正则表达式¶

前言¶

正则表达式一直是困扰很多程序员的一门技术。作为程序开发者，有必要好好了解一下正则，因为很多问题都可以通过一条简单的正则表达式解决，避免写大量脚本去实现。希望这次分享能帮助大家掌握基础的正则，揭开正则表达式各种符号的神秘面纱，从此走上正则大神之路！

句子¶

(?!...) · (?<!...) · 零宽断言 · 不消耗字符。负向预查排除指定单词。

# 查询没有 linuxserver 这个单词的行  (?!...) 断言给定的子表达式在当前位置不能匹配，不消耗字符。
^(?!linuxserver\b).*

# (?<!...) 断言给定的子表达式在当前位置从右往左不能匹配，表达式必须为固定长度。不消耗字符。
/(?<!not )foo/    ||   not foo but foo  只匹配第二个 foo

常见正则¶

原子 · 范围 · 分枝 · 量词 · 贪婪 · 边界 · 分组。基础语法速查。

正则表达式基础（字符与结构）

原子范围分枝量词贪婪和非

原子是正则表达式的最基本组成单位，而且必须至少要包含一个原子。

正则	意思	说明
`.`	匹配除换行符以外的任意字符	加 `/s` 表示所有字符
`\d`	匹配一个数字字符	等价于 `[0-9]`
`\D`	匹配一个非数字字符	等价于 `[^0-9]`
`\w`	匹配包括下划线的任何单词字符	等价于 `[A-Za-z0-9_]`
`\W`	匹配任何非单词字符	等价于 `[^A-Za-z0-9_]`
`\s`	匹配任何空白字符，包括空格、制表符、换页符等等	等价于 `[\f\n\r\t\v\u000B\u0020\u00A0\u2028\u2029]`
`\S`	匹配任何非空白字符	等价于 `[^ \f\n\r\t\v]`
`\n`	匹配一个换行符	等价于 `\x0a` 和 `\cJ`
`\f`	匹配一个换页符	等价于 `\x0c` 和 `\cL`
`\r`	匹配一个回车符	等价于 `\x0d` 和 `\cM`
`\t`	匹配一个制表符	等价于 `\x09` 和 `\cI`
`\v`	匹配一个垂直制表符	等价于 `\x0b` 和 `\cK`
`\xxx`	匹配八进制规定的 ASCII 编码字符	比如 `[0-9]` 可写成 `[\48-\57]`
`\xdd`	匹配十六进制规定的 ASCII 编码字符	比如 `[0-9]` 可写成 `[\x30-\x39]`
`\uxxxx`	匹配十六进制规定的 Unicode 字符	比如 `[0-9]` 可写成 `[\u0030-\u0039]`

[abc]，表示 a 或者 b 或者 c 中的任意一个字符；
[a-z]、[A-Z]、[0-9]，表示小写字母、大写字母、0 到 9 的数字；
[^a-z]、[^A-Z]、[^0-9]，表示非小写字母、非大写字母、非 0 到 9 的数字；

更多参见基本多语言面（Basic Multilingual Plane, BMP）详细信息：基本多文种平面

分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，方法是用 | 把不同的规则分隔开。

"aababxb".replace(/a|b/g, '')

正则	说明
`{m}`	表示前面的原子必须出现 m 次
`{m,}`	表示前面的原子最少出现 m 次
`{m,n}`	m 要小于 n，表示前面出现的原子最少 m 次、最多 n 次（包括 m 和 n 次）
`?`	等价 `{0,1}`，前面的原子可以出现 0 次或 1 次，要么有一次，要么没有
`+`	等价 `{1,}`，前面的原子可以出现 1 次或多次，最少要有一个
`*`	等价 `{0,}`，前面的原子可以出现 0 次、1 次或多次

当正则表达式中包含能接受重复的限定符时，通常的行为是匹配尽可能多的字符。

"aababxb".match(/a.*b/);   // 贪婪匹配 返回 aababxb
"aababxb".match(/a.*?b/);  // 懒惰匹配 返回 aab

它将会匹配整个字符串，这被称为贪婪匹配。

代码/语法	说明
`{n,}?`	重复 n 次以上，但尽可能少重复
`{n,m}?`	重复 n 到 m 次，但尽可能少重复
`??`	重复 0 次或 1 次，但尽可能少重复
`+?`	重复 1 次或更多次，但尽可能少重复
`*?`	重复任意次，但尽可能少重复

