【js-05】
如何使用正则表达式？
分享人：孟晨
目录
1.背景介绍
2.知识剖析
3.常见问题
4.解决方案
5.编码实战
6.扩展思考
7.参考文献
8.更多讨论
在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。
很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard)，也就是*和?。如果你想查找某个目录下的所有的Word文档的话，你会搜索*.doc。在这里，*会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串(像010-12345678或0376-7654321)。
学习正则表达式的最好方法是从例子开始，理解例子之后再自己对例子进行修改，实验。下面给出了不少简单的例子，并对它们作了详细的说明。
首先看个例子
假设你在一篇英文小说里查找hi，你可以使用正则表达式hi。
这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h,后一个是i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配hi,HI,Hi,hI这四种情况中的任意一种。
不幸的是，很多单词里包含hi这两个连续的字符，比如him,history,high等等。用hi来查找的话，这里边的hi也会被找出来。如果要精确地查找hi这个单词的话，我们应该使用\bhi\b。
\b是正则表达式规定的一个特殊代码（好吧，某些人叫它元字符，metacharacter），代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。
然后
假如你要找的是hi后面不远处跟着一个Lucy，你应该用\bhi\b.*\bLucy\b。
这里，.是另一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，不过它代表的不是字符，
也不是位置，而是数量——它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配。
因此，.*连在一起就意味着任意数量的不包含换行的字符。
现在\bhi\b.*\bLucy\b的意思就很明显了：先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词。
如果同时使用其它元字符，我们就能构造出功能更强大的正则表达式。比如下面这个例子：
0\d\d-\d\d\d\d\d\d\d\d匹配这样的字符串：以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字(也就是中国的电话号码。当然，这个例子只能匹配区号为3位的情形)。
这里的\d是个新的元字符，匹配一位数字(0，或1，或2，或……)。-不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。
为了避免那么多烦人的重复，我们也可以这样写这个表达式：0\d{2}-\d{8}。这里\d后面的{2}({8})的意思是前面\d必须连续重复匹配2次(8次)。
\ba\w*\b
匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。
\d+
匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。
\b\w{6}\b
匹配刚好6个字符的单词
常用的元字符
1、.匹配除换行符以外的任意字符
2、 \w匹配字母或数字或下划线或汉字
3、 \s匹配任意的空白符
4、\d 匹配数字
5、\b 匹配单词的开始或结束
6、^ 匹配字符串的开始
7、$ 匹配字符串的结束
^\d{5,12}$
如果你想查找元字符本身的话，比如你查找.,或者*,这时就需要转义字符。
因此，要查找\本身，需要使用\\.
常用的限定符
1.* 重复零次或更多次
2.+ 重复一次或更多次
3.? 重复零次或一次
4.{n} 重复n次
5.{n,} 重复n次或更多次
6.{n,m} 重复n到m次
举几个简单的栗子
Windows\d+
^\w+
字符类
[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。
\(?0\d{2}[) -]?\d{8}
分歧条件
刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。
要解决这个问题，需要用到分枝条件。
正则表达式里的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，具体方法是用|把不同的规则分隔开。
0\d{2}-\d{8}|0\d{3}-\d{7}
使用分枝条件时，要注意各个条件的顺序。
\d{5}-\d{4}|\d{5}
\d{5}|\d{5}-\d{4}
匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。
反义
\W 匹配任意不是字母，数字，下划线，汉字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非数字的字符
\B 匹配不是单词开头或结束的位置
[^x] 匹配除了x以外的任意字符
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符
举个例子:
\S+匹配不包含空白符的字符串。
^a[^b]+$
贪婪和怠惰限定符
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（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。
以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。
如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
在某些情况需要懒惰匹配，也就是匹配尽可能少的字符。
前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。
这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。
怠惰限定符
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
举个例子：
a.*?b
一个邮箱的正则规则定义：
以大写字母[A-Z]、小写字母[a-z]、数字[0-9]、下滑线[_]、及点号[.]开头，并需要重复一次至多次[+]。
中间必须包括@符号。
@之后需要连接大写字母[A-Z]、小写字母[a-z]、数字[0-9]、下滑线[_]及点号[.]，并需要重复一次至多次[+]。
结尾必须是点号[.]连接2至4位的大小写字母[A-Za-z]{2,4}。
^([A-Za-z0-9_\.])+\@([A-Za-z0-9_\.])+\.([A-Za-z]{2,4})$