正则表达式实践篇

前端之家收集整理的这篇文章主要介绍了正则表达式实践篇前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

简单的练习:

题目

  1. 搜索字符串开始处的 3 个数字匹配。
  2. 与除 a、b 和 c 以外的任何字符匹配。
  3. '1234567'.match(/\d{1,3}/g)的结果。
  4. 不以“th”开头的单词匹配。
  5. 对密码应用以下限制:其长度必须介于 4 到 8 个字符之间,并且必须至少包含一个数字。
  6. 匹配一个中文字符。

答案
  • 与搜索字符串开始处的 3 个数字匹配:/^\d{3}/
  • 与除 a、b 和 c 以外的任何字符匹配:/[^abc]/
  • ‘1234567’.match(/\d{1,3}/g),根据贪婪原则,结果是["123","456","7"]
  • 不以“th”开头的单词匹配:/\b(?!th)\w+\b/
  • 对密码应用以下限制:其长度必须介于 4 到 8 个字符之间,并且必须至少包含一个数字:/^(?=.*\d).{4,8}$/。首先.{4,8} 表示与包含 4-8 个字符的字符串匹配;然后.*表示单个字符(除换行符 \n 外)零次或多次,且后面跟着一个数字,注意(?=)只匹配一个位置。
  • 匹配一个中文字符:/[\u4e00-\u9fa5]/
  • 当然,可能答案不唯一,不必较真啦~ 主要目的是回忆熟悉一下语法~
    如果还不了解正则,可以前往
    正则表达式理论篇了解哇~

    真正的实践来了

    要想在复杂性和完整性之间取得平衡,一个重要因素是要了解将要搜索的文本
    好的正则表达式:

    • 只匹配期望的文本,排除不期望的文本
    • 易于控制和理解
    • 保证效率

    有时候处理各种极端情况会降低成本/收益的比例。所以某些情况下,不完全依赖正则表达式完成全部工作,比如某些字段用子表达式()括起来,让内存记忆下来,然后再用其他程序来验证。

    不过本文还是从学习正则的角度出发,全部依赖正则表达式来写的哇~~

    匹配美元 正则表达式:/^\$[0-9]+(\.[0-9][0-9])?$/

    分为四部分:

    • ^\$以美元符号开头。
    • [0-9]+至少包含一个数字。
    • (\.[0-9][0-9])?由一个点和两位数组成,匹配0次或1次,因为可能是整数或者是小数。
    • $最后的$表示以数字结尾的。

    缺点:不能匹配$1,000

    匹配24小时制的时间,比如 09:59

    • 小时部分

    方法分类逻辑为第一个数字(0、1、2),可以分为三部分:上午 00点到09点(0可选);白天10到19点;晚上20到23点。

    因此有三个多选分支,得到的结果为:

         
         
    1
         
         
    0?[ 0 -9]| 1[ 2[ -3]

    还可以优化一下,合并前面的两个多选分支,得到:

    [ 01]?[ 方法分类逻辑为第二个数字,可以分为两部分:[0-3]和[4-9]。为什么这么分?看看下面这个图就知道了,[0-3]多了一行(以2为第一个数字):

    因此有两个多选分支,结果为:

    012]?[ -3]|[ 4 -9]

    • 分钟部分

    分钟数比较简单,第一个数范围在0-5之间,第二个数在0-9之间,因此得到分钟数为:

    [ 0-5][ 0-9]
    • 最后的结果:

    小时部分用(?:)包起来,起到一个分组的作用,且不保存匹配项;
    冒号、分钟数拼起来;
    最后加上一个分界\b表示单词的开始或结束,得到最终的结果:

    1
    2
    3
    /\b(?:[ 01]?[ 0-9]|2[ 0-3]):[ 0-5][ 0-9]\b/
    // 或者
    /\b(?:[ 012]?[ 0-3]|[ 4-9]):[ 0-5][ 0-9]\b/
    • 验证:
    var reg = /\b(?:[ 0-5][ 0-9]\b/;
    '现在是09:49点'.match(reg); // ["09:49"]
    '现在是009:490点'.match(reg); // null

    其实这个结果不能说完全正确,首先你要明白这个正则用在什么地方,比如是数据验证或者
    复杂的字符串搜寻替换。

    情景一:填写表单中的字符串必须为24小时制的时间,那么可能第一个\b需要改成^,第二个\b改成$

    情景二:用于复杂的字符串搜寻替换时,可能也会匹配这样子的字符串如’跑步用时19:50’,明显的,’19:50’表示19分50秒,而不是表示24小时制的时间19点50分。

    匹配IP地址 IP地址的规则:点号分开的四个字段,每个字段在0-255之间。

    • 第一步:

    如果一个字段是一个数或两个数,肯定是在0-255的范围内的;
    如果三位数,那么以0或者1开头的三位数也是合法的,即000-199。

    从上面的陈述中我们就可以得到三个多选分支:

