不管哪門(mén)語(yǔ)言中都有括號(hào)。正則表達(dá)式也是一門(mén)語(yǔ)言,而括號(hào)的存在使這門(mén)語(yǔ)言更為強(qiáng)大。
對(duì)括號(hào)的使用是否得心應(yīng)手,是衡量對(duì)正則的掌握水平的一個(gè)側(cè)面標(biāo)準(zhǔn)。
括號(hào)的作用,其實(shí)三言?xún)烧Z(yǔ)就能說(shuō)明白,括號(hào)提供了分組,便于我們引用它。
引用某個(gè)分組,會(huì)有兩種情形:在JavaScript里引用它,在正則表達(dá)式里引用它。
本章內(nèi)容雖相對(duì)簡(jiǎn)單,但我也要寫(xiě)長(zhǎng)點(diǎn)。
內(nèi)容包括:
- 分組和分支結(jié)構(gòu)
- 捕獲分組
- 反向引用
- 非捕獲分組
- 相關(guān)案例
#1. 分組和分支結(jié)構(gòu)
這二者是括號(hào)最直覺(jué)的作用,也是最原始的功能。
1.1 分組
我們知道/a+/
匹配連續(xù)出現(xiàn)的“a”,而要匹配連續(xù)出現(xiàn)的“ab”時(shí),需要使用/(ab)+/
。
其中括號(hào)是提供分組功能,使量詞+
作用于“ab”這個(gè)整體,測(cè)試如下:
var regex = /(ab)+/g;
var string = "ababa abbb ababab";
console.log( string.match(regex) );
// => ["abab", "ab", "ababab"]
1.2 分支結(jié)構(gòu)
而在多選分支結(jié)構(gòu)(p1|p2)
中,此處括號(hào)的作用也是不言而喻的,提供了子表達(dá)式的所有可能。
比如,要匹配如下的字符串:
I love JavaScriptI love Regular Expression
可以使用正則:
var regex = /^I love (JavaScript|Regular Expression)$/;
console.log( regex.test("I love JavaScript") );
console.log( regex.test("I love Regular Expression") );
// => true
// => true
如果去掉正則中的括號(hào),即/^I love JavaScript|Regular Expression$/
,匹配字符串是"I love JavaScript"和"Regular Expression",當(dāng)然這不是我們想要的。
#2. 引用分組
這是括號(hào)一個(gè)重要的作用,有了它,我們就可以進(jìn)行數(shù)據(jù)提取,以及更強(qiáng)大的替換操作。
而要使用它帶來(lái)的好處,必須配合使用實(shí)現(xiàn)環(huán)境的API。
以日期為例。假設(shè)格式是yyyy-mm-dd的,我們可以先寫(xiě)一個(gè)簡(jiǎn)單的正則:
var regex = /\d{4}-\d{2}-\d{2}/;
然后再修改成括號(hào)版的:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
為什么要使用這個(gè)正則呢?
2.1 提取數(shù)據(jù)
比如提取出年、月、日,可以這么做:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log( string.match(regex) );
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]
match
返回的一個(gè)數(shù)組,第一個(gè)元素是整體匹配結(jié)果,然后是各個(gè)分組(括號(hào)里)匹配的內(nèi)容,然后是匹配下標(biāo),最后是輸入的文本。(注意:如果正則是否有修飾符g
,match
返回的數(shù)組格式是不一樣的)。
另外也可以使用正則對(duì)象的exec
方法:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
console.log( regex.exec(string) );
// => ["2017-06-12", "2017", "06", "12", index: 0, input: "2017-06-12"]
同時(shí),也可以使用構(gòu)造函數(shù)的全局屬性$1
至$9
來(lái)獲?。?/p>
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
regex.test(string); // 正則操作即可,例如
//regex.exec(string);
//string.match(regex);
console.log(RegExp.$1); // "2017"
console.log(RegExp.$2); // "06"
console.log(RegExp.$3); // "12"
2.2 替換
比如,想把yyyy-mm-dd格式,替換成mm/dd/yyyy怎么做?
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, "$2/$3/$1");
console.log(result);
// => "06/12/2017"
其中replace
中的,第二個(gè)參數(shù)里用$1
、$2
、$3
指代相應(yīng)的分組。等價(jià)于如下的形式:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function() {
return RegExp.$2 + "/" + RegExp.$3 + "/" + RegExp.$1;
});
console.log(result);
// => "06/12/2017"
也等價(jià)于:
var regex = /(\d{4})-(\d{2})-(\d{2})/;
var string = "2017-06-12";
var result = string.replace(regex, function(match, year, month, day) {
return month + "/" + day + "/" + year;
});
console.log(result);
// => "06/12/2017"
#3. 反向引用
除了使用相應(yīng)API來(lái)引用分組,也可以在正則本身里引用分組。但只能引用之前出現(xiàn)的分組,即反向引用。
還是以日期為例。
比如要寫(xiě)一個(gè)正則支持匹配如下三種格式:
2016-06-122016/06/122016.06.12
最先可能想到的正則是:
var regex = /\d{4}(-|\/|\.)\d{2}(-|\/|\.)\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // true
其中/
和.
