Regular Expression ​

Regular expressions are ubiquitous in OhMyMN. A regular expression is simply an expression that is used to match a particular formatted string.

The general search just like, if you type the word baby, it will search for all baby, including angelababy, but I only want to search for individual baby, so what should I do? Between the word and the word must be non-word characters, so we can use the regular expression \bbaby\b, \b means that one side of the location for the word characters, the other side for non-word characters.

Additional but Important ​

1. Regular expression support varies by programming language and by browser. MarginNote uses Safari JavaScriptCore engine, which does not support many features, such as the lookbehind assertion (?<=y)x, the negative lookbehind assertion (?<!y)x.

2. In JavaScript, there is a fixed way to write a regular expression , such as /\bbaby\b/g, wrapped with two /. After the second slash, you can add flags to change the matching pattern, the following 5 are commonly used.

   • /xxx/g Global search. In the Replace() Method, all matching strings will be replaced, otherwise only the first one will be replaced.
   • /xxx/i Case-insensitive search.
   • /xxx/s Allows . to match newline characters.
   • /xxx/m Allows ^ and $ to match newline characters.
   • /xxx/u "Unicode"; treat a pattern as a sequence of Unicode code points.

3. You can use Regex-Vis or iHateRegex to test and visualize。

4. You can use Regex Learn to get started with regular expressions by answering questions, I believe it will help you.

元字符 ​

元字符是在正则表达式中具有特殊含义的符号或字符，正则表达式本质上就是通过元字符实现字符串精准匹配的。接下来，我讲的所有符号都是元字符，下面这些是简单常用的元字符。

^说清楚点就是匹配每一行的开始位置, $匹配的是每一行的结尾位置。只要有了^ ，那就只会匹配每一行开头的字符串，而不会匹配每一行中间的，而$就是匹配每一行结尾的字符串，两个结合到一起，常用于单行字符串的匹配。

反义 ​

反义一般用上面元字符的大写表示，比如\d匹配任意数字，而\D匹配除数字外的所有字符，其他的也一样。使用^来匹配除方框里给出的字符之外的所有字符。

限定符 ​

限定符是跟在其他元字符后面的，用于限定元字符匹配字符的重复次数。

这部分可能不太好理解，我来举几个例子

• \d+ ：作用是匹配由数字构成的字符串 \d 是匹配数字，+ 相当于无数个 \d，数量取决于什么时候遇到非数字，必须连续。
• \d{1,}：作用和上面一毛一样，也是匹配由数字构成的字符串，只是可以自定义最少有几位，比如 \d{3,} 表示这个数字至少有三位。
• * 相当于 {0,} ，+ 相当于 {1,} ，? 相当于 {0,1}，后三个只是自定义程度更高，前三个使用更方便。

字符转义 ​

当你想搜索元字符本身怎么办，那就在前面加一个\ ，比如说想搜索. ，就需要用\. 。之前说了正则表达式里所有的特殊符号都是元字符，都需要转义。

字符类 ​

之前说的 \w ，\d ，\s 这些只能匹配任意的字母数字，而不能匹配特定的几个字母或者数字，只需要把你想匹配的装到方括号里，就像 [12345] 这样，你就能匹配到 12345 中任意一个数字了，同时你也可以用 [1-5] 表示。

除了数字，其他的字符，字母都可以这样，并且在方括号里不用担心字符转义的问题， [.*+?$] 这些都可以直接匹配。但是用于反义的 ^，我们如果想要匹配它就需要使用 [\^]。

字符、数字、字母都可以放在一起，比如[0-9A-Za-z] ，直接连在一起就行，相当于\w的效果。

举一个稍微复杂的例子，^[a-zA-Z]\w{5,17}$ ，用正则可视化我们可以看出这是一个校验密码的表达式，以字母开头，长度为6到18位。下面写的意思是再重复4到16次。用 ^$ 包在一起就表示是单独的一行。

再举一个复杂点的例子，\(?0\d{2}[) -]?\d{8}，他其实能匹配四种格式的电话号码，比如 (010)88886666 或 022-22334455 或 029 12345678 或 02912345678，他们的特点在于前三位数字，有的是括号包围，有的后面跟着短横，有的后面跟着空格，有的什么都没有，这就用到了字符类，[) -] 这里面有是三种字符，包括一个空格。? 表示匹配0次或1次，所以一共四种情况。

