超好用的6种正则表达式,前端开发人员必知
全文共4719字,预计学习时长14分钟
来源:Pexels
正则表达式已经成为程序员的必备工具。几乎所有流行的编程语言都支持正则表达式,原因如下:正则表达式为开发人员提供了强有力的工具,使之能快速执行需要几十行代码才能完成的任务。
本文主要研究前端开发人员经常要面对的六大文本处理和操作任务,并进一步了解正则表达式如何简化这一过程。但也只是触及了正则表达式潜力之皮毛。
假设文本中有一个或多个URL,且均不是HTML锚元素,因此不能单击。要将url自动转换为链接,首先需要找到URL,然后用指向URL的<a>的href属性将每个URL装入标签<a>…</a>:
注意:使用该正则表达式时要小心,因为它不会匹配以标点符号结尾的URL,也可能无法匹配更复杂的URL。
下面来看看其原理:
· \\b 在被称为“单词边界”的位置进行匹配。
· (https?|ftp|file) 匹配字符“https”,或“http”,或“ftp”,或“file”
· : 按字面意义匹配冒号字符
· \\/ 按字面意义匹配正斜杠字符
· \\S 匹配除空白之外的单个字符
· + 与前一项匹配一次或多次
· [\\/\\w] 匹配正斜杠或单词字符。如果没有这个,该正则表达式将匹配URL结尾的任何标点符号。
· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止
· 在replace()的第二个参数中,将匹配的子字符串插入到替换字符串中
文章和教程包含不必要的重复单词并不少见。即使是专业作家也要为这些错误进行校对。在谷歌新闻上简单地搜索“the”,就会发现数百家知名新闻机构的文章中都有重复的“the”。幸运的是,正则表达式可以用一行代码修复这个问题:
· \\b 在“单词边界”的位置进行匹配(后跟或前接ASCII字母、数字或下划线的位置)。
· \\w 匹配单词字符(ASCII字母、数字或下划线)
· + 与前一项匹配一次或多次
· \\s 匹配空白字符
· + 将前一项匹配一次或多次,以便能够检测到含多个空白字符的重复单词
· \\1 反向引用和匹配的文本是否与第一对括号中匹配的文本相同
· \\b 匹配单词边界
· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止
· i 使搜索不区分大小写(忽略大小写差异)
· $1 在replace()的第二个参数中插入第一对括号中匹配的文本
在提供要下载的文件时,文件名中不应包含某些字符。例如,在Windows操作系统中,以下字符在文件名中无效,应删除:
· <(小于)
· > (大于)
· : (冒号)
· “ (双引号)
· / (正斜杠)
· \\ (反斜杠)
· | (竖线)
· ? (问号)
· * (星号)
使用正则表达式删除无效字符非常简单。来看一个例子:
[], 被称为字符类,可匹配方括号之间的一个字符。因此,通过将所有无效字符放在其中并在正则表达式的末尾添加一个全局(g)标志,可从字符串中有效删除这些字符。
注意,在字符类中,反斜杠具有特殊含义,必须用另一个反斜杠进行转义:\\\\。操作符+重复字符类,以便同时替换无效字符序列,这有助于提升性能。可省略它而不影响结果。
请记住,除非想用另一个字符替换无效字符,否则replace()方法的第二个参数必须是空字符串。
还有几个保留的名称被Windows内部用于各种任务,不允许作为文件名。保留的名称如下:
CON, PRN, AUX, NUL, COM1, COM2, COM3, COM4, COM5,COM6, COM7, COM8, COM9, LPT1, LPT2, LPT3, LPT4, LPT5, LPT6, LPT7, LPT8, andLPT9
若要去掉保留的名称,请运行以下代码:
基本上,这段代码命令正则表达式引擎替换str中的字符(若其构成由竖线字符(|)分隔的单词之一)。本例中不能使用空字符串作为第二个参数,因为文件没有名称。
注意,若字符串包含任何附加字符,则不会被替换。例如,“con”会被替换,但“concord”不会,这是一个有效的文件名。这是通过在正则表达式中使用^和$来实现的。^匹配字符串的开头,可确保在要匹配的字符串之前没有其他字符。$匹配字符串的结尾。
也可以使用字符类采用更紧凑的方式编写该正则表达式:
[1–9]匹配1-9的数字
来源:Pexels
当呈现网页时,重复的空白字符将显示为单个空白。然而,有时需要清理用户输入或其他数据,并将重复的空白替换为单个空白。下面将演示如何使用正则表达式实现这一点:
该正则表达式仅包含两个元字符、一个操作符和一个标记:
· \\s 匹配单个空白字符,包括ASCII空格、制表符、换行符、回车符、垂直制表符和表单换行符
