一文了解js 的正则

文章目录

- 正则基础
- 正则应用
- 正则性能优化
- 特殊含义
- - ?.
  - ?=

正则基础

一、正则表达式基础知识

什么是正则表达式？
- 正则表达式是一种用于匹配字符串中字符组合的模式。在JavaScript中，正则表达式是对象。它就像一个模板，可以帮助你在文本中查找、替换或验证符合特定规则的字符串内容。例如，你可以用正则表达式来检查一个字符串是否是有效的电子邮件地址、电话号码或者网址等。
正则表达式的语法组成
- 字符类（Character Classes）
  - 方括号[]用于定义字符类。例如，[abc]匹配字符a、b或c中的任意一个。还可以使用范围，如[a - z]匹配所有小写字母，[A - Z]匹配所有大写字母，[0 - 9]匹配所有数字。
  - 有一些预定义的字符类：
    - \d等价于[0 - 9]，表示数字。
    - \D等价于[^0 - 9]，表示非数字。
    - \w等价于[a - zA - Z0 - 9_]，表示单词字符（字母、数字、下划线）。
    - \W等价于[^a - zA - Z0 - 9_]，表示非单词字符。
    - \s表示空白字符（空格、制表符、换行符等），\S表示非空白字符。
- 量词（Quantifiers）
  - *：匹配前面的元素零次或多次。例如，a*可以匹配空字符串、a、aa、aaa等。
  - +：匹配前面的元素一次或多次。例如，a+可以匹配a、aa、aaa等，但不能匹配空字符串。
  - ?：匹配前面的元素零次或一次。例如，a?可以匹配空字符串或a。
  - {n}：匹配前面的元素恰好n次。例如，a{3}匹配aaa。
  - {n,}：匹配前面的元素至少n次。例如，a{2,}匹配aa、aaa、aaaa等。
  - {n,m}：匹配前面的元素至少n次且最多m次。例如，a{1,3}匹配a、aa、aaa。
- 锚点（Anchors）
  - ^：匹配字符串的开头。例如，^abc只匹配以abc开头的字符串。
  - $：匹配字符串的结尾。例如，xyz$只匹配以xyz结尾的字符串。
- 分组（Grouping）
  - 圆括号()用于分组。例如，(ab)+匹配ab、abab、ababab等。分组还可以用于捕获匹配的内容，方便后续提取和处理。
- 或操作（Alternation）
  - 竖线|用于表示或操作。例如，a|b匹配a或者b。可以结合分组来构建更复杂的或关系，如(abc|def)匹配abc或者def。
创建正则表达式对象
- 在JavaScript中，可以使用两种方式创建正则表达式对象。
- 字面量方式：
  - 例如，/abc/是一个匹配字符串abc的正则表达式。可以将它赋值给一个变量，如let reg = /abc/;
- 构造函数方式：
  - 例如，let reg = new RegExp("abc");。这种方式在需要动态构建正则表达式时很有用，比如根据用户输入来生成匹配模式。

二、理解正则表达式

匹配过程
- 当使用正则表达式进行匹配时，引擎会从字符串的开头（如果没有使用m（多行）模式）开始，按照正则表达式的模式逐个字符进行比较。例如，对于正则表达式/abc/和字符串abcdef，引擎首先比较第一个字符a，匹配成功后继续比较第二个字符b，再比较第三个字符c，全部匹配成功后就找到了一个匹配项。
- 如果在匹配过程中某个字符不符合正则表达式的模式，引擎会尝试从下一个字符位置重新开始匹配（这取决于正则表达式的具体设置，如是否使用了g（全局）模式）。
贪婪模式与非贪婪模式
- 量词默认是贪婪模式。这意味着它们会尽可能多地匹配字符。例如，对于正则表达式/a.*b/和字符串aaabbb，它会匹配整个aaabbb，因为.*会一直匹配直到最后一个b。
- 非贪婪模式可以通过在量词后面添加?来实现。例如，/a.*?b/对于字符串aaabbb会匹配aab，因为.*?会尽可能少地匹配字符，只要能满足后面的b被匹配即可。

