共计 8948 个字符，预计需要花费 23 分钟才能阅读完成。
前言
正则表达式是软件领域为数不多的伟大创作。与之相提并论是分组交换网络、Web、Lisp、哈希算法、UNIX、编译技术、关系模型、面向对象等。正则自身简单、优美、功能强大、妙用无穷。
学习正则表达式，语法并不难，稍微看些例子，多可照葫芦画瓢。但三两篇快餐文章，鲜能理解深刻。再遇又需一番查找，竹篮打水一场空。不止正则，其他技术点同样，需要系统的学习。多读经典书籍，站在巨人肩膀前行。
这里涉及的东西太多，我就着重讲日常开发中可能会用到的内容，如果像深入理解的话推荐翻阅书籍《精通正则表达式》
（所以简单来说，学习正则就是投入高，收益低）（起初一看简单易懂，深入了解过后感叹正则的强大）
全文略长，可以选择感兴趣的部分看
1、介绍正则
正则表达式严谨来讲，是一种描述字符串结构模式的形式化表达方法。起始于数学领域，流行于 Perl 正则引擎。JavaScript 从 ES 3 引入正则表达式，ES 6 扩展
对正则表达式支持。
正则原理
对于固定字符串的处理，简单的字符串匹配算法（类 KMP 算法）相较更快；但如果进行复杂多变的字符处理，正则表达式速度则更胜一筹。那正则表达式具体匹配原理是什么？这就涉及到编译原理的知识（编译原理着实是我大三里面最头疼的课程了）
正则表达式引擎实现采用一种特殊理论模型：有穷自动机（Finite Automata）也叫有限状态自动机（finite-state machine）具体的细节见文章底部的参考文档
字符组
字符组
含义
[ab]
匹配 a 或 b
[0-9]
匹配 0 或 1 或 2 … 或 9
1
匹配 除 a、b 任意字符
字符组
含义
d
表示 [0-9]，数字字符
D
表示 [^0-9]，非数字字符
w
表示 [_0-9a-zA-Z]，单词字符，注意下划线
W
表示 [^_0-9a-zA-Z]，非单词字符
s
表示 [tvnrf]，空白符
S
表示 [^ tvnrf]，非空白符
.
表示 [^nru2028u2029]。通配符，匹配除换行符、回车符、行分隔符、段分隔符外任意字符
量词
匹配优先量词
忽略优先量词
含义
{m,n}
{m,n}?
表示至少出现 m 次，至多 n 次
{m,}
{m,}?
表示至少出现 m 次
{m}
{m}?
表示必须出现 m 次，等价 {m,m}
?
??
等价 {0,1}
+
+?
等价 {1,}
*
*?
等价 {0,}
锚点与断言
正则表达式中有些结构并不真正匹配文本，只负责判断在某个位置左 / 右侧的文本是否符合要求，被称为锚点。常见锚点有三类：行起始 / 结束位置、单词边界、环视。在 ES5 中共有 6 个锚点。
锚点
含义
^
匹配开头，多行匹配中匹配行开头
$
匹配结尾，多行匹配中匹配行结尾
b
单词边界，w 与 W 之间位置
B
非单词边界
(?=p)
该位置后面字符要匹配 p
(?!p)
该位置后面字符不匹配 p
需要注意，\b 也包括 \w 与 ^ 之间的位置，以及 \w 与 $ 之间的位置。如图所示。
修饰符
修饰符是指匹配时使用的模式规则。ES5 中存在三种匹配模式：忽略大小写模式、多行模式、全局匹配模式，对应修饰符如下。
修饰符
含义
i
不区分大小写匹配
m
允许匹配多行
g
执行全局匹配
u
Unicode 模式, 用来正确处理大于 \uFFFF 的 Unicode 字符, 处理四个字节的 UTF-16 编码。
y
粘连模式，和 g 相似都是全局匹配，但是特点是：后一次匹配都从上一次匹配成功的下一个位置开始，必须从剩余的第一个位置开始，这就是“粘连”的涵义。
s
dotAll 模式，大部分情况是用来处理行终止符的
2、正则的方法
字符串对象共有 4 个方法，可以使用正则表达式：match()、replace()、search() 和 split()。
ES6 将这 4 个方法，在语言内部全部调用 RegExp 的实例方法，从而做到所有与正则相关的方法，全都定义在 RegExp 对象上。
String.prototype.match 调用 RegExp.prototype[Symbol.match]String.prototype.replace 调用 RegExp.prototype[Symbol.replace]
String.prototype.search 调用 RegExp.prototype[Symbol.search]
String.prototype.split 调用 RegExp.prototype[Symbol.split]
String.prototype.match
String.prototype.replace
字符串的 replace 方法，应该是我们最常用的方法之一了，这里我给详细的说一下其中的各种使用攻略。
replace 函数的第一个参数可以是一个正则，或者是一个字符串（字符串没有全局模式，仅匹配一次），用来匹配你想要将替换它掉的文本内容