分支条件 ​

刚才举的第二个例子，可以匹配三种格式的电话号码，但你认真思考一下就会发现，它还会匹配 010)12345678 或者 (022-87654321 这些错误的格式。因为 ? 不会进行判断，前面的字符存不存在都可以。但是我们更多的时候需要进行判断，不存在是什么格式，存在是什么格式。

拿这个例子来说，如果存在 ( ，那后面也必须是 ) ，要实现这个我们需要要用分支条件 |，这个符号就相当于取并集，两个条件满足一个即可。改写上面的表达式 \(0\d{2}\)\d{8}|0\d{2}[- ]?\d{8} 。

分成了两个分支，一个是有括号的，一个是没括号的。而没有括号的中间可以有一条短横，也可以没有。值得注意的是，分支条件优先匹配左边的条件，只要满足左边的条件，就不会看右边的条件了。

分组 ​

之前说的在元字符后面加重复限定符就可以重复匹配这个字符，但是如果想重复匹配一个比较复杂的表达式呢，就需要把这个表达式放在括号 () 里面。

比如常用的 IP 地址匹配的表达式 (\d{1,3}\.){3}\d{1,3}，每 3 个数字（最多 3 个）一段，共四段，中间用 . 连接。可以看做三段 3 个数字（最多 3 个）加 1 个点，最后一段为 3 个数字（最多 3 个）。

当然，这个表达式只是匹配个形式，IP 每一段有大小限制，不能大于 255，很遗憾正则表达式不能判断数字大小，所以我们只能把 3 个数字单独分开看，分为 3 个分支。

• 第一位为 2，第二位为 0-4，第三位为 任意数字。
• 前两位为 25，第三位 0-5。
• 第一位为 0或1或者为空，第二位为 任意数字，第三位为 空或任意数字。

然后将这3个数字的表达式分为一组即可。IP 地址完整匹配表达式

((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

1. 捕获组 ​

默认 () 就是捕获组，会将括号里匹配到的内容保存到内存中，你可以使用 \1 来引用它，当然，只能在括号后引用，这就是 后向引用。

捕获组在 Replace() Method 中非常有用。可以使用 $1 来引用捕获的内容。

2. 非捕获组 ​

如果只是想分组，其实不需要用捕获组，可以使用 (?:) 来分组。

在 Split() Method 中，如果使用捕获组，捕获的内容包括在结果中，会增加不确定性，一般就是用的非捕获组。

贪婪与懒惰 ​

这其实是很多人不太明白，但却非常重要的知识点。

什么是贪婪，举个例子，如果一个字符串 1010000000001 ，我们需要匹配 101 一般人就会使用 1\d+1 ，但是这样你会匹配到 1010000000001 这整个字符串，这就是贪婪匹配，他会尽可能多的匹配字符。

而如果想匹配到 101 ，我们就需要使用 1\d+?1 ，在重复限定符后加一个 ? ，就变成了懒惰匹配，会尽可能少的匹配。尽可能少重复，遇到第一个满足条件的就停止匹配。? 本身就是重复限定符，表示重复 0 次或 1 次，所以也有 .?? 这种形式，至于这有什么作用，我也不知道。

零宽断言 ​

可谓是正则里面最厉害的，可惜的是 MarginNote 的 JS 引擎对它的支持度不高。它不匹配任何字符串，只匹配一个位置，比如 \b ^ $ 这些都是断言。

零宽好理解，匹配的只是一个位置，本身是没有宽度的。而断言，在调试代码中很常用，表示我断定这个条件是满足的，如果不满足就是出 bug 了。至于在这里嘛，可能就是断定这个位置的意思。

零宽断言有很多中别名，比如 环视，分为了 肯定逆序环视、否定逆序环视、肯定顺序环视、否定顺序环视。

这里我一般常用：

• 向前断言 x(?=y) ，给出了一个位置，表示 y 的前面，所以我们匹配的就是在 y 前面的 x。也就说匹配的 x 必须有 y 跟在后面。注意断言只是一个位置，他不会被包含着匹配结果中。
• 向前否定断言 x(?!y) 顾名思义，给出的位置是一个字符的前面，但不是 y，匹配的是没有 y 跟在后面的 x。
• 向后断言 (?<=y)x 匹配的是有 y 在前面的 x。 不支持
• 向后否定断言 (?<!y)x 匹配的是没有 y 在前面的 x。 不支持

参考 ​

1. 正则表达式30分钟入门教程
2. 正则表达式——MDN