正则表达式基础（位置与分组）

边界类（位置）正则分组

位置可以理解为相邻字符之间的位置。咱们可以和空字符串进行类比，字符的首尾、间隙都可以用空字符串进行连接。

'hello' === '' + 'h' + '' + 'e' + '' + 'l' + '' + 'l' + '' + 'o' + ''

符号	说明
`^`	脱字符，有 m 时是行的开头，无 m 是字符串的开始
`$`	美元符，有 m 时是行的末尾，无 m 是字符串的结束
`\b`	单词的边界，具体讲有三点规则：① `\w` 和 `\W` 之间的位置 ② `^` 与 `\w` 之间的位置 ③ `\w` 与 `$` 之间的位置
`\B`	非单词的边界，与上面相反：① `\w` 与 `\w` 之间的位置 ② `\W` 与 `\W` 之间的位置 ③ `^` 与 `\W` 之间的位置 ④ `\W` 与 `$` 之间的位置
`\A`	文本开头
`\Z`	文本结尾

用小括号来指定 子表达式（也叫做分组）。

代码/语法	说明
`(exp)`	匹配 exp，并捕获文本到自动命名的组里
`(?:exp)`	匹配 exp，不捕获匹配的文本，也不给此分组分配组号
`(?<name>exp)`	匹配 exp，并捕获文本到名称为 name 的组里

特殊变量名表¶

$$ · $n · $& · $` · $'。String.replace 中的替换变量。

变量名	说明
`$$`	直接量符号，即 `$` 字符
`$n`	第 n 个子表达式相匹配的文本，n 等于 [1-9]，等于 `RegExp.$n`
`$_`	正则搜索的字符串，等于 `RegExp.input`
`$&`	正则最后一次匹配的字符串，等于 `RegExp.lastMatch`
`$+`	正则最后一个分组内容，等于 `RegExp.lastParen`
$`	正则匹配子串左侧的文本，等于 `RegExp.leftContext`
`$'`	正则匹配子串右侧的文本，等于 `RegExp.rightContext`

反向引用（回溯引用）¶

使用小括号指定一个子表达式后，默认情况下每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为 1，第二个为 2，以此类推（等于 RegExp.$n）。你可以使用 (?:exp) 这样的语法来剥夺一个分组对组号分配的参与权。

var reg = /<(\w)>.*?<\1>/  // 匹配 html 标签
var str = 'abc%45,efd%12'.replace(/(%)(\d+)/g, '$2$1')  // 互换字符

正则表达式断言¶

零宽断言 · 环视 · lookaround · (?=) · (?<=)。只匹配位置、不消耗字符。

当我们想要查找类似 \b、^、$ 那样的一个位置，这个位置应该满足一定的条件（即断言），但这个位置并不包含任何内容，我们称之为 零宽断言。又称之为 环视（lookaround）结构。

零宽断言¶

代码/语法	说明	名称
`x(?=exp)y`	断言 y 部分能匹配 exp，与 x 无关	零宽度正预测先行断言、肯定顺序环视、正向前瞻、正向预查、向前断言
`x(?!exp)y`	断言 y 部分不能匹配 exp，与 x 无关	零宽度负预测先行断言、否定顺序环视、负向前瞻、负向预查、向前否定断言
`x(?<=exp)y`	断言 x 部分能匹配 exp，且 exp 从右到左匹配，与 y 无关。ES7 支持	零宽度正回顾后行断言、肯定逆序环视、向后断言
`x(?<!exp)y`	断言 x 部分不能匹配 exp，且 exp 从右到左匹配，与 y 无关。ES7 支持	零宽度负回顾后发断言、否定逆序环视、向后否定断言

后行断言的特点是从右向左匹配，分组编号虽然一样从左到右分配，但引用时必须在编号的左边引用。

字符转义¶

\/[\](){}?+*|.^$-

作为字符来匹配必须转义，才能作为正则的原子。

性能¶

核心：减少「回溯」次数，尽快匹配结果：

尽量使用边界符（^、$、\b、\B 等），限定搜索字符串位置。
使用具体的元字符（\d、\w、\s 等），少用 . 字符。
多使用确定的量词（{n}、{n,m}），少用贪婪匹配。
减少分支，减少「回溯」。

灾难性回溯

嵌套量词（如 (a+)+$）配合长文本会触发指数级回溯，导致 CPU 打满甚至卡死。改写为等价但线性安全的形式（如 a+$），或先用边界符缩小范围。¹

正则辅助网站¶

regex101 · regulex · regexper · debuggex。在线调试与可视化。

回溯（backtracking）是正则引擎在匹配失败后回退到上一个选择点重试的机制；嵌套量词会让选择点数量相乘，从而出现指数级增长。 ↩