正则表达式完整使用指南

正则表达式，简称regex，是一种允许你对字符串与特定模式进行匹配的语法。你可以将其视为一种改进的文本搜索快捷方式，除此之外，正则表达式还可以使用量词、模式集合、特殊字符和捕获组来创建极其高级的搜索模式。

正则表达式可用于查询基于字符串的数据，例如：

• 分析命令行输出
• 解析用户输入
• 检查服务器或程序日志
• 处理语法一致的文本文件，例如CSV
• 读取配置文件
• 搜索和重构代码

虽然理论上可以在没有正则表达式的情况下完成这些工作，但有了正则表达式，完成这些任务变得轻而易举。

正则表达式是什么样的？

最简单的正则表达式看起来像这样：

在上面的Test示例中，字母test形成了搜索模式，与简单搜索相同。

然而，正则表达式并不总是如此简单。下面的这个正则表达式将匹配3个数字，后跟一个-，再3个数字，再一个-，最后以4个数字结尾。

就像一个电话号码：

^(?:\d{3}-){2}\d{4}$

这个正则表达式看起来就复杂多了。事实上，大多数正则表达式都可以用多种方式编写。例如，上面的正则表达式可以重写为以下这个更长但更易读的版本：

^[0-9]{3}-[0-9]{3}-[0-9]{4}$

本文将重点关注Regex的ECMAScript变体，ECMAScript变体虽然用于JavaScript，但与其他语言的regex实现有许多共同点。

如何读取（和写入）正则表达式

量词

正则表达式中的量词检查搜索字符的次数。

以下是所有量词：

• a|b— 匹配a或b
• ?— 0次或1次
• +— 1次或多次
• *— 0次或多次
• {N}— 正好N次（N是一个数字）
• {N,}— N次或更多次（N是一个数字）
• {N,M}— 介于N和M次之间（N和M都是数字且N < M）
• *?— 0次或多次，但在第一次匹配后停止

例如，请看以下正则表达式：

Hello|Goodbye

匹配字符串Hello和Goodbye。

还有下面这个：

Hey?

将跟踪y0到1次，因此将匹配字符串He和Hey。

或者下面这个：

Hello{1,3}

该正则表达式将匹配字符串Hello、Helloo、Hellooo，但不匹配Helloooo，因为寻找的是字母o数量为1到3个之间的字符串。

甚至可以组合使用：

He?llo{2}

搜索匹配具有0到1个字母e和2个字母o的字符串，因此将匹配Helloo和Hlloo。

贪婪匹配

注意正则表达式量词的+符号。此符号匹配一个或多个字符。即：

Hi+

将匹配从Hi到Hiiiiiiiiiiiiiiii的所有内容。这是因为默认情况下所有量词都被认为是“贪婪的”。

而如果使用问号?将其改为“惰性的”，则行为会发生变化。

Hi+?

现在，i将尝试尽可能少地匹配。由于+表示“一或多”，因此只会匹配一个i。这意味着如果我们输入字符串Hiiiiiiiiiiii，只会匹配Hi。

虽然这并不是特别有用，但当与更广泛的匹配，如.符号进行组合时就变得非常重要。.符号在正则表达式中用来查找“任意字符”。

现在，如果你使用：

H.*llo

则可以匹配从Hillo到Hello再到Hellollollo的所有内容。

那么，如果只想匹配上述示例中的Hello怎么办？

好吧，只需使用?就能按我们的意愿进行搜索：

H.*?llo

模式集合

模式集合允许你搜索要匹配的字符集合。例如，使用以下正则表达式：

My favorite vowel is [aeiou]

可以匹配以下字符串：

My favorite vowel is a
My favorite vowel is e
My favorite vowel is i
My favorite vowel is o
My favorite vowel is u

以下是最常见的模式集合列表：

• [A-Z]— 匹配从A到Z的任意大写字符
• [a-z]— 匹配从a到z的任意小写字符
• [0-9]— 匹配任意数字
• [asdf]— 匹配a、s、d或f字符
• [^asdf]— 匹配任何不是a、s、d或f字符的字符

可以组合使用：

• [0-9A-Z]— 匹配从A到Z的任意数字或大写字母字符
• [^a-z]— 匹配任意非小写字母

常用标记

并非每个字符都容易识别。比如说换行符，“换行符”字符是你在按Enter添加新行时输入的字符。

• .— 任意字符
• \n— 换行符
• \t— 制表符
• \s— 空白字符（包括\t、\n和其他一些字符）
• \S— 非空白字符
• \w— 单词字符（大写和小写拉丁字母、数字0-9和_）
• \W— 非单词字符
• \b— 单词边界：\w和\W之间的边界，但匹配中间字符
• \B— 非单词边界
• ^— 行的开始
• $— 行尾
• \\— 文字字符\

因此，如果想删除新单词开始的每个字符，可以使用以下正则表达式：

\s.

