正则完整篇|原理篇

这篇文章不要按 API 清单来背。先用上面的 Mind Map 建立全局结构，再通过交互 DEMO 观察正常路径和边界路径如何改变状态；阅读正文时重点核对每一步的输入、负责执行的参与者、产生的中间状态以及最终可观察结果。遇到版本敏感结论，要把“历史实现”“当前行为”和“工程兼容策略”分开说明；遇到性能或架构取舍，则用实际指标、失败现象和验证手段支撑判断。

版本校准： 原理文章中的代码代表特定实现与写作时间。应用到当前项目时，应先确认浏览器、框架或工具的主版本，再区分稳定的规范语义、可变化的内部实现和项目自身约束。

正则表达式是匹配模式，要么匹配字符，要么匹配位置。请记住这句话

# 第一章 正则表达式字符匹配攻略

# 1.1 两种模糊匹配

如果正则只有精确匹配是没多大意义的，比如/hello/，也只能匹配字符串中的"hello"这个子串

var regex = /hello/;
console.log( regex.test("hello") ); 
// => true

• 正则表达式之所以强大，是因为其能实现模糊匹配
• 而模糊匹配，有两个方向上的“模糊”：横向模糊和纵向模糊

# 1.1.1 横向模糊匹配

• 横向模糊指的是，一个正则可匹配的字符串的长度不是固定的，可以是多种情况的
• 其实现的方式是使用量词。譬如{m,n}，表示连续出现最少m次，最多n次

比如/ab{2,5}c/表示匹配这样一个字符串：第一个字符是“a”，接下来是2到5个字符“b”，最后是字符“c”。测试如下

var regex = /ab{2,5}c/g;
var string = "abc abbc abbbc abbbbc abbbbbc abbbbbbc";
console.log( string.match(regex) ); 
// => ["abbc", "abbbc", "abbbbc", "abbbbbc"]

# 1.1.2 纵向模糊匹配

纵向模糊指的是，一个正则匹配的字符串，具体到某一位字符时，它可以不是某个确定的字符，可以有多种可能

• 其实现的方式是使用字符组。譬如[abc]，表示该字符是可以字符“a”、“b”、“c”中的任何一个

var regex = /a[123]b/g;
var string = "a0b a1b a2b a3b a4b";
console.log( string.match(regex) ); 
// => ["a1b", "a2b", "a3b"]

只要掌握横向和纵向模糊匹配，就能解决很大部分正则匹配问题

# 1.2 字符组

需要强调的是，虽叫字符组（字符类），但只是其中一个字符。例如[abc]，表示匹配一个字符，它可以是“a”、“b”、“c”之一

# 1.2.1 范围表示法

如果字符组里的字符特别多的话，怎么办？可以使用范围表示法

• 如果字符组里的字符特别多的话，怎么办？可以使用范围表示法
• 比如[123456abcdefGHIJKLM]，可以写成[1-6a-fG-M]。用连字符-来省略和简写
• 因为连字符有特殊用途，那么要匹配“a”、“-”、“z”这三者中任意一个字符，该怎么做呢？
• 不能写成[a-z]，因为其表示小写字符中的任何一个字符。
• 可以写成如下的方式：[-az]或[az-]或[a\-z]。即要么放在开头，要么放在结尾，要么转义。总之不会让引擎认为是范围表示法就行了

# 1.2.2 排除字符组

• 纵向模糊匹配，还有一种情形就是，某位字符可以是任何东西，但就不能是"a"、“b”、“c”
• 此时就是排除字符组（反义字符组）的概念。例如[^abc]，表示是一个除"a"、“b”、"c"之外的任意一个字符。字符组的第一位放^（脱字符），表示求反的概念

# 1.2.3 常见的简写形式

有了字符组的概念后，一些常见的符号我们也就理解了。因为它们都是系统自带的简写形式

• \d就是[0-9]。表示是一位数字。记忆方式：其英文是digit（数字）
• D就是[^0-9]。表示除数字外的任意字符
• \w就是[0-9a-zA-Z_]。表示数字、大小写字母和下划线。记忆方式：w是word的简写，也称单词字符。
• `W是[^0-9a-zA-Z_]`。非单词字符
• \s是[ \t\v\n\r\f]。表示空白符，包括空格、水平制表符、垂直制表符、换行符、回车符、换页符。记忆方式：s是space character的首字母
• \S是[^ \t\v\n\r\f]。 非空白符
• .就是[^\n\r\u2028\u2029]。通配符，表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外。记忆方式：想想省略号…中的每个点，都可以理解成占位符，表示任何类似的东西

