正则表达式的拆分

第五章 正则表达式的拆分

对于一门语言的掌握程度怎么样,可以有两个角度来衡量:读和写。

不仅要求自己能解决问题,还要看懂别人的解决方案。代码是这样,正则表达式也是这样。

正则这门语言跟其他语言有一点不同,它通常就是一大堆字符,而没有所谓“语句”的概念。

如何能正确地把一大串正则拆分成一块一块的,成为了破解“天书”的关键。

本章就解决这一问题,内容包括:

结构和操作符

编程语言一般都有操作符。只要有操作符,就会出现一个问题。当一大堆操作在一起时,先操作谁,又后操作谁呢?为了不产生歧义,就需要语言本身定义好操作顺序,即所谓的优先级。

而在正则表达式中,操作符都体现在结构中,即由特殊字符和普通字符所代表的一个个特殊整体。

JavaScript 正则表达式中,都有哪些结构呢?

字符字面量、字符组、量词、锚、分组、选择分支、反向引用。

具体含义简要回顾如下:

结构 说明
字面量 匹配一个具体字符,包括不用转义的和需要转义的。比如 a 匹配字符 "a",又比如 \n 匹配换行符,又比如 \. 匹配小数点。
字符组 匹配一个字符,可以是多种可能之一,比如 [0-9],表示匹配一个数字。
也有 \d 的简写形式。
另外还有反义字符组,表示可以是除了特定字符之外任何一个字符,比如 [^0-9],表示一个非数字字符,也有 \D 的简写形式。
量词 表示一个字符连续出现,比如 a{1,3} 表示 "a" 字符连续出现 3 次。
另外还有常见的简写形式,比如 a+ 表示 "a" 字符连续出现至少一次。
匹配一个位置,而不是字符。比如 ^ 匹配字符串的开头,又比如 \b 匹配单词边界,又比如 (?=\d) 表示数字前面的位置。
分组 用括号表示一个整体,比如 (ab)+,表示 "ab" 两个字符连续出现多次,也可以使用非捕获分组 (?:ab)+
分支 多个子表达式多选一,比如 abc|bcd,表达式匹配 "abc" 或者 "bcd" 字符子串。
反向引用,比如 \2,表示引用第 2 个分组。

其中涉及到的操作符有:

操作符描述 操作符 优先级
转义符 \ 1
括号和方括号 (…)、(?:…)、(?=…)、(?!…)、[…] 2
量词限定符 {m}、{m,n}、{m,}、?、*、+ 3
位置和序列 ^、$、\元字符、一般字符 4
管道符(竖杠) | 5

上面操作符的优先级从上至下,由高到低。

这里,我们来分析一个正则:

/ab?(c|de*)+|fg/

  • 由于括号的存在,所以,(c|de*) 是一个整体结构。
  • (c|de*) 中,注意其中的量词 ,因此 e 是一个整体结构。
  • 又因为分支结构 | 优先级最低,因此 c 是一个整体、而 de* 是另一个整体。
  • 同理,整个正则分成了 a、b?(…)+fg。而由于分支的原因,又可以分成 ab?(c|de*)+fg 这两部分。

希望你没被我绕晕,上面的分析可用其可视化形式描述如下:

PNG

注意要点

关于结构和操作符,还是有几点需要强调:

匹配字符串整体问题

因为是要匹配整个字符串,我们经常会在正则前后中加上锚 ^$

比如要匹配目标字符串 "abc" 或者 "bcd" 时,如果一不小心,就会写成 /^abc|bcd$/

而位置字符和字符序列优先级要比竖杠高,故其匹配的结构是:

PNG

应该修改成:

PNG

量词连缀问题

假设,要匹配这样的字符串:

  1. 每个字符为 “a、”b”、”c”任选其一,

  2. 字符串的长度是 3 的倍数。

此时正则不能想当然地写成 /^[abc]{3}+$/,这样会报错,说 + 前面没什么可重复的:

此时要修改成:

PNG

元字符转义问题

所谓元字符,就是正则中有特殊含义的字符。

所有结构里,用到的元字符总结如下:

^$.*+?|\/()[]{}=!:- ,当匹配上面的字符本身时,可以一律转义:

1
2
3
4
var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,/;
console.log( regex.test(string) );
// => true

其中 string 中的 \ 字符也要转义的。

另外,在 string 中,也可以把每个字符转义,当然,转义后的结果仍是本身:

