正則表達(dá)式是描述一組字符串特征的模式，用來匹配特定的字符串?！?——Ken Thompson

什么是正則表達(dá)？

正則表達(dá)式其實(shí)就是一種pattern、一種模式、一種格式、一種規(guī)則，它主要是用在文本字符串處理的時(shí)候，想要在一堆文本中找到滿足某種格式、規(guī)則的字符串。

它起源于上個(gè)20世紀(jì)50年代科學(xué)家在數(shù)學(xué)領(lǐng)域做的一些研究工作，后來才被引入到計(jì)算機(jī)領(lǐng)域中。從它的命名我們可以知道，它是一種用來描述規(guī)則的表達(dá)式。

比如，你要寫一個(gè)應(yīng)用, 想設(shè)定一個(gè)用戶命名的規(guī)則, 讓用戶名包含字符,數(shù)字,下劃線和連字符,以及限制字符的個(gè)數(shù),好讓名字看起來沒那么丑。那么，以下正則表達(dá)式來驗(yàn)證一個(gè)用戶名：

以上的正則表達(dá)式可以接受 johndoe, jo-hndoe, john12_as. 但不匹配Jo, 因?yàn)樗舜髮懙淖帜付姨塘恕?/p>

那么，要想學(xué)正則表達(dá)試，初學(xué)者應(yīng)該從哪些方面入手？

這里強(qiáng)烈安利的幾個(gè)學(xué)習(xí)教程和資源：

1.正則表達(dá)式30分鐘入門教程

http:///tutorials/regex/regex.htm

推薦理由：特別適合想要快速入門的同學(xué)，結(jié)合實(shí)例可以讓你理解基本的原理和語法。

2.高效入門正則表達(dá)式

https://github.com/ziishaned/learn-regex/blob/master/translations/README-cn.md

推薦理由：Github上一篇簡單的正則表達(dá)式教程，提供了十幾種語言（包括中文），這篇教程覆蓋到了你在實(shí)際應(yīng)用中99%的場景。

3.regex101網(wǎng)站——能可視化展示正則匹配結(jié)果

https://

4.regexper網(wǎng)站——能夠直觀展示正則表達(dá)式的狀態(tài)機(jī)圖

https://

正則的進(jìn)階——從底層工作機(jī)制來理解正則表達(dá)式

很多同學(xué)在入門某個(gè)語言或工具時(shí)，總是習(xí)慣先從實(shí)例上手學(xué)習(xí)，往往忽略了對語言最底層的一些原理，這里引用@小胡子哥的“進(jìn)階正則表達(dá)式”一文，來幫助你更好的熟悉和運(yùn)用正則表達(dá)式。

注：此次引用，在原文基礎(chǔ)上做了刪減，想看完整內(nèi)容，請轉(zhuǎn)至，

https://www.cnblogs.com/hustskyking/p/how-regular-expressions-work.html

正則表達(dá)式的工作機(jī)制

畫了一個(gè)草圖，簡單的說明了下正則表達(dá)式的工作原理。

你寫的任何一個(gè)正則直接量或者 RegExp 都會被瀏覽器編譯為一個(gè)原生代碼程序。第一次匹配是從頭個(gè)字符開始，匹配成功時(shí)，他會查看是否還有其他的路徑?jīng)]有匹配到，如果有的話，回退到上一次成功匹配的位置，然后重復(fù)第二步操作，不過此時(shí)開始匹配的位置（lastIndex）是上次成功位置加 1.這樣說有點(diǎn)難以理解，下面寫了一個(gè) demo，這個(gè) demo 就是實(shí)現(xiàn)一個(gè)正則表達(dá)式的解析引擎，因?yàn)檫壿嫼托Ч谋憩F(xiàn)都太復(fù)雜了，所以只做了一個(gè)簡單的演示：

Reg:

/H(i|ello), barret/g

Str:

如果上面的 demo 跑不起來，請戳這里：

http://qianduannotes./demo/regexp/index.html

如果要深入了解正則表達(dá)式的內(nèi)部原理，必須先理解匹配過程的一個(gè)基礎(chǔ)環(huán)節(jié)——回溯。他是驅(qū)動(dòng)正則的一個(gè)基本動(dòng)力，也是性能消耗、計(jì)算消耗的根源。