三、正则表达式的应用

字符串验证
- 验证电子邮件地址
  - 一个简单的电子邮件验证正则表达式可以是/^[a-zA-Z0 - 9_.+-]+@[a-zA-Z0 - 9 -]+\.[a-zA-Z0 - 9-.]+$/。
  - 解释：
    - ^表示从字符串开头匹配。
    - [a - zA - Z0 - 9_.+-]+匹配邮件地址的用户名部分，可以包含字母、数字、点、下划线、加号和减号，并且至少出现一次。
    - @匹配@符号。
    - [a - zA - Z0 - 9 -]+匹配域名部分，可以包含字母、数字和减号，并且至少出现一次。
    - \.[a - zA - Z0 - 9-.]+匹配域名后缀，点号需要转义（\），后缀部分可以包含字母、数字、点和减号，并且至少出现一次。
    - $表示匹配到字符串结尾。
- 验证手机号码（以中国手机号码为例）
  - 简单的正则表达式可以是/^1[3 - 9]\d{9}$/。
  - 解释：
    - ^开头。
    - 1表示手机号码以1开头。
    - [3 - 9]表示第二位数字是3到9中的一个。
    - \d{9}表示后面跟着9位数字。
    - $结尾。
字符串查找和替换
- 查找
  - 在JavaScript中，可以使用string.match(regex)方法来查找匹配正则表达式的内容。例如，let str="abcabc"; let regex = /abc/; let matches = str.match(regex);。matches会是一个包含匹配结果的数组，在这个例子中，它会包含abc。如果使用g（全局）模式，如/abc/g，matches会包含所有的abc匹配项（在这个例子中是["abc","abc"]）。
- 替换
  - 可以使用string.replace(regex, replacement)方法来替换匹配正则表达式的内容。例如，let str="abcabc"; let regex = /abc/; let newStr = str.replace(regex,"def");。newStr会是defabc，因为只替换了第一个匹配项。如果使用g（全局）模式，如/abc/g，则会替换所有匹配项，得到defdef。
提取信息
- 假设你有一个包含日期格式为yyyy - mm - dd的字符串，如"活动日期是2024-11-21"，你可以使用正则表达式/(\d{4})-(\d{2})-(\d{2})/来提取年、月、日信息。
  - 例如，let str="活动日期是2024-11-21"; let regex = /(\d{4})-(\d{2})-(\d{2})/; let matches = str.match(regex);。matches数组中，matches[0]是整个匹配的日期字符串2024 - 11 - 21，matches[1]是提取的年份2024，matches[2]是提取的月份11，matches[3]是提取的日期21。

