# 正则 - 入门

# 遇到的问题

正则表达式主要用来做一些校验（限制和验证输入的合法性），可以改变输入字符串的顺序，也可以在搜索的时候用来秀一下，偶尔使用，每次都查资料，所以整理一份入门指南方便查阅。

# 定义

正则表达式是用语匹配字符串中字符组合的模式。在 JavaScript 中，正则表达式也是对象。这些模式被用于 RegExp 的 exec 和 test 方法，以及 String 的 match、matchAll、replace、search 和 split 方法。

# 语法

字面量，构造函数和工厂函数都是可以创建正则表达式的：

/pattern/flags
new RegExp(pattern [, flags])
RegExp(pattern [, flags])

参数：

pattern 正则表达式的文本

flags 修饰符。如果指定，标志可以具有以下值的任意组合

• g 全局匹配;找到所有匹配，而不是在第一个匹配后停止
• i 忽略大小写
• m 多行; 将开始和结束字符（^和$）视为在多行上工作（也就是，分别匹配每一行的开始和结束（由 \n 或 \r 分割），而不只是只匹配整个输入字符串的最开始和最末尾处。
• u Unicode; 将模式视为Unicode序列点的序列。不加的时候可以匹配小于 \uFFFF 的 unicode 字符，大于的则需要添加 u 修饰符。

/^.$/.test("\uD842\uDFB7"); //false  "\uD842\uDFB7"是一个四个字节的UTF-16编码，代表一个字符
/^.$/u.test("\uD842\uDFB7"); //true

/\u{61}/.test("a"); //false
/\u{61}/u.test("a"); //true 
// 使用u修饰符，正则表达式能够识别大括号{}表示的Unicode字符，否则无法识别，{61}也会被解读为量词，表示61 的u字符。

但是需要注意，u 修饰符是 ES6 新增，截止至2019/11/05，兼容性如下：

• y 粘性匹配; 仅匹配目标字符串中此正则表达式的lastIndex属性指示的索引(并且不尝试从任何后续的索引匹配)。
• s dotAll模式，匹配任何字符（包括终止符 '\n'）。

# 特殊字符

# 字符类别（Character Classes）

# 字符集合（Character Sets）

# 边界（Boundaries）

# 分组（Grouping）与反向引用（back references）

# 数量词(Quantifiers)

# 断言（Assertions）

# 子表达式

从简单到复杂的正则表达式演变通常要采用分组、回溯引用和逻辑处理的思想。利用这三种规则，可以推演出无限复杂的正则表达式。

# 分组

分组体现在：所有以(和)元字符所包含的正则表达式被分为一组，每一个分组都是一个子表达式，它也是构成高级正则表达式的基础。如果只是使用简单的(regex)匹配语法本质上和不分组是一样的，如果要发挥它强大的作用，往往要结合回溯引用的方式。

# 回溯引用

所谓回溯引用（backreference）指的是模式的后面部分引用前面的子表达式。可以把它当成是变量，回溯引用的语法像\1,\2,....,其中\1表示引用的第一个子表达式，\2表示引用的第二个子表达式，以此类推。而\0则表示整个表达式。在表达式里面 \1 引用第一个子表达式，在结果里面 $1 引用匹配到的第一个子表达式对应的字符串。

假设现在要在下面这个文本里匹配两个连续相同的单词，你要怎么做呢？

let str = 'Hello what what is the first thing, and I am am scq000.'

利用回溯引用，我们可以很容易地写出\b(\w+)\s\1这样的正则。

回溯引用在替换字符串中十分常用，语法上有些许区别，用$1,$2...来引用要被替换的字符串。下面以js代码作演示：

let str = 'abc abc 123';
str.replace(/(ab)c/g,'$1g'); 
// 得到结果 'abg abg 123'

如果我们不想子表达式被引用，可以使用非捕获正则(?:regex)这样就可以避免浪费内存。

let str = 'scq000';
str.replace(/(scq00)(?:0)/, '$1,$2') 
// 返回scq00,$2
// 由于使用了非捕获正则，所以第二个引用没有值，这里直接替换为$2

有时，我们需要限制回溯引用的适用范围。那么通过先行断言和后行断言就可以达到这个目的。

# 先行断言

先行断言(lookahead)是用来限制后缀的。凡是以(?=regex)包含的子表达式在匹配过程中都会用来限制前面的表达式的匹配。例如 happy happily 这两个单词，我想获得以 happ 开头的副词，那么就可以使用happ(?=ily)来匹配。如果我想过滤所有以happ开头的副词，那么也可以采用先行否定断言的正则 happ(?!ily)，就会匹配到happy单词的happ前缀。

# 后行断言

后行断言(lookbehind)是通过指定一个子表达式，然后从符合这个子表达式的位置出发开始查找符合规则的字串。举个简单的例子： apple和people都包含ple这个后缀，那么如果我只想找到apple的ple，该怎么做呢？我们可以通过限制app这个前缀，就能唯一确定ple这个单词了。

let reg = /(?<=app)ple/;

