学习正则的心得

不得不说学习正则后，工作效率或多或少有提升。正则给我最直观的感受就是处理字符串的时候得心应手、变化莫测。下图很形象地反映出开发人员对正则的态度：

正则是一种概念，不同的程序设计语言有不同的实现，但功能大同小异，这里要说的是 JavaScript 里的正则表达式。

推荐

大多数人都是通过网上的资料学习正则，但都比较零散，久而久之会混淆我们的记忆，所以系统学习正则效果会比较好。

这里推荐一本电子书：JavaScript 正则表达式迷你书，作者是老姚

在线测试工具推荐两款：Regulex，RegEx Pal

还有一个大而全的正则学习网站：Regular-Expressions.info

例子

下面举几个工作中遇到的例子：

邮箱匹配

这是个很常见的匹配操作，一般邮箱格式是：登录名@主机名.域名。

其中，登录名一般包含数字、大小写字母、下划线，即 \w+，主机名和域名一般包含数字、大小写字母，即 [0-9a-zA-Z]+。

那么正则表达式可以写成：/^\w+@[0-9a-zA-Z]+(\.[0-9a-zA-Z]+)+$/g，当然还有其它的写法，具体看业务需求。

匹配手机号

匹配手机号也是有很多种写法，我们可能会想到这种：/^(18[0-9]{9})|(15[0-9]{9})$/，

虽然这条正则能匹配手机号，但是有点问题，就是它也能匹配 18444444444444444444。

原因很简单，这个表达式相当于：/(^18[0-9]{9})|(15[0-9]{9}$)/。因为 ^ 的优先级比 | 高，所以 ^ 先与 18[0-9]{9} 匹配了，$ 同理。

关系操作的正则

像大于号、小于号等这些关系操作的正则，并没有直接的操作符可以表示，但可以用“或”操作符间接解决。例如，这个表达式可匹配小于等于 90：/^[0-8]?[0-9]|90$/g。

使用逗号分隔数字

在处理一些外国数字格式时，需要每三位就加一个逗号，比如 12345678 如何变成 12,345,678？

了解“位置”的概念帮助我们解决这个问题。

位置的理解：

1. 匹配位置的6个锚字符：^ $ \b \B (?=p) (?!p)
2. 位置不占宽度（零宽），所以对于位置可以理解成空字符
3. 位置可以替换为字符

所以思路是把位置替换为逗号：/(?!\b)(?=\d{3}+\b)/，其中 \b 表示位置，(?!\b) 则保证开头不会出现逗号。

\b 和 \B 的区别：

1. \b是单词边界，具体就是\w和\W之间的位置，也包括^和\w之间的位置，也包括\w和$之间的位置
2. \B就是\b的反面的意思，非单词边界。例如在字符串中所有位置中，扣掉\b，剩下的都是\B的。

匹配简单标签

匹配简单标签（不含属性）包含的内容时，可能会想到“前瞻后顾”，由于 JavaScript 正则目前支持只前膽不支持后顾，可以换另一种写法：/<([_a-zA-Z][^>]*)>(.*)<\/\1>/。

JavaScript 正则不支持的语法有：

1. 锚位符：\Aexp\Z（Perl），可以用^exp$
2. 匹配字符串字面值：\Q需反义字符\E
3. 反向引用：(exp)$1（sed、Perl），可以用(exp)\1
4. 命名分组
5. 并集：[exp[exp]]（Java）
6. 差集：[exp&&[exp]]（Java）
7. 正反后顾：(?<=exp)exp、(?<!exp)exp，可能在 ES 未来版本中会支持

反向引用

上个例子出现的 \1 是对前文括号内的引用，类似的，String.replace 则是用 $1 来引用前文。

例如如何将 [a]123[/a] 替换为 <a>123</a>？

像匹配这种相同内容的，我们可以考虑“反向引用”：'[a]123[/a]'.replace(/\[([^\[\]]*?)\]/g,'<$1>')。

反向引用还有一个特点：

1. 如果非后顾断言 /(o)d\1/，引用 \1 放在捕获组 (o) 后
2. 如果是后顾断言 /(?<=\1d(o))/，引用 \1 放在捕获组 (o) 前

匹配某个单词

有个题目是将 HTML 标签里的属性去掉，除了 src。

匹配一个单词可以用正向前瞻来匹配：/(?=word).*/g。

所以我们可以用反向前瞻来排除 src：/( (?!src=)([a-z]*)="(.|\s)*?")/g。