码农要会写正则表达式

Posted 2021-05-02 刘小绪同学

这两天一直在时不时的和neo4j图数据库打交道。它的查询语句可以使用正则表达式，有一段时间没有自己写过正则表达式了，现在处于能看懂别人写的正则表达式，但是自己写不出来，语法规则都忘了。为了方便接下来的工作，所以特地复习复习正则表达式的语法。

正则表达式简介

    正则表达式是用来匹配字符串的一系列匹配符，具备简介高效的特点，在很多语言中都有支持（java、python、javascript、php等等）。在windows的cmd命令中也同样支持，例如使用命令dir j*，那么只会罗列出所有以j开头的文件和文件夹。

正则表达式基本语法

    正则表达式在在不同语言的支持语法略有不同，本文采用js的进行说明。js中使用正则表达式的方法为str.match(/表达式/)，即需要加两个斜杠。以下所有的代码段第一行为代码，第二行为返回结果，实验是在chrome控制台进行的。

    一直认为最好的学习方式就是实际操作，理论谁都能讲一大堆，但是实际做没做出来还真不知道。一个奇葩现象就是教软件工程的老师可能并没有在软件行业待过。

普通匹配符

    普通匹配符能匹配与之对应的字符，默认区分大小写。

"Hello Regx".match(/H/)
["H", index: 0, input: "Hello Regx", groups: undefined]

正则标记符

• i ：不区分大小写

• g ：全局匹配

• m ：多行匹配（暂不管它，我用的少）

    参数直接加在最后一个斜杠的后面，比如”Hello Regx”.match(/regx/==i==)，可以加多个参数。

"Hello Regx".match(/regx/i)
["Regx", index: 6, input: "Hello Regx", groups: undefined]

    之前是表达式一旦匹配成功，就不再向字符串后面查找了，加上g后，表示进行全局查找。最后返回的是一个数组。

"Hello Regx".match(/e/g)
(2) ["e", "e"]

多匹配符

• \d ：匹配数字，即0~9

• \w ：匹配数字、字母、下划线

• . ：匹配除换行的所有字符

    需要注意的是，上面所有的匹配符都只能匹配一个字符。

"Hello 2018".match(/\d/g)
// 使用\d,匹配字符串中的所有数字
(4) ["2", "0", "1", "8"]


"Hello 2018".match(/\w/g)
// 使用\w，匹配所有的数字和字母，需要注意没有匹配到空格
(9) ["H", "e", "l", "l", "o", "2", "0", "1", "8"]


"Hello 2018".match(/./g)
// 使用.，匹配所有字符，包括空格
(10) ["H", "e", "l", "l", "o", " ", "2", "0", "1", "8"]


"Hello 2018".match(/\d\w./g)
// 分析一下这个为什么匹配到的是201，
// 首先\d找到第一个数字2，匹配成功，紧接着\w匹配到0，然后.匹配到1
// 整个正则表达式匹配成功，返回201
["201"]


"Hello 20\n18".match(/\d\w./g)
// 这里匹配不成功，因为.不能匹配换行符，所以返回null
null


"Hello 2018".match(/\w.\d/g)
// 首先看这个正则式，\w.\d，它要求最后一个字符是数字
// \w.能一直匹配到空格，但是因为得满足\d，所以第一个匹配成功的是0 2
// 因为是全局匹配，所以会接着匹配后面的018，也匹配成功
(2) ["o 2", "018"]

自定义匹配符

    比如中国的手机号都是以1开头，第二位只能是3、4、5、7、8，第3位只要是数字就行。如何匹配这样的字符串？

• [] ：匹配[]中的任意一个字符

"152".match(/1[34578]\d/)
// 第二个字符可以选择中括号中的任意一个
["152", index: 0, input: "152", groups: undefined]

    如果在[]添加了^,代表取反。即[\^]表示除了中括号中的字符都满足。

"152".match(/1[^34578]\d/)null"1a2".match(/1[^34578]\d/)
// 只要不是[]中的字符，都满足，包括回车符
["1a2", index: 0, input: "1a2", groups: undefined]

修饰匹配次数

    我们的手机号有11位，除了前2位有要求，其他9位度没有要求，那么是不是正则表达式就应该这样写呢？

1[^34578]\d\d\d\d\d\d\d\d\d

    很明显，这样写太麻烦，肯定有更好的方式，这里就可以修饰一下匹配次数啦。

• ? ：最多出现1次

• + ：至少出现1次

• * ：出现任意次数

• {} ：分下面四种情况

• {n}代表前面的匹配符出现n次

• {n, m}出现次数在n~m之间

• {n, }至少出现n次

• {, m}最多出现m次

    例子很简单，一看就懂，不浪费时间。

"15284750845".match(/1[34578]\d{9}/)
["15284750845", index: 0, input: "15284750845", groups: undefined]