需要轉(zhuǎn)義。雖然匹配了要求的情況,但也匹配"2016-06/12"這樣的數(shù)據(jù)。
假設(shè)我們想要求分割符前后一致怎么辦?此時(shí)需要使用反向引用:
var regex = /\d{4}(-|\/|\.)\d{2}\1\d{2}/;
var string1 = "2017-06-12";
var string2 = "2017/06/12";
var string3 = "2017.06.12";
var string4 = "2016-06/12";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // true
console.log( regex.test(string4) ); // false
注意里面的\1
,表示的引用之前的那個(gè)分組(-|\/|\.)
。不管它匹配到什么(比如-),\1
都匹配那個(gè)同樣的具體某個(gè)字符。
我們知道了\1
的含義后,那么\2
和\3
的概念也就理解了,即分別指代第二個(gè)和第三個(gè)分組。
看到這里,此時(shí),恐怕你會(huì)有三個(gè)問(wèn)題。
3.1 括號(hào)嵌套怎么辦?
以左括號(hào)(開(kāi)括號(hào))為準(zhǔn)。比如:
var regex = /^((\d)(\d(\d)))\1\2\3\4$/;
var string = "1231231233";
console.log( regex.test(string) ); // true
console.log( RegExp.$1 ); // 123
console.log( RegExp.$2 ); // 1
console.log( RegExp.$3 ); // 23
console.log( RegExp.$4 ); // 3
我們可以看看這個(gè)正則匹配模式:
- 第一個(gè)字符是數(shù)字,比如說(shuō)1,
- 第二個(gè)字符是數(shù)字,比如說(shuō)2,
- 第三個(gè)字符是數(shù)字,比如說(shuō)3,
- 接下來(lái)的是
\1
,是第一個(gè)分組內(nèi)容,那么看第一個(gè)開(kāi)括號(hào)對(duì)應(yīng)的分組是什么,是123, - 接下來(lái)的是
\2
,找到第2個(gè)開(kāi)括號(hào),對(duì)應(yīng)的分組,匹配的內(nèi)容是1, - 接下來(lái)的是
\3
,找到第3個(gè)開(kāi)括號(hào),對(duì)應(yīng)的分組,匹配的內(nèi)容是23, - 最后的是
\4
,找到第3個(gè)開(kāi)括號(hào),對(duì)應(yīng)的分組,匹配的內(nèi)容是3。
這個(gè)問(wèn)題,估計(jì)仔細(xì)看一下,就該明白了。
3.2 \10表示什么呢?
另外一個(gè)疑問(wèn)可能是,即\10
是表示第10個(gè)分組,還是\1
和0
呢?
答案是前者,雖然一個(gè)正則里出現(xiàn)\10
比較罕見(jiàn)。測(cè)試如下:
var regex = /(1)(2)(3)(4)(5)(6)(7)(8)(9)(#) \10+/;
var string = "123456789# ######"
console.log( regex.test(string) );
// => true
3.3 引用不存在的分組會(huì)怎樣?
因?yàn)榉聪蛞?,是引用前面的分組,但我們?cè)谡齽t里引用了不存在的分組時(shí),此時(shí)正則不會(huì)報(bào)錯(cuò),只是匹配反向引用的字符本身。例如\2
,就匹配"\2"。注意"\2"表示對(duì)"2"進(jìn)行了轉(zhuǎn)意。
var regex = /\1\2\3\4\5\6\7\8\9/;
console.log( regex.test("\1\2\3\4\5\6\7\8\9") );
console.log( "\1\2\3\4\5\6\7\8\9".split("") );
chrome瀏覽器打印的結(jié)果:
#4. 非捕獲分組
之前文中出現(xiàn)的分組,都會(huì)捕獲它們匹配到的數(shù)據(jù),以便后續(xù)引用,因此也稱(chēng)他們是捕獲型分組。
如果只想要括號(hào)最原始的功能,但不會(huì)引用它,即,既不在A(yíng)PI里引用,也不在正則里反向引用。此時(shí)可以使用非捕獲分組(?:p)
,例如本文第一個(gè)例子可以修改為:
var regex = /(?:ab)+/g;
var string = "ababa abbb ababab";
console.log( string.match(regex) );
// => ["abab", "ab", "ababab"]
#5. 相關(guān)案例
至此括號(hào)的作用已經(jīng)講完了,總結(jié)一句話(huà),就是提供了可供我們使用的分組,如何用就看我們的了。
5.1 字符串trim方法模擬
trim
方法是去掉字符串的開(kāi)頭和結(jié)尾的空白符。有兩種思路去做。
第一種,匹配到開(kāi)頭和結(jié)尾的空白符,然后替換成空字符。如:
function trim(str) {
return str.replace(/^\s+|\s+$/g, '');
}
console.log( trim(" foobar ") );
// => "foobar"
第二種,匹配整個(gè)字符串,然后用引用來(lái)提取出相應(yīng)的數(shù)據(jù):
function trim(str) {
return str.replace(/^\s*(.*?)\s*$/g, "$1");
}
console.log( trim(" foobar ") );
// => "foobar"
這里使用了惰性匹配*?
