.log(trim(" foobar "));
// => "foobar"第二种:匹配整个字符串,然后引用来提取出相应的数据
function trim(str) {
return str.replace(/^\s*(.*?)\s*$/g, "$1");
}
console.log(trim(" foobar "));
// => "foobar"这里使用了惰性匹配 \*?，不然也会匹配最后一个空格之前的所有空格的。
将每个单词的首字母转换为大写
function titleize(str) {
return str.toLowerCase().replace(/(?:^|\s)\w/g, function (c) {
return c.toUpperCase();
});
}
console.log(titleize("my name is epeli"));
// => "My Name Is Epeli"思路是找到每个单词的首字母，当然这里不使用非捕获匹配也是可以的
驼峰化
function camelize(str) {
return str.replace(/[-_\s]+(.)?/g, function (match, c) {
return c ? c.toUpperCase() : "";
});
}
console.log(camelize("-moz-transform"));
// => "MozTransform"其中分组 (.) 表示首字母。单词的界定是，前面的字符可以是多个连字符、下划线以及空白符。正则后面的 ? 的目的，是为了应对 str 尾部的字符可能不是单词字符，比如 str 是 '-moz-transform '。
中线化
function dasherize(str) {
return str
.replace(/([A-Z])/g, "-$1")
.replace(/[-_\s]+/g, "-")
.toLowerCase();
}
console.log(dasherize("MozTransform"));
// => "-moz-transform"HTML 转义和反转义
// 将HTML特殊字符转换成等值的实体
function escapeHTML(str) {
var escapeChars = {
"<": "lt",
">": "gt",
'"': "quot",
"&": "amp",
"'": "#39",
};
return str.replace(
new RegExp("[" + Object.keys(escapeChars).join("") + "]", "g"),
function (match) {
return "&" + escapeChars[match] + ";";
}
);
}
console.log(escapeHTML("<div>Blah blah blah</div>"));
// => "<div>Blah blah blah</div>";其中使用了用构造函数生成的正则，然后替换相应的格式就行了，这个跟本章没多大关系。 倒是它的逆过程，使用了括号，以便提供引用，也很简单，如下
// 实体字符转换为等值的HTML。
function unescapeHTML(str) {
var htmlEntities = {
nbsp: " ",
lt: "<",
gt: ">",
quot: '"',
amp: "&",
apos: "'",
};
return str.replace(/\&([^;]+);/g, function (match, key) {
if (key in htmlEntities) {
return htmlEntities[key];
}
return match;
});
}
console.log(unescapeHTML("<div>Blah blah blah</div>"));
// => "<div>Blah blah blah</div>"通过 key 获取相应的分组引用，然后作为对象的键。
匹配成对标签
要求匹配
<title>regular expression</title>
<p>laoyao bye bye</p>不匹配
<title>wrong!</p>匹配一个开标签 可以使用正则<[^>]+>
匹配一个闭标签 可以使用 <\/[^>]+>
但是要求匹配成对标签,那就需要反向引用了
var regex = /<([^>]+)>[\d\D]*<\/\1>/;
var string1 = "<title>regular expression</title>";
var string2 = "<p>laoyao bye bye</p>";
var string3 = "<title>wrong!</p>";
console.log(regex.test(string1)); // true
console.log(regex.test(string2)); // true
console.log(regex.test(string3)); // false其中开标签 <[\^>]+> 改成 <([^>]+)>，使用括号的目的是为了后面使用反向引用，而提供分组。闭标签使用了反向引用，<\/\1>。
另外，[\d\D]的意思是，这个字符是数字或者不是数字，因此，也就是匹配任意字符的意思。