    \d| \d \d|[01] \d \d

    我们稍微合并一下这三个多选分支,得到:

    [01]? \d \d?
    • 第二步:

    我们再来看以2开头的三位数:

    第二位数小于5的时候,第三位数范围[0-9]都可以;第二位数等于5的时候,第三位数范围[0-5] ,因此得到两个多选分支:

    -4]\d| 25[ -5]
    • 第三步:

    前两步合并起来,得到一个字段0-255的表示方法:

    01]?\d\d?|
  • 第四步:
  • 四个字段合并起来,IP地址正则如下:

    /^(?:[01]? \d \d?|2[0-4] \d|25[0-5]) \.(?:[01]? \d \d?|2[0-4] \d|25[0-5]) \.(?:[01]? \d \d?|2[0-4] \d|25[0-5]) \.(?:[01]? \d \d?|2[0-4] \d|25[0-5])$/

    点号要转义一下,^和$需要加上,否则可能匹配52123.3.22.993,因为其中的123.3.22.99是符合的。(?:)起到分组的作用,且不保存匹配项。

    一些测试结果:

    1
    2
    3
    4
    5
    6
    var reg = /^(?:[ -5])\.(?:[ -5])$/;
    '123.11.22.33.44'.match(reg); // null
    '52123.3.22.993'.match(reg); // null
    '123.11.22.33'.match(reg); // [ "123.11.22.33"]
    '0.0.0.0'.match(reg); // [ "0.0.0.0"]

    虽然0.0.0.0是合法的,但它是非法的IP地址,使用正则的否定顺序环视功能(零宽负向先行断言),可加上(?!0+.0+.0+.0+$) :

    1
    2
    3
    4
    var reg = /^(?! 0+ .0+ .0+$)(?:[ '123.11.22.33'.match(reg); // [ '0.0.0.0'.match(reg); // null

    匹配分隔符之内的文本

    常见的匹配要求

    • 匹配/**/之间的css注释。
    • 匹配引文字符串””,且容许其中包含转义的引号\”。
    • 匹配一个HTML tag,也就是尖括号之内的文本,例如。

    匹配思路的步骤@L_403_16@容许引文字符串中出现转义引号

    大概思路

    描述:起始分隔符和结束分隔符都是",且正文中容许出现转义之后的引号\"

    简单情况分析:

    举例:匹配类似I "start \"x3\" end" U文本的"start \"x3\" end"文字符串,注意\"属于转义引号。

    • 起始分隔符和结束分隔符都是"
    • 字符不是引号,肯定是正文。即[^"]表示不是引号的其他任意字符。
    • 引号"前面有反斜线\,且被反斜线\转义,则也属于正文。例如start\"引号的前面有一个反斜线,那么这个引号也属于正文。即(?<=\)”表示匹配一个引号,它的前面有一个\,注意正则的反斜线也要用\来转义一下,因为\是特殊字符。

    用非捕获分组(?:)[^"]|(?<=\\)"括起来,给个量词*,表示匹配正文0次或多次。
    因此可以写出正则表达式:/"(?:[^"]|(?<=\\)")*"/
    注意:ES7才支持逆序环视(?<=)

    验证1: 验证正则:/"(?:[^"]|(?<=\\)")*"/

    1
    2
    3
    4
    5
    'I "start \"x3\ " end" U'.match(/ "(?:[^"]|(?<=\\) ")*"/);
    // 结果: [ ""start ""]
    'I "start \\"x3\\ ")*"/);
    // 结果:[ ""start \ "x3\" end ""]

    为什么第2个才是对的呢?我们看一下返回的input属性就了解了:

    验证2:
    'I " start \\ "x3\\\\" " U'.match(/"(?:[^ "]|(?<=\\)")* "/);
    // 结果与期望不符合:[""start \"x3\\" ""]
    // 期望:[ "" start\ "x3\\"]
    // 注意返回的 input属性为: "I " start \ "x3\\" " U"

    引号”前面有反斜线\,但是这个反斜线不是转义引号的,那么引号就不应该属于正文,而是属于结束分隔符。
    什么情况反斜线\不转义引号呢?
    这个反斜线\本身就是被转义的情况。

    上面的结果按照预期结果应该返回[""start\"x3\\"],但是现在多了end"
    因此验证这个正则表达式不正确。

    也就是说,正文中可出现转义的字符,因此得出正则\\.,注意第一个\表示转义第二个\,点表示匹配除换行符 \n 之外的任何单个字符),例如可以匹配\+或者\\。而且转义的字符已经包含了\"的情况,因此正则(?<=\\)"可以不用写了,且替换成\\.

