Regular Expression -- 正则表达式

Posted 2021-09-04 贤儒

摘要

正则表达式是一项优秀的技术，更是一门伟大的科学。这篇博客我将大概介绍一下它的历史，详细的讨 
论一下它的语法，最后说一下它在 javascript 与 Linux 中的应用。
快速阅读步骤：定义 --> PATTERN --> JavaScript 中的 RegExp / Linux 中的 grep 命令  

关键字

Regular Expression | Perl | JavaScript | Linux

故事

20世纪40年代：正则表达式最初的想法来自两位神经学家：沃尔特·皮茨与麦卡洛克，他们研究出了一种用数学方式来描述神经网络的模型。

1956年：一位名叫Stephen Kleene的数学科学家发表了一篇题目是《神经网事件的表示法》的论文，利用称之为正则集合的数学符号来描述此模型，引入了正则表达式的概念。正则表达式被作为用来描述其称之为“正则集的代数”的一种表达式，因而采用了“正则表达式”这个术语。

1968年：C语言之父、UNIX之父肯·汤普森把这个“正则表达式”的理论成果用于做一些搜索算法的研究，他描述了一种正则表达式的编译器，于是出现了应该算是最早的正则表达式的编译器qed（这也就成为后来的grep编辑器）。

Unix使用正则之后，正则表达式不断的发展壮大，然后大规模应用于各种领域，根据这些领域各自的条件需要，又发展出了许多版本的正则表达式，出现了许多的分支。我们把这些分支叫做“流派”。

1987年：Perl语言诞生了，它综合了其他的语言，用正则表达式作为基础，开创了一个新的流派，Perl流派。之后很多编程语言如：Python、Java、Ruby、.Net、php等等在设计正则式支持的时候都参考Perl正则表达式。

定义与原理

定义

正则表达式是由一类特殊字符及文本字符所编写的模式，其中有些字符不表示其字面意义，而是用于表示控制或通配的功能。

原理 -- 正则表达式引擎

Regular Expression engine

这里可以参考猪哥的 这篇博客

PATTERN

一个正则表达式通常被称为一个模式，为（第二声）用来描述或匹配一系列匹配某个句法规则的字符串。

元字符

正则表达式由两种基本字符类型组成：原义文本字符和元字符。元字符使正则表达式具有处理能力。所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。

字符匹配

 .   ：匹配任意单个字符；
 []  ：匹配指定范围内的任意单个字符；
 [^] ：匹配指定范围外的任意单个字符；

匹配次数

用在要指定其出现的次数的字符的后面，用于限制其前面字符出现的次数。

*    ：匹配其前面的字符任意次（0次、1次或多次）；
.*   ：匹配任意长度的任意字符；
?    ：匹配其前面的字符0次或1次，即其前面的字符可有可无；
+    ：匹配其前面的字符1次或多次，即前面的字符至少要出现1次；
{m}  ：匹配其前面的字符 m 次；
{m,n}：匹配其前面的字符至少 m 次，至多 n 次；
{0,n}：匹配其前面的字符至多 n 次；
{m,} ：匹配其前面的字符至少 m 次；

位置锚定

^             ：行首锚定，用于模式的最左侧；
$             ：行尾锚定，用于模式的最右侧；
^PATTERN$     :用 PATTERN 来匹配整行；
^$            ：匹配空白行；
^[[:space:]]*$：匹配空行或包含空白字符的行；
单词          ：非特殊字符组成的连续字符或字符串都称为单词；
\\< 或 \\b      ：词首锚定，用于单词模式的左侧；
\\> 或 \\b      ：词尾锚定，用于单词模式的右侧；
\\<PATTERN\\>   ：匹配完整单词；

分组及引用

()     ：将一个或多个字符捆绑在一起，当作一个整体进行处理；
\\1     ：模式从左侧起，第一个左括号以及与之匹配的右括号之间的模式所匹配到的字符；
\\2     ：模式从左侧起，第二个左括号以及与之匹配的右括号之间的模式所匹配到的字符；
后向引用：引用前面的分组括号中的模式所匹配到的字符；