第二个参数可以是字符串，或者是一个返回字符串的函数。这里请注意，如果使用的是字符串，JS 引擎会给你一些 tips 来攻略这段文本：
变量名
代表的值
$$
插入一个 “$”。
$&
插入匹配的子串。
$`
插入当前匹配的子串左边的内容。
$’
插入当前匹配的子串右边的内容。
$n
假如第一个参数是 RegExp 对象，并且 n 是个小于 100 的非负整数，那么插入第 n 个括号匹配的字符串。提示：索引是从 1 开始，注意这里的捕获组规则
如果你不清楚捕获组的顺序，给你一个简单的法则：从左到右数 >>> 第几个 ‘(‘ 符号就是第几个捕获组
（特别适用于捕获组里有捕获组的情况）（在函数模式里，解构赋值时会特别好用）
$`：就是相当于正则匹配到的内容的左侧文本
$’：就是相当于正则匹配到的内容右侧文本
$&：正则匹配到的内容
$1 – $n：对应捕获组
如果参数使用的是函数，则可以对匹配的内容进行一些过滤或者是补充
下面是该函数的参数：
变量名
代表的值
match
匹配的子串。（对应于上述的 $&。）
p1,p2, …
假如 replace() 方法的第一个参数是一个 RegExp 对象，则代表第 n 个括号匹配的字符串。（对应于上述的 $1，$2 等。）例如, 如果是用 /(\a+)(\b+)/ 这个来匹配，p1 就是匹配的 \a+, p2 就是匹配的 \b+。
offset
匹配到的子字符串在原字符串中的偏移量。（比如，如果原字符串是“abcd”，匹配到的子字符串是“bc”，那么这个参数将是 1）
string
被匹配的原字符串。
一个示例，从富文本里面，匹配到里面的图片标签的地址
可以说，使用函数来替换文本的话，基本上你想干嘛就干嘛
String.prototype.search
String.prototype.split
RegExp.prototype.test
和 String.prototype.search 的功能很像，但是这个是返回布尔值，search 返回的是下标，这个从语义化角度看比较适合校检
RegExp.prototype.exec
3、正则常见的使用
主要内容是 ES6 里新增的修饰符（u,y,s）（g,m,i 就不说了）、贪婪和非贪婪模式、先行 / 后行断言
‘u’ 修饰符
ES6 对正则表达式添加了 u 修饰符，含义为“Unicode 模式”，用来正确处理大于 \uFFFF 的 Unicode 字符。也就是说，会正确处理四个字节的 UTF-16 编码。少说废话，看图
但是很可惜的是 MDN 给出的浏览器兼容性如下：（截止至 2019.01.24），所以离生产环境上使用还是有点时间
‘y’ 修饰符
除了 u 修饰符，ES6 还为正则表达式添加了 y 修饰符，叫做“粘连”（sticky）修饰符。
y 修饰符的作用与 g 修饰符类似，也是全局匹配，后一次匹配都从上一次匹配成功的下一个位置开始。不同之处在于，g 修饰符只要剩余位置中存在匹配就可，而 y 修饰符确保匹配必须从剩余的第一个位置开始，这也就是“粘连”的涵义。
var s = ‘aaa_aa_a’;
var r1 = /a+/g;
var r2 = /a+/y;
r1.exec(s) // [“aaa”]
r2.exec(s) // [“aaa”]
r1.exec(s) // [“aa”]
r2.exec(s) // null
上面代码有两个正则表达式，一个使用 g 修饰符，另一个使用 y 修饰符。这两个正则表达式各执行了两次，第一次执行的时候，两者行为相同，剩余字符串都是_aa_a。由于 g 修饰没有位置要求，所以第二次执行会返回结果，而 y 修饰符要求匹配必须从头部开始，所以返回 null。
如果改一下正则表达式，保证每次都能头部匹配，y 修饰符就会返回结果了。
var s = ‘aaa_aa_a’;
var r = /a+_/y;
r.exec(s) // [“aaa_”]
r.exec(s) // [“aa_”]
上面代码每次匹配，都是从剩余字符串的头部开始。
使用 lastIndex 属性，可以更好地说明 y 修饰符。
const REGEX = /a/g;
// 指定从 2 号位置（y）开始匹配
REGEX.lastIndex = 2;
// 匹配成功
const match = REGEX.exec(‘xaya’);
// 在 3 号位置匹配成功
match.index // 3
// 下一次匹配从 4 号位开始
REGEX.lastIndex // 4
// 4 号位开始匹配失败
REGEX.exec(‘xaya’) // null
上面代码中，lastIndex 属性指定每次搜索的开始位置，g 修饰符从这个位置开始向后搜索，直到发现匹配为止。
y 修饰符同样遵守 lastIndex 属性，但是要求必须在 lastIndex 指定的位置发现匹配。
const REGEX = /a/y;
// 指定从 2 号位置开始匹配
