正则表达式专题(JS版)第4篇：正则表达式括号的作用

star2017 1年前 ⋅ 375 阅读

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，便于我们引用它。

引用某个分组，会有两种情形：在JavaScript里引用它，在正则表达式里引用它。

本章内容虽相对简单，但我也要写长点。

内容包括

  1. 分组和分支结构
  2. 捕获分组
  3. 反向引用
  4. 非捕获分组
  5. 相关案例

1. 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。

1.1 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”时，需要使用/(ab)+/。

其中括号是提供分组功能，使量词+作用于“ab”这个整体，测试如下：

  1. var regex = /(ab)+/g;
  2. var string = "ababa abbb ababab";
  3. console.log( string.match(regex) ); 
  4. // => ["abab", "ab", "ababab"]

1.2 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，提供了子表达式的所有可能。

比如，要匹配如下的字符串：

I love JavaScript

I love Regular Expression

可以使用正则：

  1. var regex = /^I love (JavaScript|Regular Expression)$/;
  2. console.log( regex.test("I love JavaScript") );
  3. console.log( regex.test("I love Regular Expression") );
  4. // => true
  5. // => true

如果去掉正则中的括号，即/^I love JavaScript|Regular Expression$/，匹配字符串是”I love JavaScript”和”Regular Expression”，当然这不是我们想要的。

2. 引用分组

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：

  1. var regex = /\d{4}-\d{2}-\d{2}/;

然后再修改成括号版的：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;

为什么要使用这个正则呢？

2.1 提取数据

比如提取出年、月、日，可以这么做：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  3. console.log( string.match(regex) ); 
  4. // => ["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。（注意：如果正则是否有修饰符g，match返回的数组格式是不一样的）。

另外也可以使用正则对象的exec方法：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  3. console.log( regex.exec(string) ); 
  4. // => ["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：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  4. regex.test(string); // 正则操作即可，例如
  5. //regex.exec(string);
  6. //string.match(regex);
  8. console.log(RegExp.$1); // "2017"
  9. console.log(RegExp.$2); // "06"
  10. console.log(RegExp.$3); // "12"

2.2 替换

比如，想把yyyy-mm-dd格式，替换成mm/dd/yyyy怎么做？

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  3. var result = string.replace(regex, "$2/$3/$1");
  4. console.log(result); 
  5. // => "06/12/2017"

其中replace中的，第二个参数里用$1、$2、$3指代相应的分组。等价于如下的形式：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  3. var result = string.replace(regex, function() {
  4.     return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;
  5. });
  6. console.log(result); 
  7. // => "06/12/2017"

也等价于：

  1. var regex = /(\d{4})-(\d{2})-(\d{2})/;
  2. var string = "2017-06-12";
  3. var result = string.replace(regex, function(match, year, month, day) {
  4.     return month + "/" + day + "/" + year;
  5. });
  6. console.log(result); 
  7. // => "06/12/2017"

3. 反向引用

除了使用相应API来引用分组，也可以在正则本身里引用分组。但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

最先可能想到的正则是:

  1. var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/;
  2. var string1 = "2017-06-12";
  3. var string2 = "2017/06/12";
  4. var string3 = "2017.06.12";
  5. var string4 = "2016-06/12";
  6. console.log( regex.test(string1) ); // true
  7. console.log( regex.test(string2) ); // true
  8. console.log( regex.test(string3) ); // true
  9. 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。

假设我们想要求分割符前后一致怎么办？此时需要使用反向引用：

  1. var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;
  2. var string1 = "2017-06-12";
  3. var string2 = "2017/06/12";
  4. var string3 = "2017.06.12";
  5. var string4 = "2016-06/12";
  6. console.log( regex.test(string1) ); // true
  7. console.log( regex.test(string2) ); // true
  8. console.log( regex.test(string3) ); // true
  9. console.log( regex.test(string4) ); // false

注意里面的\1，表示的引用之前的那个分组(-|\/|\.)。不管它匹配到什么（比如-），\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和\3的概念也就理解了，即分别指代第二个和第三个分组。

看到这里，此时，恐怕你会有三个问题。

3.1 括号嵌套怎么办？

以左括号（开括号）为准。比如：

  1. var regex = /^((\d)(\d(\d)))\1\2\3\4$/;
  2. var string = "1231231233";
  3. console.log( regex.test(string) ); // true
  4. console.log( RegExp.$1 ); // 123
  5. console.log( RegExp.$2 ); // 1
  6. console.log( RegExp.$3 ); // 23
  7. 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。

这个问题，估计仔细看一下，就该明白了。

3.2 \10表示什么呢？

另外一个疑问可能是，即\10是表示第10个分组，还是\1和0呢？

答案是前者，虽然一个正则里出现\10比较罕见。测试如下：

  1. var regex = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/;
  2. var string = "123456789# ######"
  3. console.log( regex.test(string) );
  4. // => true

3.3 引用不存在的分组会怎样？

因为反向引用，是引用前面的分组，但我们在正则里引用了不存在的分组时，此时正则不会报错，只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”进行了转意。