1
2
3
4
var string = "^$.*+?|\\/[]{}=!:-,";
var string2 = "\^\$\.\*\+\?\|\\\/\[\]\{\}\=\!\:\-\,";
console.log( string == string2 );
// => true

现在的问题是,是不是每个字符都需要转义呢?否,看情况。

字符组中的元字符

跟字符组相关的元字符有 []^-。因此在会引起歧义的地方进行转义。例如开头的 ^ 必须转义,不然会把整个字符组,看成反义字符组。

1
2
3
4
var string = "^$.*+?|\\/[]{}=!:-,";
var regex = /[\^$.*+?|\\/\[\]{}=!:\-,]/g;
console.log( string.match(regex) );
// => ["^", "$", ".", "*", "+", "?", "|", "\", "/", "[", "]", "{", "}", "=", "!", ":","-", ","]
匹配 "[abc]""{3,5}"

我们知道 [abc],是个字符组。如果要匹配字符串 "[abc]" 时,该怎么办?

可以写成 /\[abc\]/,也可以写成 /\[abc]/,测试如下:

1
2
3
4
var string = "[abc]";
var regex = /\[abc]/g;
console.log( string.match(regex)[0] );
// => "[abc]"

只需要在第一个方括号转义即可,因为后面的方括号构不成字符组,正则不会引发歧义,自然不需要转义。

同理,要匹配字符串 "{3,5}",只需要把正则写成 /\{3,5}/ 即可。

另外,我们知道量词有简写形式 {m,},却没有 {,n} 的情况。虽然后者不构成量词的形式,但此时并不会报错。当然,匹配的字符串也是 "{,n}",测试如下:

1
2
3
4
var string = "{,3}";
var regex = /{,3}/g;
console.log( string.match(regex)[0] );
// => "{,3}"
其余情况

比如=!:-、,等符号,只要不在特殊结构中,并不需要转义。

但是,括号需要前后都转义的,如 /\(123\)/

至于剩下的 ^$.*+?|\/ 等字符,只要不在字符组内,都需要转义的。

案例分析

接下来分析两个例子,一个简单的,一个复杂的。

身份证

正则表达式是:

/^(\d{15}|\d{17}[\dxX])$/

因为竖杠 | 的优先级最低,所以正则分成了两部分 \d{15}\d{17}[\dxX]

\d{15} 表示 15 位连续数字。

\d{17}[\dxX] 表示 17 位连续数字,最后一位可以是数字,可以大小写字母 "x"

可视化如下:

PNG

IPV4 地址

正则表达式是:

/^((0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])\.){3}(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])$/

这个正则,看起来非常吓人。但是熟悉优先级后,会立马得出如下的结构:

((…)\.){3}(…)

其中,两个 (…) 是一样的结构。表示匹配的是 3 位数字。因此整个结构是

3位数.3位数.3位数.3位数

然后再来分析 (…)

(0{0,2}\d|0?\d{2}|1\d{2}|2[0-4]\d|25[0-5])

它是一个多选结构,分成5个部分:

  • 0{0,2}\d,匹配一位数,包括 "0" 补齐的。比如,"9""09""009"
  • 0?\d{2},匹配两位数,包括 "0" 补齐的,也包括一位数;
  • 1\d{2},匹配 "100""199";
  • 2[0-4]\d,匹配 "200""249"
  • 25[0-5],匹配 "250""255"

最后来看一下其可视化形式:

PNG

本章小结

掌握正则表达式中的优先级后,再看任何正则应该都有信心分析下去了。

至于例子,不一而足,没有写太多。

这里稍微总结一下,竖杠的优先级最低,即最后运算。

只要知道这一点,就能读懂大部分正则。

另外关于元字符转义问题,当自己不确定与否时,尽管去转义,总之是不会错的。

×

谢谢你请我吃辣条

扫码支持
扫码打赏,你说多少就多少

打开支付宝扫一扫,即可进行扫码打赏哦

文章目录
  1. 1. 第五章 正则表达式的拆分
    1. 1.1. 结构和操作符
    2. 1.2. 注意要点
      1. 1.2.1. 匹配字符串整体问题
      2. 1.2.2. 量词连缀问题
      3. 1.2.3. 元字符转义问题
        1. 1.2.3.1. 字符组中的元字符
        2. 1.2.3.2. 匹配 "[abc]" 和 "{3,5}"
        3. 1.2.3.3. 其余情况
    3. 1.3. 案例分析
      1. 1.3.1. 身份证
      2. 1.3.2. IPV4 地址
    4. 1.4. 本章小结
,