特殊元字符

\\b ：匹配一个词的边界；
\\d ：匹配一个数字，等价于 [0-9]；
\\D ：匹配一个非数字，等价于 [^0-9]；
\\n ：匹配一个换行符；
\\r ：匹配一个回车符；
\\s ：匹配一个空白字符；
\\t ：匹配一个制表符；
\\w ：匹配一个单字字符,等价于 [A-Za-z0-9]；

JavaScript 中的 RegExp

ECMAScript 通过 RegExp 类型来支持正则表达式；

定义方式

JavaScript 有两种定义正则表达式的方式。

字面量形式

var expression = / pattern / flags ;

其中的 pattern 就不再赘述，说一说 flags 标志位：
g ：global，全局模式，会匹配所有的字符串；
i ：case-insensitive，忽略大小写；
m ：multiline，多行模式，到达一行末尾时还会继续查找下一行；

RegExp 构造函数

var expression = new RegExp("pattern", "flags") ;

注意：传递给 RegExp 构造函数的两个参数都是字符串；

RegExp 实例属性

var pattern1 = /\\[bc\\]at/i;
alert(pattern1.global);
alert(pattern1.ignorecase);
alert(pattern1.multiline);
alert(pattern1.lastIndex);
alert(pattern1.source);

var pattern2 = new RegExp("\\\\[bc\\\\]at", "i");
alert(pattern1.global);
alert(pattern1.ignorecase);
alert(pattern1.multiline);
alert(pattern1.lastIndex);
alert(pattern1.source);

RegExp 实例方法

exec()

该方法接收一个要应用模式的字符串作为参数，然后返回包含第一个匹配项信息的数组。

var text = "mom and dad and baby";
var pattern1 =  /mom ( and dad ( and baby)?)?/gi;

var matches = pattern1.exec(text);
// ["mom ", undefined, undefined, index: 0, input: "mom and dad and baby", groups: undefined]
alert(matches.index)
alert(matches.input)
alert(matches[0])
alert(matches[1])
alert(matches[2])

对于 exec() 方法而言，即使在模式中设置了全局标志，它每次也只会返回一个匹配项。

test()

该方法接收一个字符串参数，在模式与该参数匹配的情况下返回 true，否则返回 false。

var text = "000-00-0000";
var pattern = /\\d{3}-\\d{2}-\\d{4}/;

if (pattern.test(text)) {
  alert("The pattern was matched.")
}

RegExp 构造函数属性

RegExp 的静态属性，这些属性适用于作用域中的所有正则表达式，并且基于所执行的最近一次正则表达式操作而变化。

input        $_  ：最近一次要匹配的字符串；
lastMatch    $&  ：最近一次的匹配项；
lastParen    $+  ：最近一次匹配的捕获组；
leftContext  $`  ：input 字符串中 lastMatch 之前的文本；
multiline    $*  ：布尔值，表示是否所有表达式都使用多行模式；
rightContext $\'  ：input 字符串中 lastMatch 之后的文本；

var text = "this has been a short summer";
var pattern = /(.)hort/g;

if (pattern.test(text)) {
  alert(RegExp.input);           // this has been a short summer
  alert(RegExp.leftContext);     // this has been a
  alert(RegExp.rightContext);    // summer
  alert(RegExp.lastMatch);       // short
  alert(RegExp.lastParen);       // s
  alert(RegExp.multiline);       // false
}

Linux 中的 grep 命令

Global search Regular Expression and Print out the line.

grep [OPTIONS] [-e PATTERN | -f FILE] [FILE...]

OPTIONS:
  --color=auto
  -i   ：忽略大小写；
  -o   ：仅显示匹配到的字符串本身；
  -v   ：显示不被模式匹配到的行；
  -E   ：支持使用扩展的正则表达式元字符；
  -q   ：静默模式；
  -A # ：后 # 行；
  -B # ：前 # 行；
  -C # ：前后 # 行；

鸣谢

• 维基百科
• 百度百科
• Linux 大师 马哥
• 红宝书
• 猪哥