回溯

正則表達(dá)式中出現(xiàn)最多的是分支和量詞。上面的 demo 中可以很清楚的看到 hi 和 hello 這兩個(gè)分支，當(dāng)匹配到第一個(gè)字符 h 之后，進(jìn)入 (i | ello) 的分支選擇，首先是進(jìn)入 i 分支，當(dāng) i 分支匹配完了之后，再回到分支選擇的位置，重新選擇分支。簡單點(diǎn)說，分支就是 | 操作符帶來的多項(xiàng)選擇問題，而量詞指的是諸如 *,+?,{m,n} 之類的符號，正則表達(dá)式必須決定何時(shí)嘗試匹配更多的字符。下面結(jié)合回溯詳細(xì)說說分支和量詞。

1.分支

繼續(xù)分析上面那個(gè)案例。 'Lalala. Hi, barret. Hello, John'.match(/H(i|ello), barret/g),首先會查找 H 字符，在第九位找到 H 之后，正則子表達(dá)式提供了兩個(gè)選擇 (i|ello)，程序會先拿到最左邊的那個(gè)分支，進(jìn)入分支后，在第十位匹配到了 i，接著匹配下一個(gè)字符，下一個(gè)字符是逗號，接著剛才的位置又匹配到了這個(gè)逗號，然后再匹配下一個(gè)，依次類推，直到完整匹配到整個(gè)正則的內(nèi)容，此時(shí)程序會在 Hi,barret后面做一個(gè)標(biāo)記，表示在這里進(jìn)行了一次成功的匹配。但程序到此并沒有結(jié)束，因?yàn)楹竺婕恿艘粋€(gè)全局參數(shù)，依然使用這個(gè)分支往后匹配，很顯然，到了 Hello 的時(shí)候，Hi 分支匹配不了了，于是程序會回溯到剛才我們做標(biāo)記的位置，并進(jìn)入第二個(gè)分支，從做標(biāo)記的位置重新開始匹配，依次循環(huán)。

只要正則表達(dá)式?jīng)]有嘗試完所有的可選項(xiàng)，他就會回溯到最近的決策點(diǎn)（也就是上次匹配成功的位置）。

2.量詞

量詞這個(gè)概念特別簡單，只是在匹配過程中有貪婪匹配和懶惰匹配兩種模式，結(jié)合回溯的概念理解稍微復(fù)雜。還是用幾個(gè)例子來說明。

1)貪婪

str = 'AB1111BA111BA';
reg = /AB[sS]+BA/;
console.log(str.match(reg));

首先是匹配AB，遇到了 [sS]+，這是貪婪模式的匹配，他會一口吞掉后面所有的字符，也就是如果 reg 的內(nèi)容為 AB[sS]+，那后面的就不用看了，直接全部匹配。而往后看，正則后面還有B字符，所以他會先回溯到倒數(shù)第一個(gè)字符，匹配看是否為 B，顯然倒數(shù)第一個(gè)字符不是B，于是他又接著回溯，找到了B字母，找到之后就不繼續(xù)回溯了，而是往后繼續(xù)匹配，此刻匹配的是字符A，程序發(fā)現(xiàn)緊跟B后的字母確實(shí)是A，那此時(shí)匹配就結(jié)束了。如果沒有看明白，可以再讀讀下面這個(gè)圖：

2) 懶惰（非貪婪）

str = 'AB1111BA111BA';
reg = /AB[sS]+?BA/;
console.log(str.match(reg));

與上面不同的是，reg 中多了一個(gè) ? 號，此時(shí)的匹配模式為懶惰模式，也叫做非貪婪匹配。此時(shí)的匹配流程是，先匹配AB，遇到[sS]+?，程序嘗試跳過并開始匹配后面的字符B，往后查看的時(shí)候，發(fā)現(xiàn)是數(shù)字1，不是要匹配的內(nèi)容，繼續(xù)往后匹配，知道遇到字符B，然后匹配A，發(fā)現(xiàn)緊接著B后面就有一個(gè)A，于是宣布匹配完成，停止程序。

如果匹配的內(nèi)容是 AB1111BA，那貪婪和非貪婪方式的正則是等價(jià)的，但是內(nèi)部的匹配原理還是有區(qū)別的。為了高效運(yùn)用正則，必須搞清楚使用正則時(shí)會遇到那些性能消耗問題。