"15".match(/1[34578]\d?/)
["15", index: 0, input: "15", groups: undefined]


"152".match(/1[34578]\d?/)
["152", index: 0, input: "152", groups: undefined]


"152".match(/1[34578]\d+/)
["152", index: 0, input: "152", groups: undefined]


"15".match(/1[34578]\d+/)
null

完整匹配

    按照上面的写法会出现下面的问题。

"ya15284750845".match(/1[34578]\d{9}/)
// 不是电话号码，也能匹配成功，需要进一步改进
["15284750845", index: 2, input: "ya15284750845", groups: undefined]

• ^ ：在[]中代表取反，但在外面代表从开始匹配

"ya15284750845".match(/^1[34578]\d{9}/)
// 现在就能从一开始匹配而且还得符合正则式才算匹配成功
null


// 但是依旧会出现下面的问题
"1528475084523255".match(/^1[34578]\d{9}/)
// 不是电话号码也能匹配成功，还要改进
["15284750845", index: 0, input: "1528475084523255", groups: undefined]

• $ ：代表持续匹配到结束

"1528475084523255".match(/^1[34578]\d{9}$/)
// 现在就能保证正确了，有^表示从开始匹配；// 有$表示持续匹配到结束，即完全匹配
null

/* 需要注意的是，一个字符串从开始匹配和从结束匹配都没问题， 不代表整个字符串就没问题，比如15284750845-15284750845 这个字符串从开始和从结束匹配都能成功，但实际上是错的 */

特殊符号

    到这里发现正则表达式确实很强大，仅仅几个简单的符号就能匹配字符串，但是如果我们要匹配的字符本身就是前面用到的符号怎么办呢？

• 匹配像$、^等特殊符号时，需要加转义字符\

"1.".match(/./)
//因为.能匹配除换行的所有字符，所以匹配到1//但实际上我们想匹配.这个字符
["1", index: 0, input: "1.", groups: undefined]


"1.".match(/\./)
// 只需要加一个转义字符就可以了，其他类似
[".", index: 1, input: "1.", groups: undefined]

条件分支

    比如现在想匹配图片的文件名，包括jpg、png、jpeg、gif等等，这是多个选项，所以需要像编程语言一样，应该具备条件分支结构。

• | ：条件分支

• () ：有两层含义

• 括号中的内容成为一个独立的整体

• 括号的内容可以进行分组，单独匹配，若不需要此功能，则(?:)

"1.jpg".match(/.+\.jpe?g|gif|png/)
// 这样就可以满足条件分支了,不过下面又出问题了
["1.jpg", index: 0, input: "1.jpg", groups: undefined]


"1.png".match(/.+\.jpe?g|gif|png/)
// 这里没有匹配到.和前面的文件名
["png", index: 2, input: "1.png", groups: undefined]

/* 其实我们想告诉它的是，.和后面的每一个条件分支的值都是一个独立的整体 但是它把.+\.jpe?g、gif、png当成了各自独立的整体 我们并不想让它这样切分，所以我们来告诉它怎么分才是正确的 */


"1.png".match(/.+\.(jpe?g|gif|png)/)
// 现在可以匹配成功了，但是它多匹配了一个// 因为括号的内容可以进行分组，单独匹配
(2) ["1.png", "png", index: 0, input: "1.png", groups: undefined]


// 所以最终写法如下
"1.png".match(/.+\.(?:jpe?g|gif|png)/)
["1.png", index: 0, input: "1.png", groups: undefined]

贪婪与懒惰

// 首先看一个例子
"aabab".match(/a.*b/)
["aabab", index: 0, input: "aabab", groups: undefined]

/* 上面的匹配没有什么问题，但实际上aab也是可以的 也就是aab也是符合条件的，那又是为什么呢？ */

    因为在正则表达式中，默认是贪婪模式，尽可能多的匹配，可以在修饰数量的匹配符后面添加?，则代表懒惰。

// like this (^__^)
"aabab".match(/a.*?b/)
["aab", index: 0, input: "aabab", groups: undefined]

    到这里应该就差不多了，再深入的，就自我查询知识了。

——END——