,不然也會(huì)匹配最后一個(gè)空格之前的所有空格的。
當(dāng)然,前者效率高。
5.2 將每個(gè)單詞的首字母轉(zhuǎn)換為大寫(xiě)
function titleize(str) {
return str.toLowerCase().replace(/(?:^|\s)\w/g, function(c) {
return c.toUpperCase();
});
}
console.log( titleize('my name is epeli') );
// => "My Name Is Epeli"
思路是找到每個(gè)單詞的首字母,當(dāng)然這里不使用非捕獲匹配也是可以的。
5.3 駝峰化
function camelize(str) {
return str.replace(/[-_\s]+(.)?/g, function(match, c) {
return c ? c.toUpperCase() : '';
});
}
console.log( camelize('-moz-transform') );
// => "MozTransform"
其中分組(.)
表示首字母。單詞的界定是,前面的字符可以是多個(gè)連字符、下劃線(xiàn)以及空白符。正則后面的?的目的,是為了應(yīng)對(duì)str
尾部的字符可能不是單詞字符,比如str
是'-moz-transform '。
5.4 中劃線(xiàn)化
function dasherize(str) {
return str.replace(/([A-Z])/g, '-$1').replace(/[-_\s]+/g, '-').toLowerCase();
}
console.log( dasherize('MozTransform') );
// => "-moz-transform"
駝峰化的逆過(guò)程。
5.5 html轉(zhuǎn)義和反轉(zhuǎn)義
// 將HTML特殊字符轉(zhuǎn)換成等值的實(shí)體
function escapeHTML(str) {
var escapeChars = {
'¢' : 'cent',
'£' : 'pound',
'¥' : 'yen',
'€': 'euro',
'?' :'copy',
'?' : 'reg',
'<' : 'lt',
'>' : 'gt',
'"' : 'quot',
'&' : 'amp',
'\'' : '#39'
};
return str.replace(new RegExp('[' + Object.keys(escapeChars).join('') +']', 'g'), function(match) {
return '&' + escapeChars[match] + ';';
});
}
console.log( escapeHTML('<div>Blah blah blah</div>') );
// => "<div>Blah blah blah</div>";
其中使用了用構(gòu)造函數(shù)生成的正則,然后替換相應(yīng)的格式就行了,這個(gè)跟本章沒(méi)多大關(guān)系。
倒是它的逆過(guò)程,使用了括號(hào),以便提供引用,也很簡(jiǎn)單,如下:
// 實(shí)體字符轉(zhuǎn)換為等值的HTML。
function unescapeHTML(str) {
var htmlEntities = {
nbsp: ' ',
cent: '¢',
pound: '£',
yen: '¥',
euro: '€',
copy: '?',
reg: '?',
lt: '<',
gt: '>',
quot: '"',
amp: '&',
apos: '\''
};
return str.replace(/\&([^;]+);/g, function(match, key) {
if (key in htmlEntities) {
return htmlEntities[key];
}
return match;
});
}
console.log( unescapeHTML('<div>Blah blah blah</div>') );
// => "<div>Blah blah blah</div>"
通過(guò)key
獲取相應(yīng)的分組引用,然后作為對(duì)象的鍵。
5.6 匹配成對(duì)標(biāo)簽
要求匹配:
<title>regular expression</title>
<p>laoyao bye bye</p>
不匹配:
<title>wrong!</p>
匹配一個(gè)開(kāi)標(biāo)簽,可以使用正則<[^>]+>
,
匹配一個(gè)閉標(biāo)簽,可以使用<\/[^>]+>
,
但是要求匹配成對(duì)標(biāo)簽,那就需要使用反向引用,如:
var regex = /<([^>]+)>[\d\D]*<\/\1>/;
var string1 = "<title>regular expression</title>";
var string2 = "<p>laoyao bye bye</p>";
var string3 = "<title>wrong!</p>";
console.log( regex.test(string1) ); // true
console.log( regex.test(string2) ); // true
console.log( regex.test(string3) ); // false
其中開(kāi)標(biāo)簽<[^>]+>
改成<([^>]+)>
,使用括號(hào)的目的是為了后面使用反向引用,而提供分組。閉標(biāo)簽使用了反向引用,<\/\1>
。
另外[\d\D]
的意思是,這個(gè)字符是數(shù)字或者不是數(shù)字,因此,也就是匹配任意字符的意思。