逗比的程序

//去測試下這句代碼
'TTTTTTTT'.match(/(T+T+)+K/);
//然后把前面的T重復(fù)次數(shù)改成30
//P.S:小心風(fēng)扇狂轉(zhuǎn)，CPU暴漲

我們來分析下上面這段代碼，上面使用的都是貪婪模式，那么他會這樣做：

這段程序并不會智能的去檢測字符串中是否存在 K。如果匹配失敗，他會選擇其他的匹配方式（路徑）去匹配，從而造成瘋狂的回溯和重新匹配，結(jié)果可想而知。這是回溯失控的典型例子。

前瞻和反向引用

1.前瞻和引用

前瞻有兩種。一種是負(fù)向前瞻，JS中使用 (?!xxx) 來表示，他的作用是對后面要匹配的內(nèi)容做一個(gè)預(yù)判斷，如果后面的內(nèi)容是xxx，則此段內(nèi)容匹配失敗，跳過去重新開始匹配。另一種是正向前瞻，(?=xxx)，匹配方式和上面相反，還有一個(gè)長的類似的是 (?:xxx),這個(gè)是匹配xxx，他是非捕獲性分組匹配，即匹配的內(nèi)容不會創(chuàng)建反向引用。具體內(nèi)容可以去文章開頭提到的文檔中查看。

反向引用，這個(gè)在 replace 中用的比較多，在 replace 中：

而在正則表達(dá)中，主要就是
,  之類的數(shù)字引用。前瞻和反向引用使用恰當(dāng)可以大大的減少正則對資源的消耗。舉個(gè)例子來簡單說明下這幾個(gè)東西：

問題：使用正則匹配過濾后綴名為 .css 和 .js 的文件。

如：test.wow.js test.wow.css test.js.js等等。

有人會立馬想到使用負(fù)向前瞻，即：

//過濾js文件
/(?!.+.js$).*/.exec('test.wow.js')
//過濾js和css文件
/(?!.+.js$|.+.css$).*/.exec('test.wow.js')
/(?!.+.js$|.+.css$).*/.exec('test.wow.html')

但是你自己去測試下，拿到的結(jié)果是什么。匹配非js和非css文件可以拿到正確的文件名，但是我們期望這個(gè)表達(dá)式對js和css文件的匹配結(jié)果是null，上面的表達(dá)式卻做不到。問題是什么，因?yàn)??!xxx)和(?=xxx)都會消耗字符，在做預(yù)判斷的時(shí)候把 .js 和 .css 給消耗了，所以這里我們必須使用非捕獲模式。

我們來分析下這個(gè)正則：

(?:(?!.+.js$|.+.css$).)*
--- ---------------- -
| | |
+----------------------+
 ↓ |
非捕獲，內(nèi)部只有一個(gè)占位字符
 |
 ↓
 負(fù)向前瞻以.js和.css結(jié)尾的字符串

最后一個(gè)星號是貪婪匹配，直接吞掉全部字符。

這里講的算是有點(diǎn)復(fù)雜了，不過在稍復(fù)雜的正則中，這些都是很基礎(chǔ)的東西了，想在這方面提高的童鞋可以多研究下。

2.原子組

JavaScript的正則算是比較弱的，他沒有分組命名、遞歸、原子組等功能特別強(qiáng)的匹配模式，不過我們可以利用一些組合方式達(dá)到自己的目的。上面的例子中，我們實(shí)際上用正則實(shí)現(xiàn)了一個(gè)或和與的功能，上面的例子體現(xiàn)的還不是特別明顯，再寫個(gè)例子來展示下：

不管怎么打亂順序，只要string中包含“我”，“是”，“李”，“靖”這四個(gè)字，結(jié)果都是true。

類似(?=xxx)
，就相當(dāng)于一個(gè)原子組，原子組的作用就是消除回溯，只要是這種模式匹配過的地方，回溯時(shí)都不會到這里和他之前的地方。上面的程序 'TTTTTTTT'.match(/(T+T+)+K/);可以通過原子組的方式處理：

'TTTTTTTT'.match(/(?=(T+T+))+K/);

如此便能徹底消除回溯失控問題。

- 完 -

與其他程序設(shè)計(jì)語言一樣，學(xué)習(xí)正則表達(dá)式的關(guān)鍵是實(shí)踐，實(shí)踐，再實(shí)踐。 ——本·福塔（Ben Forta）

[美] 本·福塔（Ben Forta）著 門佳 楊濤 等 (譯)