以及将结果替换为空字符串。这样下面的：

Hello world how are you

将变为：

Helloorldowreou

与集合组合使用

这些标记不仅仅可以单独用！假设我们要删除大写字母或空白字符。可以这样写：

[A-Z]|\s

但其实，可以合并在一起，将\s标记放入集合中：

[A-Z\s]

单词边界

在上面的标记列表中，我们提到了用\b来匹配单词边界。

给定一个字符串This is a string，我们希望匹配空格字符——然而，事实并非如此。它在字母和空格之间匹配：

这可能很难理解，但直接匹配单词边界可不简单。你还需要类似以下的内容才能匹配全部单词：

可以像这样解释上面的正则表达式语句：

“一个单词边界。然后，一个或多个‘单词’字符。最后，再另一个单词边界”。

行的开始和结束

^和$分别标识了一行的开始和结束。

所以，如果你想查找第一个单词，可以这样做：

\b\w+\b

匹配一个或多个“单词”字符，但仅在行开始后匹配。请记住，“单词”字符可以是大写或小写拉丁字母、数字0-9和_的任何字符。

同样，如果你想找到最后一个单词，正则表达式可以如下所示：

\w+$

然而，虽然这些标记通常表示结束一行，但并不意味着它们后面不能有字符。

例如，如果我们想查找换行符之间的空白字符怎么办？

可以使用以下正则表达式来查找一行结束后的所有空白字符：

$\s+

字符转义

虽然标记非常有用，但在尝试匹配实际包含标记的字符串时，可能会变得复杂。例如，假设你在博客文章中有以下字符串：

"The newline character is '\n'"

或者想查找这篇博文使用\n这个字符串的每个实例。那么，你可以使用\转义字符。正则表达式看起来像这样：

\\n

如何使用正则表达式

正则表达式不仅仅对查找字符串有用。在其他方法中也可以用于帮助修改或以其他方式处理字符串。

这里我们以JavaScript为例。

使用正则表达式创建和搜索

首先，让我们来看看如何构造正则表达式字符串。

在JavaScript（以及许多其他语言）中，正则表达式放在//块中。搜索小写字母的正则表达式如下所示：

/[a-z]/

此语法会生成一个RegExp对象，我们可以将其与内置方法（如exec）一起使用，以匹配字符串。

/[a-z]/.exec("a"); // Returns ["a"]
/[a-z]/.exec("0"); // Returns null

或者，我们也可以通过要转换为正则表达式的字符串来调用RegExp构造函数：

const regex = new RegExp("[a-z]"); // Same as /[a-z]/

用正则表达式替换字符串

正则表达式可以用来搜索和替换文件的内容。假设你想用消息goodbye替换任意问候语。可以这样做：

function youSayHelloISayGoodbye(str) {
  str = str.replace("Hello", "Goodbye");
  str = str.replace("Hi", "Goodbye");
  str = str.replace("Hey", "Goodbye");  str = str.replace("hello", "Goodbye");
  str = str.replace("hi", "Goodbye");
  str = str.replace("hey", "Goodbye");
  return str;
}

但有一个更简单的做法，使用正则表达式：

function youSayHelloISayGoodbye(str) {
  str = str.replace(/[Hh]ello|[Hh]i|[Hh]ey/, "Goodbye");
  return str;
}

你注意到如果你通过传入参数Hello, Hi there运行youSayHelloISayGoodbye了吗？结果并不会匹配多个输入：

如果正则表达式/[Hh]ello|[Hh]i|[Hh]ey/用于字符串Hello, Hi there，默认情况下只会匹配Hello。

但我们期望看到Hello和Hi都匹配。

因此我们需要使用正则表达式“标志”来多次匹配。

标志Flags

正则表达式标志flag是对现有正则表达式的修饰符。这些标志总是附加在正则表达式定义的最后一个正斜杠之后。

常见的标志如下：

• g— 全局，匹配不止一次
• m— 强制$和^分别匹配每个换行符
• i— 使正则表达式不区分大小写

我们现在来重写以下正则表达式：

/[Hh]ello|[Hh]i|[Hh]ey/

使用不区分大小写的标志：

/Hello|Hi|Hey/i

有了这个标志，现在这个正则表达式可以匹配：

Hello
HEY
Hi
HeLLo

以及任何其他大小写修改的变体。

带字符串替换的全局正则表达式标志

正如我们之前提到的，如果你在没有任何标志的情况下进行正则表达式替换，则只会替换第一个结果：

let str = "Hello, hi there!";
str = str.replace(/[Hh]ello|[Hh]i|[Hh]ey/, "Goodbye");
console.log(str); // Will output "Goodbye, hi there"

但是，如果传递global标志，则将匹配正则表达式匹配的每个问候语实例：

let str = "Hello, hi there!";
str = str.replace(/[Hh]ello|[Hh]i|[Hh]ey/g, "Goodbye");
console.log(str); // Will output "Goodbye, Goodbye there"