REGEX.lastIndex = 2;
// 不是粘连，匹配失败
REGEX.exec(‘xaya’) // null
// 指定从 3 号位置开始匹配
REGEX.lastIndex = 3;
// 3 号位置是粘连，匹配成功
const match = REGEX.exec(‘xaya’);
match.index // 3
REGEX.lastIndex // 4
实际上，y 修饰符号隐含了头部匹配的标志 ^。
/b/y.exec(‘aba’)
// null
上面代码由于不能保证头部匹配，所以返回 null。y 修饰符的设计本意，就是让头部匹配的标志 ^ 在全局匹配中都有效。
下面是字符串对象的 replace 方法的例子。
const REGEX = /a/gy;
‘aaxa’.replace(REGEX, ‘-‘) // ‘–xa’
上面代码中，最后一个 a 因为不是出现在下一次匹配的头部，所以不会被替换。
单单一个 y 修饰符对 match 方法，只能返回第一个匹配，必须与 g 修饰符联用，才能返回所有匹配。
‘a1a2a3’.match(/a\d/y) // [“a1”]
‘a1a2a3’.match(/a\d/gy) // [“a1”, “a2”, “a3”]
y 修饰符的一个应用，是从字符串提取 token（词元），y 修饰符确保了匹配之间不会有漏掉的字符。
const TOKEN_Y = /\s*(\+|[0-9]+)\s*/y;
const TOKEN_G = /\s*(\+|[0-9]+)\s*/g;
tokenize(TOKEN_Y, ‘3 + 4’)
// [‘3’, ‘+’, ‘4’]
tokenize(TOKEN_G, ‘3 + 4’)
// [‘3’, ‘+’, ‘4’]
function tokenize(TOKEN_REGEX, str) {
let result = [];
let match;
while (match = TOKEN_REGEX.exec(str)) {
result.push(match[1]);
}
return result;
}
上面代码中，如果字符串里面没有非法字符，y 修饰符与 g 修饰符的提取结果是一样的。但是，一旦出现非法字符，两者的行为就不一样了。
tokenize(TOKEN_Y, ‘3x + 4’)
// [‘3’]
tokenize(TOKEN_G, ‘3x + 4’)
// [‘3’, ‘+’, ‘4’]
上面代码中，g 修饰符会忽略非法字符，而 y 修饰符不会，这样就很容易发现错误。
很遗憾，这个的浏览器兼容性也不咋地
但是，如果你的项目里有集成了 babel，就可以使用以上的两个修饰符了，他们分别是
@babel-plugin-transform-es2015-sticky-regex
@babel-plugin-transform-es2015-unicode-regex
‘s’ 修饰符
正则表达式中，点（.）是一个特殊字符，代表任意的单个字符，但是有两个例外。一个是四个字节的 UTF-16 字符，这个可以用 u 修饰符解决；另一个是行终止符（line terminator character）。
所谓行终止符，就是该字符表示一行的终结。以下四个字符属于”行终止符“。
U+000A 换行符（\n）
U+000D 回车符（\r）
U+2028 行分隔符（line separator）
U+2029 段分隔符（paragraph separator）
虽然这个浏览器兼容性也很差，但是我们有方法来模拟它的效果，只是语义化上有点不友好
/foo.bar/.test(‘foo\nbar’) // false
/foo[^]bar/.test(‘foo\nbar’) // true
/foo[\s\S]bar/.test(‘foo\nbar’) // true 我喜欢这种
贪婪模式和非贪婪模式（惰性模式）
贪婪模式：正则表达式在匹配时会尽可能多地匹配，直到匹配失败，默认是贪婪模式。
非贪婪模式：让正则表达式仅仅匹配满足表达式的内容，即一旦匹配成功就不再继续往下，这就是非贪婪模式。在量词后面加? 即可。
在某些情况下，我们需要编写非贪婪模式场景下的正则，比如捕获一组标签或者一个自闭合标签
这时捕获到了一组很奇怪的标签，如果我们的目标是只想捕获 img 标签的话，显然是不理想的，这时非贪婪模式就可以用在这里了
只需要在量词后加 ? 就会启用非贪婪模式，在特定情况下是特别有效的
先行 / 后行（否定）断言
有时候，我们会有些需求，具体是：匹配 xxx 前面 / 后面的 xxx。很尴尬的是，在很久之前，只支持先行断言（lookahead）和先行否定断言（negative lookahead），不支持后行断言（lookbehind）和后行否定断言（negative lookbehind），在 ES2018 之后才引入后行断言
名称
正则
含义
先行断言