· \\s 再次匹配单个空白字符
· + 与前一项匹配一次或多次
· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止
结果是替换所有重复至少两次的空白字符。请注意,上面示例中的结果在开头仍然有一个应删除的空白字符。为此,只需将trim()函数添加到语句的末尾:
请记住,此代码使用空格(U+0020)字符替换任何类型的空白字符,包括ASCII空格、制表符、换行符、回车符、垂直制表符和表单换行符。因此,如果回车紧跟在制表符之后,那么它们将被一个空格代替。若这不是目的所在,只想替换相同类型的空白,可用下面的代码代替:
\\1 是一个反向引用,并与第一对括号(\\s)中匹配的字符匹配。可在replace()的第二个参数中使用$1替换它们,它插入了在括号中匹配的字符。
假设你想匹配文本中包含特定单词的所有句子。或者你想在搜索结果中突出显示这些句子,又或者想将其从文本中删除。正则表达式/[^.!?]*\\bword\\b[^.!?]*.?/gi可实现以上需求。以下是其原理:
下文将逐步研究该正则表达式:
· [^.!?] 匹配所有除 ., !,及?以外的字符
· * 匹配前一项的零个或多个序列
· \\b 在“单词边界”的位置进行匹配(后跟或前接ASCII字母、数字或下划线的位置)。
· apple 按字面匹配字符(因为它区分大小写,所以将i标记添加到该正则表达式的末尾)
· \\b 匹配单词边界
· [^.!?] 匹配所有除 .,!,及?以外的字符
· * 匹配前一项的零个或多个序列
· . 匹配除换行符以外的所有字符
· ? 匹配前一项出现零次或一次的项
· g 命令正则表达式引擎匹配所有出现的项而不是在首次匹配后即停止
· i 使搜索不区分大小写
提示:使用Bit (Github)从代码库中“获取”组件,逐步构建UI组件库。与团队一起使用该UI组件库,以获得一致UI、快速开发和无限合作。轻松将可重用组件导入至任何项目中,使用并更新以实现跨存储库同步更改。
示例:搜索在bit.dev上共享的React组件
网页开发时的一个常见任务是将用户输入限制为字母数字字符(A – z、A – z和0-9)。使用正则表达式实现这个任务非常简单:使用一个字符类来定义允许的字符范围,然后在其上添加一个量词来指定可以重复的字符的数量:
注意:该正则表达式仅适用于英语,不匹配重音字母或其他语言的字母。
下面是其原理:
· ^ 匹配字符串的开头。确保在要匹配的字符串之前没有其他字符。
· [A-Z0–9] 匹配A和Z之间的字符,或0和9之间的字符。由于这是区分大小写的,可将i标记添加到该正则表达式的末尾。或者,可使用无标记的[A-Za-z0-9]。
· + 与前一项匹配一次或多次,因此,输入项必须至少有一个非空白字母数字字符;否则,匹配失败。若要使字段为可选的,则可以使用*量词,该量词与前一项匹配的次数须大于0。
· $ 匹配字符串的末尾.
来源:Pexels
花时间掌握正则表达式绝对是一项值得的投资,因为它将有助于解决编码时遇到的各种问题。
希望这篇文章对你有用!
留言点赞关注
我们一起分享AI学习与发展的干货
如转载,请后台留言,遵守转载规范
Python正则表达式很难?一篇文章搞定他,不是我吹
1. 正则表达式语法
1.1 字符与字符类
1 特殊字符:.^$?+*{}|
以上特殊字符要想使用字面值,必须使用进行转义
2 字符类
1. 包含在中的一个或者多个字符被称为字符类,字符类在匹配时如果没有指定量词则只会匹配其中的一个。
2. 字符类内可以指定范围,比如[a-zA-Z0-9]表示a到z,A到Z,0到9之间的任何一个字符
3. 左方括号后跟随一个,表示否定一个字符类,比如[0-9]表示可以匹配一个任意非数字的字符。
4. 字符类内部,除了之外,其他特殊字符不再具备特殊意义,都表示字面值。放在第一个位置表示否定,放在其他位置表示本身,-放在中间表示范围,放在字符类中的第一个字符,则表示-本身。
5. 字符类内部可以使用速记法,比如d s w
3 速记法
. 可以匹配除换行符之外的任何字符,如果有re.DOTALL标志,则匹配任意字符包括换行
d匹配一个Unicode数字,如果带re.ASCII,则匹配0-9
D 匹配Unicode非数字
s匹配Unicode空白,如果带有re.ASCII,则匹配中的一个
S 匹配Unicode非空白
w匹配Unicode单词字符,如果带有re.ascii,则匹配[a-zA-Z0-9_]中的一个
W 匹配Unicode非单子字符
1.2 量词
1. ?匹配前面的字符0次或1次
2. *匹配前面的字符0次或多次
3. +匹配前面的字符1次或者多次