  1. var regex = /\1\2\3\4\5\6\7\8\9/;
  2. console.log( regex.test("\1\2\3\4\5\6\7\8\9") ); 
  3. console.log( "\1\2\3\4\5\6\7\8\9".split("") );

chrome浏览器打印的结果：

4. 非捕获分组

之前文中出现的分组，都会捕获它们匹配到的数据，以便后续引用，因此也称他们是捕获型分组。

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分组(?:p)，例如本文第一个例子可以修改为：

  1. var regex = /(?:ab)+/g;
  2. var string = "ababa abbb ababab";
  3. console.log( string.match(regex) ); 
  4. // => ["abab", "ab", "ababab"]

5. 相关案例

至此括号的作用已经讲完了，总结一句话，就是提供了可供我们使用的分组，如何用就看我们的了。

5.1 字符串trim方法模拟

trim方法是去掉字符串的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。如：

  1. function trim(str) {
  2.     return str.replace(/^\s+|\s+$/g, '');
  3. }
  4. console.log( trim("  foobar   ") ); 
  5. // => "foobar"

第二种，匹配整个字符串，然后用引用来提取出相应的数据：

  1. function trim(str) {
  2.     return str.replace(/^\s*(.*?)\s*$/g, "$1");
  3. }
  4. console.log( trim("  foobar   ") ); 
  5. // => "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。

当然，前者效率高。

5.2 将每个单词的首字母转换为大写

  1. function titleize(str) {
  2.     return str.toLowerCase().replace(/(?:^|\s)\w/g, function(c) {
  3.         return c.toUpperCase();
  4.     });
  5. }
  6. console.log( titleize('my name is epeli') ); 
  7. // => "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。

5.3 驼峰化

  1. function camelize(str) {
  2.     return str.replace(/[-_\s]+(.)?/g, function(match, c) {
  3.         return c ? c.toUpperCase() : '';
  4.     });
  5. }
  6. console.log( camelize('-moz-transform') ); 
  7. // => "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 ‘。

5.4 中划线化

  1. function dasherize(str) {
  2.     return str.replace(/([A-Z])/g, '-$1').replace(/[-_\s]+/g, '-').toLowerCase();
  3. }
  4. console.log( dasherize('MozTransform') ); 
  5. // => "-moz-transform"

驼峰化的逆过程。

5.5 html转义和反转义

  1. // 将HTML特殊字符转换成等值的实体
  2. function escapeHTML(str) {
  3.     var escapeChars = {
  4.       '¢' : 'cent',
  5.       '£' : 'pound',
  6.       '¥' : 'yen',
  7.       '€': 'euro',
  8.       '©' :'copy',
  9.       '®' : 'reg',
  10.       '<' : 'lt',
  11.       '>' : 'gt',
  12.       '"' : 'quot',
  13.       '&' : 'amp',
  14.       '\'' : '#39'
  15.     };
  16.     return str.replace(new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g'), function(match) {
  17.         return '&' + escapeChars[match] + ';';
  18.     });
  19. }
  20. console.log( escapeHTML('<div>Blah blah blah</div>') );
  21. // => "&lt;div&gt;Blah blah blah&lt;/div&gt";

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：

  1. // 实体字符转换为等值的HTML。
  2. function unescapeHTML(str) {
  3.     var htmlEntities = {
  4.       nbsp: ' ',
  5.       cent: '¢',
  6.       pound: '£',
  7.       yen: '¥',
  8.       euro: '€',
  9.       copy: '©',
  10.       reg: '®',
  11.       lt: '<',
  12.       gt: '>',
  13.       quot: '"',
  14.       amp: '&',
  15.       apos: '\''
  16.     };
  17.     return str.replace(/\&([^;]+);/g, function(match, key) {
  18.         if (key in htmlEntities) {
  19.             return htmlEntities[key];
  20.         }
  21.         return match;
  22.     });
  23. }
  24. console.log( unescapeHTML('&lt;div&gt;Blah blah blah&lt;/div&gt;') );
  25. // => "<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。

5.6 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，那就需要使用反向引用，如：

  1. var regex = /<([^>]+)>[\d\D]*<\/\1>/;
  2. var string1 = "<title>regular expression</title>";
  3. var string2 = "<p>laoyao bye bye</p>";
  4. var string3 = "<title>wrong!</p>";
  5. console.log( regex.test(string1) ); // true
  6. console.log( regex.test(string2) ); // true
  7. 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。

小结

正则中使用括号的例子那可是太多了，不一而足。

重点理解括号可以提供分组，我们可以提取数据，应该就可以了。

例子中的代码，基本没做多少分析，相信你都能看懂的。

  1. 作者：老姚
  2. 链接：https://juejin.im/post/5965943ff265da6c30653879
  3. 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

最新资料

更多内容请访问：IT源点

注意：本文归作者所有，未经作者允许，不得转载

#正则表达式专题(JS版)
阅读全部
相关文章推荐
  • 1

全部评论: 0 条

    我有话说: