让前端工程师糟心的正则表达式到底是什么？

最近看了一篇关于正则表达式的学习笔记，觉得讲的非常好，更有图形化的神器相助，想不学会都难，所以想转给大家看看。

话说不是开发为啥要学正则表达式这种看似很晦涩的东西呢，因为现在很多搜索的场景都是支持正则表达式的，学会了正则表达式就有如一把利剑在手。

本文较长，建议抽40分钟完整的时间一次读完再慢慢消化。以下是正文（为了适应难度，做了稍许调整）

1.什么是正则表达式

正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

通俗的讲就是按照某种规则去匹配符合条件的字符串

2.利用图形化工具理解正则表达式

辅助理解正则表达的在线工具 https://regexper.com/ 我们利用这个工具辅助理解，正则表达式。语法没懂表着急，后面会有，这里只是学会用工具帮助我们学习。

手机号正则

/^1[34578][0-9]{9}$/

注释：以1开头，第二位为3 4 5 7 9 其中一个，以9位（本身1次加重复8次）0-9数字结尾

单词边界

/\bis\b/

注释： is前后都是单词的边界，比较晦涩难懂？感受下两者的区别，

\b

会方道语法部分讲解



URL分组替换

/http:(\/\/.+\.jpg)/

看不懂的不要慌语法部分后面会有介绍，这里只是展示利用可视化的图形帮助我们理解正则表达式，可以回来再看木有关系

正则表达式中括号用来分组，这个时候我们可以通过用

$1

来获取 group#1的内容

说下这个正则的意义，如果网站用了https，网站引用静态资源也必须是https，否则报错。如果写成

//

会自动识别 http 或者 https

日期匹配与分组替换

/^\d{4}[/-]\d{2}[/-]\d{2}$/

这个正则比较复杂，画符念咒的地方太多了，一一分析：

Start of line 是由

^

生效的表示以此开头

对应结尾End of line 由

$

生效表示以此结尾

接着看digit 由

\d

生效表示数字

3times 由

{4}

生效表示重复4次，开始的时候有疑问，为什么不是 4times 。后来明白作者的用意，正则表达式是一个规则，用这个规则去从字符串开始匹配到结束（注意计算机读字符串可是不会分行的，都是一个串，我们看到的多行，人家会认为是个

\t

）这里设计好像小火车的轨道一直开到末尾。digit 传过一次，3times表示再来三次循环，共4次，后面的once同理。 自己被自己啰嗦到了。

接下来，是 one of 在手机正则里面已经出现了。表示什么都行。只要符合这两个都让通过。

好了这个正则解释完了，接下来用它做什么呢？

我们可以验证日期的合法性

结合URL分组替换所用到的分组特性，我们可以轻松写出日期格式化的方法

改造下这个正则

/^(\d{4})[/-](\d{2})[/-](\d{2})$/

轻松的可以拿到 group#1 #2 #3 的内容，对应

$1

$2

$3

到现在已经能结合图形化工具看懂正则表达式表达式了，如果想自己写，还要在正则语法上下点功夫

4. 正则表达式语法

1 修饰符 （三个 g i m）

修饰符与其他语法特殊，字面量方法声名的时候放到

//

后，构造函数声明的时候，作为第二个参数传入。整个正则表达式可以理解为正则表达式规则字符串+修饰符

g：global 执行一个全局匹配

i：ignore case执行一个不区分大小写的匹配

m: multiple lines多行匹配

修饰符可以一起用

const reg =/\bis\b/gim

来说说他们有什么作用

有g和没有g的区别

没有g只替换了第一个，有g 所有的都换了

有i和没有i的区别

有i忽略大小写，没有i严格区分大小写

2 元字符

正则表达式由两种基本字符组成：

原义字符

非打印字符

元字符 (* + ? $ ^ . | \ ( ) { } [ ])

3. 原义字符

这个没什么好解释的，我们一直在举例的 /is/ 匹配字符串'is'

\

将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，

n

”匹配字符“

n

”。“

\n

”匹配一个换行符。序列“

\\

”匹配“

\

”而“

\(

”则匹配“

(

”。

4. 非打印字符

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。

非打印字符，以

\n

为例



其他的在前端引用比较少，应该在后端处理文本文件的时候会用到

5. 字符类 []

在前面的手机号正则例子中，我们已经使用过[]

/^1[34578][0-9]{9}$/

:

[34578]

表示34578任意一个数字即可。在日期匹配与分组替换例子中

/^\d{4}[/-]\d{2}[/-]\d{2}$/

表示符合

／

-

都可以



6. 字符类取反 [^]

表示不属于此类



空格也不属于，好多狗

7. 范围类[-]

正则表达式支持一定范围规则比如

[a-z]

[A-Z]

[0-9]

可以连写[a-z0-9] 如果你只是想匹配

-

在 范围类最后加

-

即可。请看实例。



8. 预定义类

常用为了方便书写

字符	等价类	含义
.	[^\n\r]	除了回车符和换行符之外的所有字符
\d	[0-9]	数字字符
\D	[^0-9]	非数字字符
\s	[\t\n\x0B\f\r]	空白符
\S	[^\t\n\x0B\f\r]	非空白符
\w	[a-zA-Z_0-9]	单词字符（字母、数字、下划线）
\W	[^a-zA-Z_0-9]	非单词字符

有了这些预定义类，写一些正则就很方便了，比如我们希望匹配一个 ab+数字+任意字符 的字符串，就可以这样写了

/ab\d./

9. 边界

字符	含义
^	以xx开头
$	以xx结尾
\b	单词边界，指[a-zA-Z_0-9]之外的字符
\B	非单词边界

边界顾名思义即定义匹配的边界条件，上面基本都在前面的例子碰到了，这里演示下

\b

与

\B

的区别

10. 量词

字符	含义
?	出现零次或一次
*	出现零次或多次(任意次)
+	出现一次或多次（至道一次）
{n}	对应零次或者n次
{n,m}	至少出现n次但不超过m次
{n,}	至少出现n次(+的升级版)
{0,n}	至多出现n次(其实就是{n,m} 方便记忆而已)

如果没有量词，要匹配4位数字这样写就可以

/\d\d\d\d/

, 如果匹配50位100位呢？那不是要疯掉了？

有了量词，就可以这样写

/\d{100}/

, 量词的使用我们在手机号中使用过，表现在可视化中就是循环多少次。

凑一个上面都包含的实例

/\d?@\d*@\d+@\d{10}@\d{10,20}@\d{10,}@\d{0,10}/

11.贪婪与懒惰（非贪婪）

正则表达式默认会匹配贪婪模式，什么是贪婪模式呢？如其名尽可能多的匹配。我们看个例子。

/\d{3,6}/

贪婪模式下，匹配的了最多的情况。

与贪婪对应就是懒惰模式，懒惰对应的就是匹配的尽可能少的情况。如何开启懒惰模式？ 在量词后面加

?

。继续上面的例子

/\d{3,6}?/

如果想知道，正则表达式是如何匹配量词的，请看 进阶正则表达式 文中有介绍，正则是如何回溯的。

12.分组与反向引用

分组，又称为子表达式。把正则表达式拆分成小表达式。概念枯燥，说个例子为嘛用分组：

不分组

/abc{2}/

量词仅作用到最后的

c

分组

/(abc){2}/

注意这里 group #1

分组虽然和运算符

()

很像，但是分组在正则表达式中，注意理解组的含义。经常有人滥用分组

/^(http|https)/

真的需要这样么？其实

/^https?/

就可以了，你正则写的特别长的时候，会出现一堆没用的结果，看着都头疼吧。

分组往往和反向引用一起使用，别被概念吓到：当一个正则表达式被分组后，每个分组自动被赋予一个组号，一左到右分别是

$1

$2

…

再把之前的例子拿出来

/^(\d{4})[/-](\d{2})[/-](\d{2})$/

轻松的可以拿到 group#1 #2 #3 的内容，对应

$1

$2

$3

如果在反向引用中不想捕获年该如何操作? 加上

?:

即可

/^(?:\d{4})[/-](\d{2})[/-](\d{2})$/

12.前瞻

⚠️ 这部分为进阶部分—选看

正则表达式中有前瞻（Lookahead）和后顾（Lookbehind）的概念，这两个术语非常形象的描述了正则引擎的匹配行为。需要注意一点，正则表达式中的前和后和我们一般理解的前后有点不同。一段文本，我们一般习惯把文本开头的方向称作“前面”，文本末尾方向称为“后面”。但是对于正则表达式引擎来说，因为它是从文本头部向尾部开始解析的（可以通过正则选项控制解析方向），因此对于文本尾部方向，称为“前”，因为这个时候，正则引擎还没走到那块，而对文本头部方向，则称为“后”，因为正则引擎已经走过了那一块地方。

⚠️注意：后顾性能损耗比较大，js只支持前瞻（知乎上看到的，具体原因不详）

上面的比较概念话，尝试用大白话讲讲，就说皇上选妃吧，先行条件得是美女吧，长得“如花”那样皇上可不要，漂亮这关过了，皇上想要这个美女也不行，皇室有规矩，必须是贵族血统。

那么“漂亮”就是正常的匹配，匹配到了，还得看看家室是不是贵族。"贵族"相当于前瞻条件

前瞻分两种一种是正向前瞻

(?=xxx)

, 另一种是负向前瞻

(?!xxx)

======感谢原作者@给产品经理讲技术！========

本文为头条号作者发布，不代表今日头条立场。
http://www.toutiao.com/i6371940949173469697/?tt_from=mobile_qq&utm_campaign=client_share&app=news_article&utm_source=mobile_qq&iid=6954978202&utm_medium=toutiao_ios