正则应用

表单验证
- 用户名验证
  - 许多网站要求用户名只能包含字母、数字和下划线，并且长度在一定范围内。例如，要求用户名长度在3到16个字符之间。可以使用正则表达式/^[a-zA-Z0 - 9_]{3,16}$/进行验证。
  - 解释：
    - ^表示从字符串开头匹配。
    - [a - zA - Z0 - 9_]定义了字符类，包含所有字母、数字和下划线。
    - {3,16}表示前面的字符类中的字符出现的次数至少为3次，最多为16次。
    - $表示匹配到字符串结尾，确保整个字符串都符合要求。
- 密码强度验证
  - 一个简单的密码强度验证可以要求密码至少包含一个大写字母、一个小写字母、一个数字和一个特殊字符，并且长度不少于8个字符。
  - 正则表达式可以是/^(?=.*[a - z])(?=.*[A - Z])(?=.*\d)(?=.*[@#$%^&+=!]).{8,}$/
  - 解释：
    - ^开头，$结尾确保整个字符串都符合要求。
    - (?=.*[a - z])是一个正向肯定预查，确保字符串中包含至少一个小写字母。
    - (?=.*[A - Z])确保包含至少一个大写字母。
    - (?=.*\d)确保包含至少一个数字。
    - (?=.*[@#$%^&+=!])确保包含至少一个指定的特殊字符。
    - .{8,}表示除了满足前面的条件外，字符串长度至少为8个字符。
文本内容提取
- 提取网页中的链接
 - 在处理网页内容（例如从HTML字符串中）提取链接时，可以使用正则表达式。假设网页内容是一个简单的HTML字符串，链接格式为<a href="https://example.com">链接文本</a>。
 - 可以使用正则表达式/<a\s+href="([^"]*)">([^<]*)<\/a>/g来提取链接地址和链接文本。
 - 解释：
 - <a\s+href="匹配<a标签和href属性的开头部分，\s+匹配一个或多个空白字符，这是因为href属性前面可能有空格等。
 - ([^"]*)是一个捕获组，用于捕获双引号内的链接地址，[^"]*表示匹配除双引号以外的任意字符零次或多次。
 - ">匹配>符号，用于结束href属性部分。
 - ([^<]*)是另一个捕获组，用于捕获<a>和</a>之间的链接文本，[^<]*表示匹配除<以外的任意字符零次或多次。
 - <\/a>匹配</a>标签结束部分。
 - g（全局）模式用于匹配所有符合条件的链接。
- 提取文章中的标签
 - 假设文章内容中有一些以#开头的标签，如这是一篇关于#JavaScript和#正则表达式的文章。
 - 可以使用正则表达式/#[a-zA - Z0 - 9]+/g来提取这些标签。
 - 解释：
 - #匹配#符号。
 - [a - zA - Z0 - 9]+匹配一个或多个字母或数字，用于提取标签内容。
 - g（全局）模式用于提取所有标签。
数据清洗和格式化
- 电话号码格式化
  - 例如，用户输入的电话号码可能有多种格式，如13812345678、+8613812345678、(010) - 12345678等。可以将它们统一格式化为+86 - 138 - 1234 - 5678的格式。
  - 首先使用正则表达式识别电话号码的各种格式，对于手机号码可以使用/^(\+?86)?(1[3 - 9]\d{9})$/来匹配。
  - 然后通过提取和重新拼接来格式化。代码示例如下：
```
function formatPhoneNumber(phone) {
  let match = phone.match(/^(\+?86)?(1[3 - 9]\d{9})$/);
  if (match) {
    let countryCode = match[1]? match[1] : "+86";
    let number = match[2];
    return countryCode + " - " + number.slice(0, 3) + " - " 
    + number.slice(3, 7) + " - " + number.slice(7);
  }
  return phone;
}
```
- 日期格式化
  - 假设日期数据有多种格式，如2024/11/21、2024 - 11 - 21、11/21/2024等，要将它们统一格式化为yyyy - mm - dd。
  - 可以使用正则表达式/(\d{4})[\/-](\d{2})[\/-](\d{2})/来匹配日期，然后提取并重新拼接。
```
function formatDate(dateStr) {
  let match = dateStr.match(/(\d{4})[\/-](\d{2})[\/-](\d{2})/);
  if (match) {
    return match[1] + " - " + match[2] + " - " + match[3];
  }
  return dateStr;
}
```
代码文本处理
- 提取JavaScript函数名
  - 在处理JavaScript代码文本时，假设要提取代码中的所有函数名。函数定义格式可能是function functionName() {... }或者const functionName = function() {... }等。
  - 可以使用正则表达式/function\s+([a-zA - Z_$][a-zA - Z0 - 9_$]*)|\s*const\s*([a-zA - Z_$][a-zA - Z0 - 9_$]*)\s*=\s*function/g来提取函数名。
  - 解释：
    - function\s+([a - zA - Z_$][a - zA - Z0 - 9_$]*)匹配function关键字后面跟着一个函数名，函数名的命名规则是由字母、数字、下划线和美元符号组成，并且第一个字符不能是数字。([a - zA - Z_$][a - zA - Z0 - 9_$]*)是一个捕获组用于捕获函数名。
    - |\s*const\s*([a - zA - Z_$][a - zA - Z0 - 9_$]*)\s*=\s*function用于匹配通过常量定义的函数，同样([a - zA - Z_$][a - zA - Z0 - 9_$]*)捕获函数名。
    - g（全局）模式用于提取所有函数名。
- 检查代码中的语法错误（简单示例）
  - 对于一些简单的语法错误检查，比如检查是否缺少分号。可以使用正则表达式/([^;])\s*$来检查每行代码的末尾是否缺少分号。
  - 解释：
    - ([^;])捕获一个不是分号的字符。
    - \s*$匹配零个或多个空白字符直到行尾。如果捕获到了不是分号的字符，并且后面没有分号直到行尾，就可能存在缺少分号的问题。不过这只是一个简单的初步检查，实际的语法检查工具会更复杂。