/want(?=asset)/
匹配在 asset 前面的内容
先行否定断言
/want(?!asset)/
want 只有不在 asset 前面才匹配
后行断言
/(?<=asset)want/
匹配在 asset 后面的内容
后行否定断言
/(?<!asset)want/
want 只有不在 asset 后面才匹配
老实说，根据我的经验，后行断言的使用场景会更多，因为 js 有很多的数据存储是名值对的形式保存，所以很多时候我们想要通过 ”name=” 来取到后面的值，这时候是后行断言的使用场景了
先行断言：只匹配 在 / 不在 百分号之前的数字
后行断言：
这里引例 @玉伯也叫射雕 的一篇 博文的内容
这里可以用后行断言
(?<=^|( 第.+[ 章集])).*?(?=$|( 第.+[ 章集]))
“后行断言”的实现，需要先匹配 /(?<=y)x/ 的 x，然后再回到左边，匹配 y 的部分。这种“先右后左”的执行顺序，与所有其他正则操作相反，导致了一些不符合预期的行为。
首先，后行断言的组匹配，与正常情况下结果是不一样的。
/(?<=(\d+)(\d+))$/.exec(‘1053’) // [“”, “1”, “053”]
/^(\d+)(\d+)$/.exec(‘1053’) // [“1053”, “105”, “3”]
上面代码中，需要捕捉两个组匹配。没有“后行断言”时，第一个括号是贪婪模式，第二个括号只能捕获一个字符，所以结果是 105 和 3。而“后行断言”时，由于执行顺序是从右到左，第二个括号是贪婪模式，第一个括号只能捕获一个字符，所以结果是 1 和 053。
其次，“后行断言”的反斜杠引用，也与通常的顺序相反，必须放在对应的那个括号之前。
/(?<=(o)d\1)r/.exec(‘hodor’) // null
/(?<=\1d(o))r/.exec(‘hodor’) // [“r”, “o”]
上面代码中，如果后行断言的反斜杠引用（\1）放在括号的后面，就不会得到匹配结果，必须放在前面才可以。因为后行断言是先从左到右扫描，发现匹配以后再回过头，从右到左完成反斜杠引用。
另外，需要提醒的是，断言部分是不计入返回结果的。
具名组匹配
ES2018 引入了具名组匹配（Named Capture Groups），允许为每一个组匹配指定一个名字，既便于阅读代码，又便于引用。
上面代码中，“具名组匹配”在圆括号内部，模式的头部添加“问号 + 尖括号 + 组名”（?<year>），然后就可以在 exec 方法返回结果的 groups 属性上引用该组名。同时，数字序号（matchObj[1]）依然有效。
具名组匹配等于为每一组匹配加上了 ID，便于描述匹配的目的。如果组的顺序变了，也不用改变匹配后的处理代码。
如果具名组没有匹配，那么对应的 groups 对象属性会是 undefined。
具名组匹配 × 解构赋值
具名组引用
如果要在正则表达式内部引用某个“具名组匹配”，可以使用 \k< 组名 > 的写法。
4、常用正则
我这里比较推荐一个正则可视化的网站：https://regexper.com/ 在上面贴上你的正则，会以图形化的形式展示出你的正则匹配规则，之后我们就可以大致上判断我们的正则是否符合预期（貌似需要科学上网）
如果想通过字符串来生成正则对象的话，有两种方式，一种是字面量方式，另一种是构造函数
构造函数：new Regexp(‘content’, ‘descriptor’)
字面量模式（请做好 try-catch 处理）：
const input = ‘/123/g’
const regexp = eval(input)
校验密码强度
密码的强度必须是包含大小写字母和数字的组合，不能使用特殊字符，长度在 8 -10 之间。
^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
非全数字 全字母的 6-15 位密码 先行否定断言
/^(?![0-9]+$)(?![a-zA-Z]+$)[0-9A-Za-z]{6,15}$/
校验中文
字符串仅能是中文。
^[\u4e00-\u9fa5]{0,}$
校验身份证号码
15 位
^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$
18 位
^[1-9]\d{5}[1-9]\d{3}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}([0-9]|X)$
校验日期
“yyyy-mm-dd“格式的日期校验，已考虑平闰年。
^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$
提取 URL 链接
下面的这个表达式可以筛选出一段文本中的 URL。
^(f|ht){1}(tp|tps):\/\/([\\w-]+\.)+[\w-]+(\/[\w- ./?%&=]*)?