    因此改正后的正则:/"(?:\\.|[^"])*"/

    你可能注意到了,我把[^”]和\.的位置调换一下,后面的验证3会讲到为什么要这么做。

    验证3:/"(?:\\.|[^"])*"/和/"(?:[^"]|\\.)*"/

    1
    2
    3
    4
    5
    6
    7
    8
    9
    " U'.match(/"(?:\\.|[^ "])*"/);
    // 结果与期望符合:["" "x3\\""]
    // input: "I "start \"x3\\" " U"
    // [^ "]和\\.的位置调换
    'I " "]|\\.)*"/);
    // 结果与期望不符合:["" "x3\\"]
    // input: [^"]\\.的位置调换后,结果与期望不符合。那是因为[^"]匹配start \后,遇到紧接着的"不匹配,交给后面的多选分支\\.,也不匹配,又刚好结束分隔符是 因此两个正则之间 正确的正则是/"(?:\\.|[^"])*"/

    验证4: 验证:/"(?:\\.|[^"])*"/

    'I "start \\"x3\\" end U'. match(/ "(?:\\.|[^"])* "/);
    // 结果与期望不符合:[ "x3\""]
    // 注意end后面少了 ",期望结果是null,不匹配
    // inpu t: "I "start \ "x3\" end U"

    上面的字符串"start\"x3\"其实是没有结束分隔符的,但是还是匹配了。那是因为正则\\.一起作用,导致匹配到了文本U末尾,后续想找结束分隔符的时候,结果却找不到,所以只能回溯文本去找结束分隔符,最后找到了x3\后面的引号,匹配成功,结束匹配。

    回溯会导致不期望的结果,由于是卡在多选分支上出错的,因此猜测多选分支|匹配内容出现重叠。

    你想想,如果符合正文的反斜线,不是以[^"]方式匹配,而是以\\.的方式匹配,那就不会把好好的\"拆开来匹配了。

    综上所述,一定要让反斜线是以\\.的方式匹配,字符串里的反斜杆不能以[^"]方式匹配。
    因此将[^"]改成[^\\"]。这样子就可以确保正确识别正文特殊的\"和结束分隔符"了。

    注意:很多字符在[]都会失去本来的意义,但是反斜杠字符\仍为转义字符。若要匹配反斜杠字符,请使用两个反斜杠\\

    改正的正则:/"(?:\\.|[^\\"])*"/

    验证5/"(?:\\.|[^\\"])*"/

    1
    2
    3
    4
    5
    6
    7
    8
    'I "start \\"x3\\" end U'.match(/ "(?:\\.|[^\\"])* "/);
    // 结果与期望符合:null
    // input: "I " end" U "
    'I " " U'.match(/"(?:\\.|[^\\ "])*"/);
    // 结果与期望符合:[ ""]
    // input: 为了优化,我们可以把[^\\"]放在前面,因为普通字符的匹配可能性更大。
    注意:优化正则提高效率最需要考虑的问题:改动是否会影响匹配。只有在排序与匹配成功无关时才不会影响准确性,才能重新安排多选分支的顺序。

    优化后的正则:/"(?:[^\\"]|\\.)*"/

    HTML Tag

    经历了容许引文字符串中出现转义引号的例子分析,瞬间觉得这个容易了许多。

    描述与要求:匹配类似<input name=123 value=">" >的HTML标签,起始分隔符是<,结束分隔符是>,且HTML 标签属性值中可以出现>

    起始分隔符和结束分隔符都是明确的,我们来分类一下正文。

    • 双引号引用文本
    • 单引号引用文本
    • 除了>和引号之外的任意字符

    可能你会当心单双引号引用文本,会像“容许引文字符串中出现转义引号”那么复杂。幸好是HTML Tag的属性值中不允许出现转义引号,因为平常的转义符号\变成了普通字符。

    根据三种情况,分别写出三个正则:

      "[^"]*"
    • '[^']*'
    • [^'">]

    好了,用多选分支连起来"[^"]*"|'[^']*'|[^'">],再用非捕获分组(?:)将多选分支括起来,如(?:"[^"]*"|'[^']*'|[^'">]),用*表示匹配任意次,最后前后加上开始结束分隔符,搞定:

    /<(?:"[^"]*"|'[^']*'|[^'">])*>/

    验证:

    1
    2
    '<input name=123 value=">" >'.match( /<(?:"[^"]*"|'[^']*'|[^'">])*>/)
    // 结果: ["<input name=123 value=">" >"]

    体会: 看到没有,几乎每个正则都包含多选分支,只要你懂得将数据分类,离成功就不远了。哈哈哈哈哈。

    参考 《精通正则表达式》
    http://imweb.io/topic/56e804ef1a5f05dc50643106

    感谢您的阅读,本文由 凹凸实验室版权所有。如若转载,请注明出处:凹凸实验室( https://aotu.io/notes/2016/12/07/regexp-practice/
    原文链接:https://www.f2er.com/regex/358667.html

    猜你在找的正则表达式相关文章