其中(?<=regex)的语法就是我们这里要介绍的后行断言。regex指代的子表达式会作为限制项进行匹配，匹配到这个子表达式后，就会继续向后查找。另外一种限制匹配是利用 (?<!regex) 语法，这里称为后行否定断言。与后行断言不同的是，被指定的子表达式不能被匹配到。于是，在上面的例子中，如果想要查找apple的ple也可以这么写成/(?<!peo)ple。 es2018 之后 js 才支持。所以低版本不兼容的时候，有一个思路是将字符串进行翻转，然后再使用先行断言，作完处理后再翻转回来。看一个简单的例子：

// 比如我想替换apple的ple为ply
let str = 'apple people';
str.split('').reverse().join('').replace(/elp(?=pa)/, 'ylp').split('').reverse().join('');

# 逻辑处理

编程语言中用到的三种逻辑关系，与或非

# 方法

# replace

语法：

str.replace(regexp|substr, newSubStr|function);

参数：

• regexp (pattern)

一个RegExp 对象或者其字面量。该正则所匹配的内容会被第二个参数的返回值替换掉。

• substr (pattern)

一个将被 newSubStr 替换的 字符串。其被视为一整个字符串，而不是一个正则表达式。仅第一个匹配项会被替换。

• newSubStr (replacement)

用于替换掉第一个参数在原字符串中的匹配部分的字符串。该字符串中可以内插一些特殊的变量名。参考下面的使用字符串作为参数。

• function (replacement)

一个用来创建新子字符串的函数，该函数的返回值将替换掉第一个参数匹配到的结果。参考下面的指定一个函数作为参数。

返回值：一个部分或全部匹配由替代模式所取代的新的字符串。

# 使用字符串作为参数

替换字符串可以插入下面的特殊变量名：

# 指定一个函数作为参数

你可以指定一个函数作为第二个参数。在这种情况下，当匹配执行后，该函数就会执行。 函数的返回值作为替换字符串。(注意：上面提到的特殊替换参数在这里不能被使用。) 另外要注意的是，如果第一个参数是正则表达式，并且其为全局匹配模式，那么这个方法将被多次调用，每次匹配都会被调用。

下面是该函数的参数：

(精确的参数个数依赖于 replace() 的第一个参数是否是一个正则表达式（RegExp）对象，以及这个正则表达式中指定了多少个括号子串，如果这个正则表达式里使用了命名捕获， 还会添加一个命名捕获的对象)

栗子: 使 newString 变成 'abc - 12345 - #$*%':

function replacer(match, p1, p2, p3, offset, string) {
  // p1 is nondigits, p2 digits, and p3 non-alphanumerics
  return [p1, p2, p3].join(' - ');
}
var newString = 'abc12345#$*%'.replace(/([^\d]*)(\d*)([^\w]*)/, replacer);
console.log(newString);  // abc - 12345 - #$*%

# 思考栗子🌰

# 使用正则改变数据结构

let re = /(\w+)\s(\w+)/;
let str = "John Smith";
let newstr = str.replace(re, "$2, $1");
console.log(newstr); 
// "Smith, John"

# 在多行中使用正则表达式

let s = "Please yes\nmake my day!";
s.match(/yes.*day/);
// Returns null
s.match(/yes[^]*day/);
// Returns 'yes\nmake my day'

# 使用正则表达式和 Unicode 字符

正如上面表格提到的，\w 或 \W 只会匹配基本的 ASCII 字符；如 'a' 到 'z'、 'A' 到 'Z'、 0 到 9 及 '_'。为了匹配其他语言中的字符，如西里尔（Cyrillic）或 希伯来语（Hebrew），要使用 \uhhhh，"hhhh" 表示以十六进制表示的字符的 Unicode 值。下例展示了怎样从一个单词中分离出 Unicode 字符。

let text = "Образец text на русском языке";
let regex = /[\u{0400}-\u{04FF}]+/ug;

let match = regex.exec(text);
console.log(match);  // prints "Образец"
console.log(regex.lastIndex);  // prints "7"

let match2 = regex.exec(text);
console.log(match2);  // prints "на" [did not print "text"]
console.log(regex.lastIndex);  // prints "15"

# 数字千分位

还记得有一次面试遇到数字处理千分位的问题，当时想到可以用正则的，但是想了一下没写出来。 1234 > 1,234

let num = '1234567';
num.replace(/(\d)(?=(?:\d{3})+$)/g,'$1,');

num.replace(/\d{1,3}(?=(\d{3})+$)/g,'$&,');

num.replace(/(?!^)(?=(\d{3})+$)/g,',');

# 参考

• RegExp (opens new window)
• 正则表达式不要背 (opens new window)
• ECMAScript 6 入门 - 正则的扩展 (opens new window)
• String.prototype.replace() (opens new window)

• JS 正则中的命名捕获分组 (opens new window)

• 写正则不要再瞎转义了 (opens new window)