4. {m}匹配前面表达式m次
5. {m,}匹配前面表达式至少m次
6. {,n}匹配前面的正则表达式最多n次
7. {m,n}匹配前面的正则表达式至少m次,最多n次
注意点:
以上量词都是贪婪模式,会尽可能多的匹配,如果要改为非贪婪模式,通过在量词后面跟随一个?来实现
1.3 组与捕获
1 的作用:
1. 捕获中正则表达式的内容以备进一步利用处理,可以通过在左括号后面跟随?:来关闭这个括号的捕获功能
2. 将正则表达式的一部分内容进行组合,以便使用量词或者|
2 反响引用前面内捕获的内容:
1. 通过组号反向引用
每一个没有使用?:的小括号都会分配一个组好,从1开始,从左到右递增,可以通过i引用前面内表达式捕获的内容
2. 通过组名反向引用前面小括号内捕获的内容
可以通过在左括号后面跟随?P<name>,尖括号中放入组名来为一个组起一个别名,后面通过(?P=name)来引用 前面捕获的内容。如(? P<word>w+)s+(?P=word)来匹配重复的单词。
3 注意点:
反向引用不能放在字符类中使用。
1.4 断言与标记
断言不会匹配任何文本,只是对断言所在的文本施加某些约束
1 常用断言:
1. 匹配单词的边界,放在字符类中则表示backspace
2. B 匹配非单词边界,受ASCII标记影响
3. A 在起始处匹配
4. ^在起始处匹配,如果有MULTILINE标志,则在每个换行符后匹配
5. Z 在结尾处匹配
6. $在结尾处匹配,如果有MULTILINE标志,则在每个换行符前匹配
7. (?=e)正前瞻
8. (?!e)负前瞻
9. (?<=e)正回顾
10.(?<!e)负回顾
2 前瞻回顾的解释
前瞻:exp1(?=exp2) exp1后面的内容要匹配exp2
负前瞻: exp1(?!exp2) exp1后面的内容不能匹配exp2
后顾: (?<=exp2)exp1 exp1前面的内容要匹配exp2
负后顾: (?<!exp2)exp1 exp1前面的内容不能匹配exp2
例如:我们要查找hello,但是hello后面必须是world,正则表达式可以这样写:\”(hello)s+(?=world)\”,用来匹配\”hello wangxing\”和\”hello world\”只能匹配到后者的hello
1.5 条件匹配
(?(id)yes_exp|no_exp):对应id的子表达式如果匹配到内容,则这里匹配yes_exp,否则匹配no_exp
1.6 正则表达式的标志
1. 正则表达式的标志有两种使用方法
1. 通过给compile方法传入标志参数,多个标志使用|分割的方法,如re.compile(r\”#[da-f]{6}\”, re.IGNORECASE|re.MULTILINE)
2. 通过在正则表达式前面添加(?标志)的方法给正则表达式添加标志,如(?ms)#[da-z]{6}
2. 常用的标志
re.A或者re.ASCII, 使 B s S w W d D都假定字符串为假定字符串为ASCII
re.I或者re.IGNORECASE使正则表达式忽略大小写
re.M或者re.MULTILINE 多行匹配,使每个^在每个回车后,每个$在每个回车前匹配
re.S或者re.DOTALL 使.能匹配任意字符,包括回车
re.X或者re.VERBOSE 这样可以在正则表达式跨越多行,也可以添加注释,但是空白需要使用s或者来表示,因为默认的空白不再解释。如:
re.compile(r\”\”\”
<imgs +)#标签的开始
[^>]*?#不是src的属性
src=#src属性的开始
(?:
(?P<quote>[\”\’])#左引号
(?P<image_name>[^>]+?)#图片名字
(?P=quote)#右括号
\”\”\”,re.VERBOSE|re.IGNORECASE)
2. Python正则表达式模块
2.1 正则表达式处理字符串主要有四大功能
1. 匹配 查看一个字符串是否符合正则表达式的语法,一般返回true或者false
2. 获取正则表达式来提取字符串中符合要求的文本
3. 替换查找字符串中符合正则表达式的文本,并用相应的字符串替换
4. 分割使用正则表达式对字符串进行分割。
2.2 Python中re模块使用正则表达式的两种方法
1. 使用re.compile(r, f)方法生成正则表达式对象,然后调用正则表达式对象的相应方法。这种做法的好处是生成正则对象之后可以多次使用。
2. re模块中对正则表达式对象的每个对象方法都有一个对应的模块方法,唯一不同的是传入的第一个参数是正则表达式字符串。此种方法适合于只使用一次的正则表达式。
2.3 正则表达式对象的常用方法
1. rx.findall(s,start, end):
