正则表达式：文本处理与模式匹配

正则表达式：文本处理与模式匹配

【免费下载链接】hello-javascript Curso para aprender el lenguaje de programación JavaScript desde cero y para principiantes. 项目地址: https://gitcode.com/gh_mirrors/hel/hello-javascript

本文全面介绍了JavaScript中正则表达式的基础语法和高级应用，涵盖了字符类、量词、分组捕获、反向引用等核心概念，并提供了丰富的实战示例，包括邮箱验证、密码强度检测、URL提取、电话号码格式化等常见场景。

正则表达式基础语法

正则表达式（Regular Expression，简称regex）是用于处理字符串的强大工具，它使用特定的语法模式来匹配、查找和替换文本内容。在JavaScript中，正则表达式通过RegExp对象实现，为开发者提供了强大的文本处理能力。

正则表达式的基本结构

在JavaScript中，创建正则表达式有两种主要方式：

// 字面量语法（推荐）
const regex1 = /pattern/flags;

// 构造函数语法
const regex2 = new RegExp('pattern', 'flags');

其中pattern是正则表达式模式，flags是可选的修饰符，用于控制匹配行为。

常用元字符和特殊字符

正则表达式的核心在于元字符的使用，这些特殊字符赋予了正则表达式强大的匹配能力：

元字符	描述	示例	匹配结果
.	匹配除换行符外的任意字符	/a.c/	"abc", "a1c", "a-c"
\d	匹配数字字符	/\d/	"0", "1", "2", ..., "9"
\D	匹配非数字字符	/\D/	"a", "b", "!", " "
\w	匹配单词字符（字母、数字、下划线）	/\w/	"a", "B", "1", "_"
\W	匹配非单词字符	/\W/	"!", "@", " ", "-"
\s	匹配空白字符	/\s/	" ", "\t", "\n"
\S	匹配非空白字符	/\S/	"a", "1", "!"

字符类和范围匹配

字符类允许我们匹配一组特定的字符：

// 匹配单个元音字母
const vowels = /[aeiou]/;

// 匹配数字0-9
const digits = /[0-9]/;

// 匹配小写字母a-z
const lowercase = /[a-z]/;

// 匹配大写字母A-Z
const uppercase = /[A-Z]/;

// 匹配字母数字字符
const alphanumeric = /[a-zA-Z0-9]/;

量词和重复匹配

量词用于指定字符或组的重复次数：

量词	描述	示例	匹配结果
*	匹配0次或多次	/a*/	"", "a", "aa", "aaa"
+	匹配1次或多次	/a+/	"a", "aa", "aaa"
?	匹配0次或1次	/a?/	"", "a"
{n}	匹配恰好n次	/a{3}/	"aaa"
{n,}	匹配至少n次	/a{2,}/	"aa", "aaa", "aaaa"
{n,m}	匹配n到m次	/a{2,4}/	"aa", "aaa", "aaaa"

定位符和边界匹配

定位符用于指定匹配发生的位置：

// 匹配字符串开头
const startWithA = /^a/;

// 匹配字符串结尾
const endWithZ = /z$/;

// 匹配单词边界
const wordBoundary = /\bword\b/;

// 匹配非单词边界
const nonWordBoundary = /\Bword\B/;

分组和捕获

分组允许我们将多个字符作为一个整体进行处理：

// 简单分组
const group = /(ab)+/; // 匹配"ab", "abab", "ababab"

// 非捕获分组
const nonCapturing = /(?:ab)+/;

// 命名捕获组
const namedGroup = /(?<year>\d{4})-(?<month>\d{2})/;

修饰符（Flags）

修饰符影响正则表达式的匹配行为：

修饰符	描述	示例
g	全局匹配	/pattern/g
i	忽略大小写	/pattern/i
m	多行匹配	/pattern/m
s	允许.匹配换行符	/pattern/s
u	Unicode模式	/pattern/u
y	粘性匹配	/pattern/y

实际应用示例

// 验证电子邮件格式
const emailRegex = /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/;

// 提取电话号码
const phoneRegex = /(\+\d{1,3})?[\s-]?\(?\d{1,4}\)?[\s-]?\d{1,4}[\s-]?\d{1,9}/g;

// 匹配URL
const urlRegex = /https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)/g;

// 验证密码强度（至少8字符，包含字母和数字）
const passwordRegex = /^(?=.*[A-Za-z])(?=.*\d)[A-Za-z\d]{8,}$/;