关于JavaScript全局标志的说明

使用全局JavaScript正则表达式时，你可能会在多次运行exec命令时遇到一些奇怪的行为。

特别是，如果你使用全局正则表达式运行exec，将间隔一次返回null：

第一次和第三次正确找到结果，但第二次返回了null。正如MDN所说：

JavaScript RegExp对象在设置了global或sticky标志时是有状态的……它们存储上一次匹配的lastIndex。在内部使用时，exec()可用于遍历文本字符串中的多个匹配项……

exec命令尝试向前移动来查看lastIndex。因为lastIndex设置为字符串的长度，所以它会尝试匹配""—— 一个空字符串——与正则表达式，直到再次被另一个exec命令重置。虽然此功能在特定的环境中可能很有用，但新用户往往会感到困惑。

为了解决这个问题，我们可以在运行每个exec命令之前将lastIndex赋值为0：

组

使用正则表达式搜索时，一次搜索多个匹配项用处很大。这就需要组groups发挥作用了。组允许你一次搜索多个项目。

在示例中，我们可以看到既匹配了Testing 123又匹配了Tests 123，而无需在正则表达式中重复123。

/(Testing|tests) 123/ig

组由括号定义；有两种不同类型的组——捕获组和非捕获组：

• (...)— 匹配任意三个字符的组
• (?:...)— 匹配任意三个字符的非捕获组

当“替换”是等式的一部分时，这两者之间的差异通常会出现在会话中。

例如，使用上面的正则表达式，我们可以通过以下JavaScript将文本替换为Testing 234和tests 234：

const regex = /(Testing|tests) 123/ig;

let str = `
Testing 123
Tests 123
`;

str = str.replace(regex, '$1 234');
console.log(str); // Testing 234\nTests 234"

使用$1来指代第一个捕获组(Testing|tests)。可匹配多个组，例如(Testing|tests)和(123)：

const regex = /(Testing|tests) (123)/ig;

let str = `
Testing 123
Tests 123
`;

str = str.replace(regex, '$1 #$2');
console.log(str); // Testing #123\nTests #123"

但是，这仅适用于捕获组。如果我们将正则表达式：

/(Testing|tests) (123)/ig

改为：

/(?:Testing|tests) (123)/ig;

然后只有一个捕获组——(123)——那么，相同代码将输出不同的内容：

const regex = /(?:Testing|tests) (123)/ig;

let str = `
Testing 123
Tests 123
`;

str = str.replace(regex, '$1');
console.log(str); // "123\n123"

命名捕获组

虽然捕获组很棒，但当有多个捕获组时，就很容易让人感到困惑。$3和$5之间的区别并不是谁都能够一目了然。

为了帮助解决这个问题，正则表达式有一个“命名捕获组”的概念

• (?<name>...)— 命名捕获组名为name，匹配任意三个字符

你可以像这样在正则表达式中创建一个名为num的组，匹配三个数字：

/Testing (?<num>\d{3})/

然后，像这样在替换中使用：

const regex = /Testing (?<num>\d{3})/
let str = "Testing 123";
str = str.replace(regex, "Hello $<num>")
console.log(str); // "Hello 123"

命名反向引用

有时在查询本身内引用命名捕获组可能很有用。这就是“反向引用”发挥作用的地方。

• \k<name>— 在搜索查询中引用命名捕获组name

假设你想要匹配：

Hello there James. James, how are you doing?

但不是：

Hello there James. Frank, how are you doing?

虽然可以像下面这样编写重复单词James的正则表达式：

/.*James. James,.*/

但更好的做法是：

/.*(?<name>James). \k<name>,.*/

现在，你就不需要硬编码两个名称了。

前瞻和后顾组

前瞻（Lookahead）组和后顾（behind）组非常强大，但经常被误解。

有四种不同类型的前瞻和后顾：

• (?!)— 负向前瞻
• (?=)— 正向前瞻
• (?<=)— 正向后顾
• (?<!)— 负向后顾

前瞻的工作方式正如其名：或者检查有什么东西在前瞻组之后，或者检查有什么东西不在前瞻组之后，具体怎么做取决于是正向的还是负向的。

例如像这样使用负向前瞻：

/B(?!A)/

将允许你匹配BC而不是匹配BA。

你甚至可以与^和$标记结合起来匹配完整的字符串。例如，以下正则表达式将匹配任何不以Test开头的字符串：

/^(?!Test).*$/gm

同样的，我们也可以切换为正向前瞻，以强制字符串必须以Test开头：

/^(?=Test).*$/gm

总结

正则表达式非常强大，可用于大量字符串的操作。了解正则表达式有助于重构代码库、脚本快速语言更改，等等！

现在让我们回过头去看最先的电话号码正则表达式：

^(?:\d{3}-){2}\d{4}$

此正则表达式想要匹配电话号码，例如：

555-555-5555

这个正则表达式：

• 使用^和$定义正则表达式行的开始和结束。
• 使用非捕获组查找三个数字，后跟破折号；然后重复操作，匹配555-555-
• 匹配电话号码的最后4位数字

希望这篇文章能帮助大家更好的理解正则表达式。感谢大家的阅读！