正则表达式之量词 +, *, ? 和 {n}

假设我们有一个像这样 +7(903)-123-45-67 的字符串，并想要找到其中所有数字。但与之前不同的是，我们对单个数字不感兴趣，只对全数感兴趣：7, 903, 123, 45, 67。

数字是一个或多个数字 \d 的序列。为了标记我们需要的数量，我们需要加一个 量词。

数量 {n}

最简单的量词便是大括号中的数字：{n}。

在一个字符（或一个字符类，或 [...] 等）后附加一个量词，用来指出我们具体需要的数量。

它有一些高级的形式，让我们看一些例子：

  • 确切的位数：{5}

\d{5} 表示 5 位数，与 \d\d\d\d\d 相同。

下面这个例子查找一个五位数的数字：

alert( "I'm 12345 years old".match(/\d{5}/) ); //  "12345"

我们可以添加 \b 来排除位数更多的数字：\b\d{5}\b。

  • 范围：{3,5}，匹配 3-5 个

要查找 3-5 位的数字，我们可以将限制写在花括号中：\d{3,5}

alert( "I'm not 12, but 1234 years old".match(/\d{3,5}/) ); // "1234"

我们可以省略上限。

那么正则表达式 \d{3,} 就会查找位数大于等于 3 的数字：

alert( "I'm not 12, but 345678 years old".match(/\d{3,}/) ); // "345678"

让我们回到字符串 +7(903)-123-45-67。

我们如果需要一个及以上的数字，就使用 \d{1,}：

let str = "+7(903)-123-45-67";
let numbers = str.match(/\d{1,}/g);
alert(numbers); // 7,903,123,45,67

缩写

大多数常用的量词都有简写形式：

  • +

代表“一个或多个”，与 {1,} 相同。

例如，\d+ 用来查找所有数字：

let str = "+7(903)-123-45-67";
alert( str.match(/\d+/g) ); // 7,903,123,45,67
  • ?

代表“零个或一个”，与 {0,1} 相同。换句话说，它使得符号变得可选。

例如，模式 ou?r 查找 o，后跟零个或一个 u，然后是 r。

所以 colou?r 会找到 color 和 colour：

let str = "Should I write color or colour?";
alert( str.match(/colou?r/g) ); // color, colour
  • *

代表“零个及以上”，与 {0,} 相同。也就是说，字符可以出现任何次数或者不出现。

例如，\d0* 查找一个数字后面跟着任意数量的零（可能有很多或没有）的数字：

alert( "100 10 1".match(/\d0*/g) ); // 100, 10, 1

将其与 +（一个或更多）做比较：

alert( "100 10 1".match(/\d0+/g) ); // 100, 10
// 1 没有被匹配出来，因为 0+ 要求至少有一个 0

更多示例

量词是很常用的。它们是构成复杂正则表达式的主要“模块”，所以让我们看更多示例。

小数的正则表达式（带浮点的数字）：\d+\.\d+

实现：

alert( "0 1 12.345 7890".match(/\d+\.\d+/g) ); // 12.345

”没有特性（attribute）的打开的 HTML 标签（例如 <span> 或 <p>）“的正则表达式。

  1. 最简单的：/<[a-z]+>/i

    alert( "<body> ... </body>".match(/<[a-z]+>/gi) ); // <body>

    正则表达式查找的匹配项是字符 '<' 后跟一个或多个拉丁字母，然后是 '>'。

  2. 进阶版：/<[a-z][a-z0-9]*>/i

    根据标准，HTML 标签名称可以在除了第一个位置之外的任何位置有一个数字，例如 <h1>。

    alert( "<h1>Hi!</h1>".match(/<[a-z][a-z0-9]*>/gi) ); // <h1>

“打开或关闭的不带特性的 HTML 标签”的正则表达式：/<\/?[a-z][a-z0-9]*>/i

我们在模式开头附近添加了一个可选的斜杠 /?。必须用一个反斜杠转义它，否则 JavaScript 会认为它是这个模式的结束符。

alert( "<h1>Hi!</h1>".match(/<\/?[a-z][a-z0-9]*>/gi) ); // <h1>, </h1>

❗️ 为了使正则表达式更精确，我们通常需要使其更复杂

我们能够从这些例子中看到一个共同的规则：正则表达式越精确 —— 它就越长越复杂。

例如，对于 HTML 标签，我们可以使用更简单的正则表达式：<\w+>。但是由于 HTML 对标签名称有更严格的限制，所以 <[a-z][a-z0-9]*> 更可靠

我们可以使用 <\w+> 还是需要 <[a-z][a-z0-9]*>？

在实际开发中，这两种变体都是可以接受的。具体用哪个取决于我们对于“额外”匹配的宽容程度，以及通过其他方式将它们从结果中删除的困难程度。

posted on 2022-12-12 14:06  梁飞宇  阅读(859)  评论(0)    收藏  举报