正则表达式字符匹配

Posted 2023-03-25

参考技术A 模糊匹配，有两个方向上的“模糊”：横向模糊和纵向模糊。

横向模糊指的是，一个正则可匹配的字符串的长度不是固定的，可以是多种情况的。

其实现的方式是使用量词。譬如m,n，表示连续出现最少m次，最多n次。

比如/ab2,5c/表示匹配这样一个字符串：第一个字符是“a”，接下来是2到5个字符“b”，最后是字符“c”。

纵向模糊指的是，一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种可能。

其实现的方式是使用字符组。譬如[abc]，表示该字符是可以字符“a”、“b”、“c”中的任何一个。

比如/a[123]b/可以匹配如下三种字符串："a1b"、"a2b"、"a3b"。

需要强调的是，虽叫字符组（字符类），但只是其中一个字符。例如[abc]，表示匹配一个字符，它可以是“a”、“b”、“c”之一。

比如[123456abcdefGHIJKLM]，可以写成[1-6a-fG-M]。用连字符-来省略和简写。

比如要匹配“a”、“-”、“z”这三者中任意一个字符，不能写成[a-z]，因为其表示小写字符中的任何一个字符，可以写成如下的方式：[-az]或[az-]或[a\-z]。即要么放在开头，要么放在结尾，要么转义。总之不会让引擎认为是范围表示法就行了。

纵向模糊匹配，还有一种情形就是，某位字符可以是任何东西，但就不能是"a"、"b"、"c"。

例如[^abc]，表示是一个除"a"、"b"、"c"之外的任意一个字符。字符组的第一位放^（脱字符），表示求反的概念。

\d就是[0-9]。表示是一位数字。

记忆方式：其英文是digit（数字）。

​

\D就是[^0-9]。表示除数字外的任意字符。

​

\w就是[0-9a-zA-Z_]。表示数字、大小写字母和下划线。

记忆方式：w是word的简写，也称单词字符。

​

\W是[^0-9a-zA-Z_]。非单词字符。

​

\s是[ \t\v\n\r\f]。表示空白符，包括空格、水平制表符、垂直制表符、换行符、回车符、换页符。

记忆方式：s是space character的首字母。

​

\S是[^ \t\v\n\r\f]。 非空白符。

​

. 就是[^\n\r\u2028\u2029]。通配符，表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。记忆方式：想想省略号...中的每个点，都可以理解成占位符，表示任何类似的东西。

如果要匹配任意字符怎么办？可以使用[\d\D]、[\w\W]、[\s\S]和[^]中任何的一个。

量词也称重复。掌握m,n的准确含义后，只需要记住一些简写形式。

m, 表示至少出现m次。

​

m 等价于m,m，表示出现m次。

​

? 等价于0,1，表示出现或者不出现。记忆方式：问号的意思表示，有吗？

​

+ 等价于1,，表示出现至少一次。记忆方式：加号是追加的意思，得先有一个，然后才考虑追加。

​

* 等价于0,，表示出现任意次，有可能不出现。记忆方式：看看天上的星星，可能一颗没有，可能零散有几颗，可能数也数不过来。

\d3，6 贪婪模式(贪婪匹配) 尽可能多的匹配

其中正则/\d2,5/，表示数字连续出现2到5次。会匹配2位、3位、4位、5位连续数字。

​

贪婪模式会尽可能多的匹配。你能给我6个，我就要5个。你能给我3个，我就3要个。反正只要在能力范围内，越多越好。

\d3,6? 非贪婪模式(惰性匹配)；尽可能少的匹配

通过在量词后面加个问号就能实现惰性匹配，因此所有惰性匹配情形如下：

m,n?

m,?

??

+?

*?

对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？

一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一。

具体形式如下：(p1|p2|p3)，其中p1、p2和p3是子模式，用|（管道符）分隔，表示其中任何之一。

例1：

var reg = /good|nice/g;

var str = 'good idea ,nice try'

console.log(str.match(reg)); //['good','nice']

例2：

var regex = /good|goodbye/g;

var string = "goodbye";

console.log(string.match(regex)); //good

例3：

var regex = /goodbye|good/g;

var string = "goodbye";         console.log(string.match(regex)); //goodbye

以上结果说明，分支结构也是惰性的，即当前面的匹配上了，后面的就不再尝试了。

4-19 Linux中的正则表达式 --- 字符匹配

参考技术A 1、正则表达式和通配符有点像。区别在于通配符匹配的是文件名和目录名中的字符串，不能匹配文本中内容的字符串。而正则表达式匹配的是文本中的字符串。

2、正则表达式（REGEXP）：由一类特殊字符及文本符号所编写的表达式，这种表达式的功能是匹配文本当中字符串。

3、正则表达式的特点：可以通过特殊字符及文本符号灵活组合各种过滤条件去匹配文本内容，从而达到自由度颇高的筛查方式。

4、正则表达式分两类：基本正则表达式（BRE）、扩展正则表达式（ERE），grep 加上 -E 参数就是使用 egrep。

5、元字符分类：元字符是指正则表达式中使用的特殊字符，这些特殊符号具有特定的功能。从功能上分类有：字符匹配、匹配次数、位置锚定、分组。

①、 .：匹配任意单个字符。

②、 [ ]：匹配指定范围内的任意单个字符。

③、 [^]：排除匹配指定范围内的任意单个字符。

④、 [:alnum:]：过滤字母和数字，包含了大写字母、小写字母 和 10个数字（0-9）。

⑤、 [:alpha:]：任何英文大小写字符，即 A-Z，a-z。

⑥、 [:lower:]：只过滤小写字母。

⑦、 [:upper:]：只过滤大写字母。

⑧、 [:blank:]：空白字符（空格和制表符）。

⑨、 [:space:]：水平和垂直的空白字符（比 [:blank:] 包含的范围广）。

⑩-①、 [:digit:]：十进制数字。

⑩-③、 [:graph:]：可打印的非空白字符。

⑩-④、 [:print:]：可打印字符。相当于 [:alnum:]、[:punct:] 和 space。

⑩-⑤、 [:punct:]：标点符号。