原文：理解正則表達式

在我初學正則表達式的時候，走了一些彎路，強行記憶了很多符號和用法。

等到我有更深入的理解的時候我發現，從翻譯和概念的角度上切入，學習起來會順暢得多。

本文以JavaScript里的正則表達式為例，講解其中的關鍵要素。希望能幫助到初學者。

注：也只限于闡述關鍵要素，不會事無巨細地展開。

何為正則表達式？

在中文語境里，「正則」兩個字有點讓人發怵，仿佛高深數學或物理中的「正則化」和「歸一化」，抽象而難懂。

其實放到英文里，它是regular expression，而regular有「規律、規范、整齊、合格、正規」等意味，「正則」只是其中一種翻譯。

不把它翻譯成一個詞組，而翻譯成一句話，大致是：表達規范和規則的句子。

這里的規范和規則，指的是一個字符串的形式規則。

至于JavaScript里的 RegExp 構造函數，是Regular Expression的前三個字母縮寫。

正則表達式的格式

在JavaScript里，正則表達式有兩個構造方式，一個是通過RegExp這個構造函數創建實例，另一個是正則表達式字面量寫法。

var regexp1 = new RegExp('hello regular expression')
var regexp2 = /hello regular expression/

// test 方法，測試給定的字符串是否符合正則表達式所描述的字符串格式
regexp1.test('hello regular expression') // -> true
regexp1.test('hello word') // -> false

// exec 方法，是 execute 這個單詞的縮寫，「執行」。返回給定的字符串中符合「正則表達式所描述的字符串格式」的部分
regexp2.exec('hello regular expression') //  返回 'hello regular expression'
regexp2.exec('hello regular expression, more words') //  只返回 'hello regular expression'，其它部分不匹配

正則表達式里的元字符

元字符聽起來也很抽象，其實換個例子就容易理解：學習如何學習，叫元學習；關于知識的知識，叫元知識。

元字符，則是描述字符的字符，比如，數字，字母，空格，換行等。

元編程，就是能生成代碼的代碼，在 Javascript 構造符合語法的字符串，放到eval(code)里運行一下，你就在元編程了。

然后看看元字符、元編程的英文：meta-character與meta-programming，對 meta 長個記性，怯魅。

列舉幾個元字符。元字符大多以反斜杠開頭 ，因為前面展示的「正則表達式字面量」寫法里，用的是兩個斜杠包裹，所以得用反斜杠或其他標識符。

• d，匹配單個數字；d 是 digit 這個單詞的縮寫，它的中文意思就是「數字」
• w，匹配單個單詞字符，w 是 word 的縮寫，就是字母 a-z，數字 0-9，不包括逗號、句號、加減乘除號、括號等。
• s，匹配單個空白字符，s 是 space 的縮寫，就是空白的意思。
• n，匹配換行符，n 是 newline 的縮寫，中文就是換行。
• r，匹配回車符，r 就是 return 的縮寫，回車在這里就是它的中文意思。
• t，匹配制表符，就是 tab 鍵打出來的一串用以縮進的空白字符，tab 是 tabel 的縮寫，table 就有表格和制表的意思。
• b，匹配單詞邊界，b 是 boundary 的縮寫，中文就是邊界的意思。

如你所見，所謂的元字符，就是反斜杠加單詞縮寫，來表征某個字符類型。這就是它們的設計原則。

正則表達式里的量詞

元字符大多只能表示單個字符的類型。

我們還需要量詞，以表示「有，有0到多個，有至少一個，有n個以上，有n到m個，以某個字符開頭，以某個字符結尾等」。

這時你可以停下來，稍作思考，讓你來設計，你會設計成什么樣？

Javascript的設計如下：

• n+，至少1個 n 類型的字符
• n*，0到多個 n 類型的字符
• n?，0 或 1 個 n 類型的字符
• n{X}，X 個 n 類型的字符
• n{X,Y}，X 到 Y 個 n 類型的字符
• n{X,}，至少 X 個 n 類型的字符
• n$，以 n 類型的字符結尾
• ^n，以 n 類型的字符開頭

如你所見，大致是一些類似數學里表達區間的意思。

正則表達式里的表達式

你可以戲謔地說它是「元表達式」。

其實，它們也是描述范圍的，只是不是所有范圍都是關于某個字符類型n 的數量和出現位置，有些范圍跟多個字符組成的集合有關。

比如，在這幾個字符類型之內，在這幾個字符類型之外的，便利地表示 26 個字母，便利地表示 10 個數字字符。

Javascript的設計如下：

• [abc]，匹配單個字符，它是abc的集合的元素
• [^abc]，匹配單個字符，它不是abc的集合的元素
• [0-9]，匹配單個字符，它是從0到9這個集合的元素
• [a-z]，匹配單個字符，它是26 字母這個集合的元素
• (red|blue|green)，匹配多個連續字符，它是 red blue green 這三個詞的集合的元素

小試牛刀

匹配一個電話號碼，形式如 020-88813243。

簡單版本，(開頭)三個數字+一個橫杠+八個數字（結尾），就是/^d{3}-d{8}$/。

需求變化，只匹配 020 開頭的電話號碼，就是/^020-d{8}$/。

需求變化，支持分機，分機為 5 個數字，加后綴，就是/^020-d{8}-d{5}$/。

需求變化，電話號碼可以是7個，用區間量詞，就是/^020-d{7,8}-d{5}$/。

需求變化，有可能沒有分機，用區間量詞，中括號包裹住分機為一組，后面加個問號，表示0或多個，就是/^020-d{7,8}(-d{5})?$/。

需求變化，區隔符可能是橫杠，也可能是星號或空格，用集合表達式，就是/^020[-*s]d{7,8}([-*s]d{5})?$/

結語

在我們理解了正則表達式的概念和設計思路之后，剩下的，就是查文檔和尋找模式的工作了。

實在有難題，網上也可以搜索到現成的堅實的正則表達式可用。這里面的門道還是很多的，在此我們入個門，打個基礎即可。

補充：正則表達式簡要學習

元字符

元字符是功能性的匹配符號, 如:
b 單詞的開頭或結尾，也就是單詞的分界處
* 匹配任意數量的字符
. 匹配除了換行之外的所有字符
d 匹配0到9單個數字
s 匹配任意的空白符，包括空格，制表符(Tab)，換行符，中文全角空格等
w匹配 字母 或 數字 或 下劃線 或 漢字 等
^ 匹配字符串的開始
$ 匹配字符串的結束

字符轉意

查找元字符本身的話，比如你查找.,或者*,就出現了問題：你沒辦法指定它們，因為它們會被解釋成別的意思。這時你就得使用來取消這些字符的特殊意義。因此，你應該使用.和*。當然，要查找本身，你也得用\

字符類

[ ] 集合查找 ,比如 [abcde] 表示匹配里面包含的字符 , 常見的[0-9]和d等價, 即匹配一位數字, [a-z0-9A-Z_]也完全等同于w（如果只考慮英文的話）
(?0d{2}[) -]?d{8}首先是一個轉義字符(,它能出現0次或1次?,然后是一個0，后面跟著2個數字d{2}，然后是)或-或空格中的一個，它出現0次或1次?，最后是8個數字d{8}

分枝條件

上面那個表達式也能匹配010)12345678或(022-87654321這樣的“不正確”的格式。
正則表達式里的分枝條件指的是有幾種規則，如果滿足其中任意一種規則都應該當成匹配，具體方法是用|把不同的規則分隔開。
0d{2}-d{8}|0d{3}-d{7}表示0開頭接兩位數字,-后面連著8位數的電話號碼,比如020-12345678 或者 0開頭接三位數字,-后面連著7位數的電話號碼,比如0751-1234567
使用分枝條件時，要注意各個條件的順序。原因是匹配分枝條件時，將會從左到右地測試每個條件，如果滿足了某個分枝的話，就不會去再管其它的條件了。

分組

如果想要重復多個字符又,你可以用小括號來指定子表達式(也叫做分組)
(d{1,3}.){3}d{1,3}是一個簡單的IP地址匹配表達式。要理解這個表達式，請按下列順序分析它：d{1,3}匹配1到3位的數字，(d{1,3}.){3}匹配三位數字加上一個英文句號(這個整體也就是這個分組)重復3次，最后再加上一個一到三位的數字(d{1,3})。
正則表達式中并不提供關于數學的任何功能，所以只能使用冗長的分組，選擇，字符類來描述一個正確的IP地址：((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)

反義

有時需要查找不屬于某個能簡單定義的字符類的字符。比如想查找除了數字以外，其它任意字符都行的情況，這時需要用到反義：

符號	表示
W	匹配任意不是字母，數字，下劃線，漢字的字符
S	匹配任意不是空白符的字符
D	匹配任意非數字的字符
B	匹配不是單詞開頭或結束的位置
[ ^x ]	匹配除了x以外的任意字符
[ ^aeiou ]	匹配除了aeiou這幾個字母以外的任意字符

例子：
S+匹配不包含空白符的字符串。
<a[^>]+>匹配用尖括號括起來的以a開頭的字符串

貪婪與懶惰

當正則表達式中包含能接受重復的限定符時，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能多的字符。以這個表達式為例：a.*b，它將會匹配最長的以a開始，以b結束的字符串。如果用它來搜索aabab的話，它會匹配整個字符串aabab。這被稱為貪婪匹配。
有時，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉化為懶惰匹配模式，只要在它后面加上一個問號?。這樣.*?就意味著匹配任意數量的重復，但是在能使整個匹配成功的前提下使用最少的重復。
a.*?b匹配最短的，以a開始，以b結束的字符串。如果把它應用于aabab的話，它會匹配aab（第一到第三個字符）和ab（第四到第五個字符）
為什么第一個匹配是aab（第一到第三個字符）而不是ab（第二到第三個字符）？簡單地說，因為正則表達式有另一條規則，比懶惰／貪婪規則的優先級更高：最先開始的匹配擁有最高的優先權

符號	表示
*?	重復任意次，但盡可能少重復
+?	重復1次或更多次，但盡可能少重復
??	重復0次或1次，但盡可能少重復
{n,m}?	重復n到m次，但盡可能少重復
{n,}?	重復n次以上，但盡可能少重復

參考: http://deerchao.net/tutorials/regex/regex.htm

總結

以上是生活随笔為你收集整理的JS理解正则表达式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。