正则性能优化

避免过度使用贪婪匹配
- 贪婪匹配会尽可能多地匹配字符，这可能导致性能问题。例如，对于正则表达式/a.*b/和一个很长的字符串，引擎会一直匹配直到最后一个b出现。
- 优化方法是在合适的时候使用非贪婪匹配。非贪婪匹配通过在量词后添加?来实现。例如，将/a.*b/改为/a.*?b/。非贪婪匹配会尽可能少地匹配字符，只要能满足后续的匹配条件即可。这样在处理长字符串时可以减少不必要的匹配尝试，提高性能。
减少回溯次数
- 回溯是正则表达式引擎在匹配过程中，当某个匹配分支失败时，回退到之前的状态重新尝试其他可能的匹配路径的过程。过多的回溯会导致性能下降。
- 例如，对于正则表达式/(a|ab)+c/和字符串abc，引擎首先会匹配a，然后因为+量词会尝试再次匹配a或ab，当发现无法匹配时会回溯并尝试其他组合。
- 优化可以通过优化正则表达式的结构来减少回溯。一种方法是将更具体的模式放在前面。对于上面的例子，可以改为/(ab|a)+c/，这样在匹配时可以更快地找到正确的路径，减少回溯次数。
使用合适的字符类范围
- 在定义字符类时，尽量精确地指定范围。例如，如果只需要匹配数字，使用\d（等价于[0 - 9]）比使用[0 - 9a - zA - Z]更高效。
- 另外，避免使用不必要的复杂字符类组合。如果可以使用简单的字符类来完成匹配，就不要使用复杂的组合。例如，要匹配所有英文字母，使用[a - zA - Z]比使用([a - b]|[c - d]|[e - f]|...|[y - z]|[A - B]|[C - D]|...|[Y - Z])要高效得多。
利用锚点（Anchors）来限制匹配范围
- 锚点^（匹配字符串开头）和$（匹配字符串结尾）可以帮助限制正则表达式的匹配范围。例如，如果要检查一个字符串是否完全由数字组成，使用/^\d+$/比使用/\d+/更好。
- 因为/\d+/会在字符串中任何包含数字的部分匹配，而/^\d+$/会确保整个字符串都是数字，减少了不必要的匹配尝试，特别是在处理长字符串时可以提高性能。
避免在循环中重复编译正则表达式
- 在JavaScript中，每次创建一个新的正则表达式对象（无论是通过字面量还是构造函数），引擎都会进行编译。如果在循环中频繁使用相同的正则表达式，这种编译会导致性能下降。
- 例如：
```
for (let i = 0; i < 100; i++) {
 let reg = /abc/;
 let str = "abcdef";
 let result = str.match(reg);
}
```
- 优化方法是将正则表达式对象在循环外定义，例如：
```
let reg = /abc/;
for (let i = 0; i < 100; i++) {
 let str = "abcdef";
 let result = str.match(reg);
}
```
使用sticky模式（y模式）代替g（全局）模式（在某些情况下）
- g（全局）模式会从上次匹配结束的位置继续匹配，这可能会导致一些不必要的回溯。而y（sticky）模式会从lastIndex属性指定的位置开始匹配，并且如果匹配不成功，lastIndex会重置为0。
- 例如，在需要精确控制匹配位置的场景下，y模式可能会更高效。但要注意y模式的兼容性，它在一些旧版本的浏览器中可能不支持。
测试和性能分析
- 使用性能测试工具（如console.time()和console.timeEnd()）来比较不同正则表达式的性能。例如：
```
let str = "a long string for testing";
console.time("regex1");
let reg1 = /a.*b/;
str.match(reg1);
console.timeEnd("regex1");
console.time("regex2");
let reg2 = /a.*?b/;
str.match(reg2);
console.timeEnd("regex2");
```
- 这样可以直观地看到不同正则表达式在特定字符串上的匹配时间，从而选择性能更好的表达式。同时，对于复杂的应用场景，可以使用专业的性能分析工具来深入分析正则表达式的性能瓶颈。

特殊含义

?.