正则表达式处理流程

常见匹配模式总结

模式类型	正则表达式	描述
数字匹配	/\d+/	匹配一个或多个数字
单词匹配	/\w+/	匹配一个或多个单词字符
空白匹配	/\s+/	匹配一个或多个空白字符
精确匹配	/^exact$/	精确匹配整个字符串
可选匹配	/pattern?/	匹配0次或1次
多重匹配	/pattern*/	匹配0次或多次
范围匹配	/[a-z]+/	匹配一个或多个小写字母

掌握这些基础语法是使用正则表达式的关键，它们为处理复杂的文本匹配任务提供了强大的工具集。通过组合不同的元字符、量词和修饰符，可以构建出几乎任何需要的文本匹配模式。

字符类与量词使用

在JavaScript正则表达式中，字符类和量词是构建强大模式匹配能力的核心元素。字符类允许我们定义一组可接受的字符，而量词则控制这些字符出现的次数。掌握这两者的使用，能够显著提升正则表达式的精确度和灵活性。

字符类的基本语法

字符类使用方括号 [] 来定义，表示匹配方括号内的任意一个字符。让我们通过一个流程图来理解字符类的匹配过程：

基础字符类示例

// 匹配元音字母
const vowelRegex = /[aeiou]/;
console.log(vowelRegex.test("hello")); // true - 包含 'e'
console.log(vowelRegex.test("xyz"));   // false - 没有元音

// 匹配数字字符
const digitRegex = /[0-9]/;
console.log(digitRegex.test("Room 101")); // true - 包含数字
console.log(digitRegex.test("ABC"));      // false - 没有数字

字符类范围表示法

字符类支持使用连字符 - 来表示字符范围，这使得模式定义更加简洁：

字符类	描述	等价写法
[a-z]	所有小写字母	[abcdefghijklmnopqrstuvwxyz]
[A-Z]	所有大写字母	[ABCDEFGHIJKLMNOPQRSTUVWXYZ]
[0-9]	所有数字	[0123456789]
[a-zA-Z]	所有字母	-

预定义字符类

JavaScript提供了一些预定义的字符类，它们是对常见字符类的简写：

预定义类	等价字符类	描述
\d	[0-9]	数字字符
\D	[^0-9]	非数字字符
\w	[a-zA-Z0-9_]	单词字符（字母、数字、下划线）
\W	[^a-zA-Z0-9_]	非单词字符
\s	[ \t\r\n\f]	空白字符
\S	[^ \t\r\n\f]	非空白字符

// 使用预定义字符类
const hasDigit = /\d/;
console.log(hasDigit.test("Hello123")); // true

const onlyWordChars = /^\w+$/;
console.log(onlyWordChars.test("hello_world123")); // true
console.log(onlyWordChars.test("hello-world"));    // false - 包含连字符

否定字符类

通过在字符类开头使用脱字符 ^，可以创建否定字符类，匹配不在指定范围内的字符：

// 匹配非元音字母
const nonVowelRegex = /[^aeiou]/;
console.log(nonVowelRegex.test("aeiou")); // false - 全是元音
console.log(nonVowelRegex.test("hello")); // true - 包含 'h', 'l', 'l'

// 匹配非数字字符
const nonDigitRegex = /[^0-9]/;
console.log(nonDigitRegex.test("123"));   // false - 全是数字
console.log(nonDigitRegex.test("12a"));   // true - 包含 'a'

量词的使用

量词控制模式中元素出现的次数，是正则表达式强大功能的重要组成部分：

基本量词

量词	描述	示例
*	零次或多次	a* 匹配 "", "a", "aa", "aaa", ...
+	一次或多次	a+ 匹配 "a", "aa", "aaa", ...
?	零次或一次	a? 匹配 "", "a"
{n}	恰好n次	a{3} 匹配 "aaa"
{n,}	n次或更多次	a{2,} 匹配 "aa", "aaa", ...
{n,m}	n到m次	a{2,4} 匹配 "aa", "aaa", "aaaa"

// 量词示例
const zeroOrMoreA = /a*/;
console.log(zeroOrMoreA.test(""));    // true
console.log(zeroOrMoreA.test("aaa")); // true

const oneOrMoreDigits = /\d+/;
console.log(oneOrMoreDigits.test(""));     // false
console.log(oneOrMoreDigits.test("123")); // true

const exactlyThreeLetters = /[a-z]{3}/;
console.log(exactlyThreeLetters.test("ab"));  // false
console.log(exactlyThreeLetters.test("abc")); // true