如果要匹配任意字符怎么办？可以使用[\d\D]、[\w\W]、[\s\S]和[^]中任何的一个。

# 1.3 量词

量词也称重复。掌握{m,n}的准确含义后，只需要记住一些简写形式

# 1.3.1 简写形式

• {m,} 表示至少出现m次
• {m} 等价于{m,m}，表示出现m次
• ? 等价于{0,1}，表示出现或者不出现。记忆方式：问号的意思表示，有吗？
• + 等价于{1,}，表示出现至少一次。记忆方式：加号是追加的意思，得先有一个，然后才考虑追加
• * 等价于{0,}，表示出现任意次，有可能不出现。记忆方式：看看天上的星星，可能一颗没有，可能零散有几颗，可能数也数不过来

# 1.3.2 贪婪匹配和惰性匹配

var regex = /\d{2,5}/g;
var string = "123 1234 12345 123456";
console.log( string.match(regex) ); 
// => ["123", "1234", "12345", "12345"]

• 其中正则/\d{2,5}/，表示数字连续出现2到5次。会匹配2位、3位、4位、5位连续数字
• 但是其是贪婪的，它会尽可能多的匹配。你能给我6个，我就要5个。你能给我3个，我就3要个。反正只要在能力范围内，越多越好
• 我们知道有时贪婪不是一件好事（请看文章最后一个例子）。而惰性匹配，就是尽可能少的匹配

var regex = /\d{2,5}?/g;
var string = "123 1234 12345 123456";
console.log( string.match(regex) ); 
// => ["12", "12", "34", "12", "34", "12", "34", "56"]

其中/\d{2,5}?/表示，虽然2到5次都行，当2个就够的时候，就不在往下尝试了

• 通过在量词后面加个问号就能实现惰性匹配，因此所有惰性匹配情形如下

{m,n}?
{m,}?
??
+?
*?

• .* 是贪婪模式
• .*? 是勉强模式

对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？

# 1.4 多选分支

• 一个模式可以实现横向和纵向模糊匹配。而多选分支可以支持多个子模式任选其一
• 具体形式如下：(p1|p2|p3)，其中p1、p2和p3是子模式，用|（管道符）分隔，表示其中任何之一
• 例如要匹配"good"和"nice"可以使用/good|nice/。测试如下

var regex = /good|nice/g;
var string = "good idea, nice try.";
console.log( string.match(regex) ); 
// => ["good", "nice"]

• 但有个事实我们应该注意，比如我用/good|goodbye/，去匹配"goodbye"字符串时，结果是"good"：

var regex = /good|goodbye/g;
var string = "goodbye";
console.log( string.match(regex) ); 
// => ["good"]

• 而把正则改成/goodbye|good/，结果是

 var regex = /goodbye|good/g;
var string = "goodbye";
console.log( string.match(regex) ); 
// => ["goodbye"]

也就是说，分支结构也是惰性的，即当前面的匹配上了，后面的就不再尝试了

# 1.5 案例分析

匹配字符，无非就是字符组、量词和分支结构的组合使用罢了

# 1.5.1 匹配16进制颜色值

• 要求匹配

#ffbbad
#Fc01DF
#FFF
#ffE

分析

• 表示一个16进制字符，可以用字符组[0-9a-fA-F]
• 其中字符可以出现3或6次，需要是用量词和分支结构
• 使用分支结构时，需要注意顺序

var regex = /#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})/g;
var string = "#ffbbad #Fc01DF #FFF #ffE";
console.log( string.match(regex) ); 
// => ["#ffbbad", "#Fc01DF", "#FFF", "#ffE"]

# 1.5.2 匹配时间

要求匹配

• 23:59
• 02:07

分析

• 共4位数字，第一位数字可以为[0-2]
• 当第1位为2时，第2位可以为[0-3]，其他情况时，第2位为[0-9]
• 第3位数字为[0-5]，第4位为[0-9]

var regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;
console.log( regex.test("23:59") ); 
console.log( regex.test("02:07") ); 
// => true
// => true

如果也要求匹配7:9，也就是说时分前面的0可以省略

var regex = /^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/;
console.log( regex.test("23:59") ); 
console.log( regex.test("02:07") ); 
console.log( regex.test("7:9") ); 
// => true
// => true
// => true

# 1.5.3 匹配日期

比如yyyy-mm-dd格式为例

要求匹配 2017-06-10

分析