提取图片标签的地址
假若你想提取网页中所有图片信息，可以利用下面的表达式。
/<img [^>]*?src=”(.*?)”[^>]*?>/g;
\*[img][^\>]*[src] *= *[\”\’]{0,1}([^\”\’\ >]*)
5、注意事项
使用非捕获型括号
如果不需要引用括号内文本，请使用非捕获型括号 (?:…)。这样不但能够节省捕获的时间，而且会减少回溯使用的状态数量。
消除不必要括号
非必要括号有时会阻止引擎优化。比如，除非需要知道 .* 匹配的最后一个字符，否则请不要使用 (.)*。
不要滥用字符组
避免单个字符的字符组。例如 [.] 或 [*]，可以通过转义转换为 \. 和 \*\。
使用起始锚点
除非特殊情况，否则以 .* 开头的正则表达式都应该在最前面添加 ^。如果表达式在字符串的开头不能匹配，显然在其他位置也不能匹配。
从量词中提取必须元素
用 xx* 替代 x+ 能够保留匹配必须的“x”。同样道理，-{5,7} 可以写作 —–{0,2}。（可读性可能会差点）
提取多选结构开头的必须元素
用 th(?:is|at) 替代 (?:this|that)，就能暴露除必须的“th”。
忽略优先还是匹配优先？
通常，使用忽略优先量词（惰性）还是匹配优先量词（贪婪）取决于正则表达式的具体需求。举例来说，/^.*:/ 不同于 ^.*?:，因为前者匹配到最后的冒号，而后者匹配到第一个冒号。总的来说，如果目标字符串很长，冒号会比较接近字符串的开头，就是用忽略优先。如果在接近字符串末尾位置，就是用匹配优先量词。
拆分正则表达式
有时候，应用多个小正则表达式的速度比单个正则要快的多。“大而全”的正则表达式必须在目标文本中的每个位置测试所有表达式，效率较为低下。典型例子可以参考前文，去除字符串开头和结尾空白。
将最可能匹配的多选分支放在前头
多选分支的摆放顺序非常重要，上文有提及。总的来说，将常见匹配分支前置，有可能获得更迅速更常见的匹配。
避免指数级匹配
从正则表达式角度避免指数级匹配，应尽可能减少 + * 量词叠加，比如 ([^\\”]+)*。从而减少可能匹配情形，加快匹配速度。
6、小结
正则表达式想要用好，需要一定的经验，个人经验来看，需要把你想法中的需要写出来，然后通过搭积木的形式，把一个个小的匹配写出来，然后再组合出你想要的功能，这是比较好的一种实现方法。
如果说遇到了晦涩难懂的正则，也可以贴到上面提到的正则可视化网站里，看下它的匹配机制。
对于前端来说，正则的使用场景主要是用户输入的校检，富文本内容的过滤，或者是对一些 url 或者 src 的过滤，还有一些标签的替换之类的，掌握好了还是大有裨益的，起码以前雄霸前端的 jQ 的选择器 sizzle 就是用了大量正则。
最后，如果大家觉得我有哪里写错了，写得不好，有其它什么建议（夸奖），非常欢迎大家指出和斧正。也非常欢迎大家跟我一起讨论和分享！
写在最后
感谢以下参考文档的作者的分享
精通正则表达式（第三版）前端正则二三事 @代码君的自白
ES6 入门 — 正则的拓展 @阮一峰
ab ↩