贪婪与非贪婪匹配

量词默认是贪婪的，会尽可能多地匹配字符。在量词后添加 ? 可以使其变为非贪婪（懒惰）匹配：

const greedyRegex = /a+/;
const lazyRegex = /a+?/;

const text = "aaa";

console.log(text.match(greedyRegex)); // ["aaa"] - 贪婪匹配
console.log(text.match(lazyRegex));   // ["a"]   - 非贪婪匹配

字符类与量词的组合应用

将字符类和量词结合使用，可以创建强大的模式匹配规则：

// 匹配连续的数字序列
const digitSequence = /\d+/;
console.log("123abc456".match(digitSequence)); // ["123"]

// 匹配单词（字母序列）
const wordRegex = /[a-zA-Z]+/;
console.log("Hello123World".match(wordRegex)); // ["Hello"]

// 匹配特定格式的电话号码
const phoneRegex = /\(\d{3}\) \d{3}-\d{4}/;
console.log(phoneRegex.test("(123) 456-7890")); // true
console.log(phoneRegex.test("123-456-7890"));   // false

// 匹配HTML标签（简化版）
const htmlTagRegex = /<[a-zA-Z][a-zA-Z0-9]*>/;
console.log(htmlTagRegex.test("<div>"));    // true
console.log(htmlTagRegex.test("<div123>")); // true
console.log(htmlTagRegex.test("<123div>")); // false

实际应用场景

验证用户输入

// 验证用户名：3-20个字符，只能包含字母、数字和下划线
const usernameRegex = /^[a-zA-Z0-9_]{3,20}$/;
console.log(usernameRegex.test("user_123")); // true
console.log(usernameRegex.test("ab"));       // false - 太短
console.log(usernameRegex.test("user@name")); // false - 包含非法字符

// 验证密码强度：至少8个字符，包含至少一个字母和一个数字
const passwordRegex = /^(?=.*[a-zA-Z])(?=.*\d).{8,}$/;
console.log(passwordRegex.test("password123")); // true
console.log(passwordRegex.test("12345678"));    // false - 没有字母
console.log(passwordRegex.test("abcdefgh"));    // false - 没有数字

数据提取与处理

// 从文本中提取所有数字
const extractNumbers = /\d+/g;
const text = "订单号: 12345, 金额: 299.99, 数量: 2";
const numbers = text.match(extractNumbers);
console.log(numbers); // ["12345", "299", "99", "2"]

// 提取电子邮件地址
const emailRegex = /[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/g;
const emailText = "联系我：user@example.com 或 admin@company.org";
const emails = emailText.match(emailRegex);
console.log(emails); // ["user@example.com", "admin@company.org"]

文本清洗与格式化

// 移除多余的空格
const multipleSpaces = /\s+/g;
const dirtyText = "Hello     World    !";
const cleanText = dirtyText.replace(multipleSpaces, " ");
console.log(cleanText); // "Hello World !"

// 格式化信用卡号码（每4位添加空格）
const creditCardRegex = /(\d{4})/g;
const cardNumber = "1234567812345678";
const formatted = cardNumber.replace(creditCardRegex, "$1 ").trim();
console.log(formatted); // "1234 5678 1234 5678"

性能优化建议

在使用字符类和量词时，考虑以下性能优化策略：

1. 使用具体范围：尽量使用 [a-z] 而不是 [abcdefghijklmnopqrstuvwxyz]
2. 避免过度使用通配符：.* 可能很慢，尽量使用更具体的模式
3. 使用锚点：^ 和 $ 可以帮助引擎更快地确定匹配位置
4. 避免嵌套量词：如 (a+)+ 可能导致灾难性回溯

// 优化前：可能较慢
const slowRegex = /.*@.*\..*/;

// 优化后：更具体，性能更好
const fastRegex = /[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/;

通过合理运用字符类和量词，你可以构建出既精确又高效的正则表达式模式，满足各种复杂的文本处理需求。

分组捕获与反向引用：正则表达式的强大组合技

在正则表达式的世界里，分组捕获和反向引用是两个极其强大的功能，它们让模式匹配变得更加灵活和智能。通过分组，我们可以将复杂的正则表达式分解为更小的、可重用的部分，而反向引用则允许我们在同一个表达式中引用之前捕获的内容。

分组的基本语法

在正则表达式中，使用圆括号 () 来创建捕获组。这些组不仅用于组织复杂的模式，还能捕获匹配的内容供后续使用。

// 基本分组示例
const regex = /(hello) (world)/;
const text = "hello

【免费下载链接】hello-javascript Curso para aprender el lenguaje de programación JavaScript desde cero y para principiantes. 项目地址: https://gitcode.com/gh_mirrors/hel/hello-javascript