返回一个列表,如果正则表达式中没有分组,则列表中包含的是所有匹配的内容,
如果正则表达式中有分组,则列表中的每个元素是一个元组,元组中包含子分组中匹配到的内容,但是没有返回整个正则表达式匹配的内容
2. rx.finditer(s, start, end):
返回一个可迭代对象
对可迭代对象进行迭代,每一次返回一个匹配对象,可以调用匹配对象的group方法查看指定组匹配到的内容,0表示整个正则表达式匹配到的内容
3. rx.search(s, start, end):
返回一个匹配对象,倘若没匹配到,就返回None
search方法只匹配一次就停止,不会继续往后匹配
4. rx.match(s, start, end):
如果正则表达式在字符串的起始处匹配,就返回一个匹配对象,否则返回None
5. rx.sub(x, s, m):
返回一个字符串。每一个匹配的地方用x进行替换,返回替换后的字符串,如果指定m,则最多替换m次。对于x可以使用/i或者/g<id>id可以是组名或者编号来引用捕获到的内容。
模块方法re.sub(r, x, s, m)中的x可以使用一个函数。此时我们就可以对捕获到的内容推过这个函数进行处理后再替换匹配到的文本。
6. rx.subn(x, s, m):
与re.sub方法相同,区别在于返回的是二元组,其中一项是结果字符串,一项是做替换的个数。
7. rx.split(s, m):分割字符串
返回一个列表
用正则表达式匹配到的内容对字符串进行分割
如果正则表达式中存在分组,则把分组匹配到的内容放在列表中每两个分割的中间作为列表的一部分,如:
rx = re.compile(r\”(d)[a-z]+(d)\”)
s = \”ab12dk3klj8jk9jks5\”
result = rx.split(s)
返回[\’ab1\’, \’2\’, \’3\’, \’klj\’, \’8\’, \’9\’, \’jks5\’]
8. rx.flags:正则表达式编译时设置的标志
9. rx.pattern:正则表达式编译时使用的字符串
2.4 匹配对象的属性与方法
01. m.group(g, …)
返回编号或者组名匹配到的内容,默认或者0表示整个表达式匹配到的内容,如果指定多个,就返回一个元组
02. m.groupdict(default)
返回一个字典。字典的键是所有命名的组的组名,值为命名组捕获到的内容
如果有default参数,则将其作为那些没有参与匹配的组的默认值。
03. m.groups(default)
返回一个元组。包含所有捕获到内容的子分组,从1开始,如果指定了default值,则这个值作为那些没有捕获到内容的组的值
04. m.lastgroup
匹配到内容的编号最高的捕获组的名称,如果没有或者没有使用名称则返回None(不常用)
05. m.lastindex
匹配到内容的编号最高的捕获组的编号,如果没有就返回None。
06. m.start(g):
当前匹配对象的子分组是从字符串的那个位置开始匹配的,如果当前组没有参与匹配就返回-1
07. m.end(g)
当前匹配对象的子分组是从字符串的那个位置匹配结束的,如果当前组没有参与匹配就返回-1
08. m.span
返回一个二元组,内容分别是m.start(g)和m.end(g)的返回值
09. m.re
产生这一匹配对象的正则表达式
10. m.string
传递给match或者search用于匹配的字符串
11. m.pos
搜索的起始位置。即字符串的开头,或者start指定的位置(不常用)
12. m.endpos
搜索的结束位置。即字符串的末尾位置,或者end指定的位置(不常用)
2.5 总结
1. 对于正则表达式的匹配功能,Python没有返回true和false的方法,但可以通过对match或者search方法的返回值是否是None来判断
2. 对于正则表达式的搜索功能,如果只搜索一次可以使用search或者match方法返回的匹配对象得到,对于搜索多次可以使用finditer方法返回的可迭代对象来迭代访问
3. 对于正则表达式的替换功能,可以使用正则表达式对象的sub或者subn方法来实现,也可以通过re模块方法sub或者subn来实现,区别在于模块的sub方法的替换文本可以使用一个函数来生成
4. 对于正则表达式的分割功能,可以使用正则表达式对象的split方法,需要注意如果正则表达式对象有分组的话,分组捕获的内容也会放到返回的列表中
*声明:本文于网络整理,版权归原作者所有,如来源信息有误或侵犯权益,请联系我们删除或授权事宜。
本文作者及来源:Renderbus瑞云渲染农场https://www.renderbus.com
文章为作者独立观点不代本网立场,未经允许不得转载。