可选的非贪婪匹配（?.）
- 在正则表达式中，?.用于表示可选的非贪婪匹配。其中，?在这里有两种作用组合在一起。
- 首先，?作为量词，表示前面的元素（在这里是点.）是可选的，即可以出现0次或者1次。其次，和单独的?量词用于可选匹配不同，?.中的?还改变了点.（匹配除换行符外的任意单个字符）的匹配方式为非贪婪匹配。
- 非贪婪匹配意味着在匹配过程中，它会尽可能少地匹配字符，只要能满足后续的正则表达式规则即可。
示例说明
- 考虑正则表达式a(.*?)b和a(.*)b，以及待匹配的字符串aabb。
- 对于a(.*)b，因为*是贪婪匹配，它会匹配最长的字符串，所以整个aabb会被(.*)匹配，得到的结果是aabb。
- 而对于a(.*?)b，(.*?)是非贪婪匹配，它会尽可能少地匹配。在aabb这个字符串中，(.*?)只会匹配a和第一个b之间的a，得到的结果是a。
- 如果是a(?.b)和字符串a或者ab。对于字符串a，(?.b)可以匹配成功，因为b是可选的，这里就没有匹配b；对于字符串ab，(?.b)也能匹配成功，并且匹配了b。
实际应用场景
- 在处理HTML标签内容提取等场景中，可能会用到这种可选的非贪婪匹配。例如，想要提取标签内可能存在也可能不存在的某个属性值。假设HTML片段是内容或者内容，如果要提取class属性值（如果存在），可以使用类似class="(?.[^"]*)"的正则表达式部分（完整的正则表达式还需要考虑标签的开头和结尾等部分）。
- 在这个例子中，(?.[^"]*)表示class属性值是可选的（如果没有class属性也能匹配），并且非贪婪地匹配双引号内的内容（如果有class属性的话），这样可以更灵活地处理不同情况的HTML标签内容。

?=

零宽度正预测先行断言（?=）的定义
- 在正则表达式中，?=是一种零宽度正预测先行断言。它用于指定一个位置，该位置之后的字符必须满足?=后面的模式，但匹配过程中并不消耗（匹配）这些字符。
- 简单来说，它就像一个“前瞻性检查”，只检查某个位置之后是否符合特定条件，而不把符合条件的字符包含在实际的匹配内容中。
示例解释
- 例如，有正则表达式a(?=b)和字符串abc。当进行匹配时，引擎会先找到字符a，然后检查a之后的字符是否为b。在这个例子中，a之后是b，满足(?=b)的条件，所以a被匹配。但是，b以及后面的c不会被当作匹配结果的一部分，因为?=只是进行了位置检查，并没有真正匹配这些字符。
- 再看另一个例子，对于正则表达式/(\w)(?=\d)/和字符串abc1，(\w)会匹配第一个字母a，然后(?=\d)会检查a之后是否是数字。因为a之后是b不是数字，所以这个位置不满足。接着引擎会继续寻找下一个位置，当(\w)匹配到c时，(?=\d)检查c之后是1，满足条件，所以最终(\w)匹配的是c，但整个匹配结果只是c，1不会包含在其中。
实际应用场景
- 密码验证
  - 在验证密码强度时，如要求密码必须包含数字和字母。可以使用/^(?=.*\d)(?=.*[a - zA - Z]).+$/。其中(?=.*\d)用于检查密码字符串中（从开头位置开始检查）是否存在数字，(?=.*[a - zA - Z])用于检查是否存在字母。这两个断言只是检查密码是否符合条件，并不影响后续对整个密码字符串（.+）的匹配，而且这样可以在一个正则表达式中同时检查多个条件。
- 提取符合特定条件的子串
  - 假设要从一个文本中提取所有以http开头且后面跟着数字的网址部分。可以使用/(http)(?=\d)/。这样就可以找到符合条件的http部分，而不包括后面用于检查条件的数字。例如对于文本http1://example.com和https://example.com，这个正则表达式只会匹配第一个http部分，因为只有它后面跟着数字。