量词 `+,*,?` 和 `{n}`

优质

小牛编辑

125浏览

2023-12-01

假设我们有一个字符串 +7(903)-123-45-67，并且想要找到它包含的所有数字。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 \d 的序列。用来形容我们所需要的数量的词被称为量词。

数量 {n}

最明显的量词便是一对引号间的数字：{n}。在一个字符（或一个字符类等等）后跟着一个量词，用来指出我们具体需要的数量。

它有更高级的格式，用一个例子来说明：

确切的位数：{5}

\d{5} 表示 5 位的数字，如同 \d\d\d\d\d。

接下来的例子将会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 来排除更多位数的数字：\b\d{5}\b。

某个范围的位数：{3,5}

我们可以将限制范围的数字放入括号中，来查找位数为 3 至 5 位的数字：\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,} 就会查找位数大于或等于 3 的数字：

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

对于字符串 +7(903)-123-45-67 来说，我们如果需要一个或多个连续的数字，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

大多数常用的量词都可以有缩写：

+

代表“一个或多个”，相当于 {1,}。

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”，相当于 {0,1}。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。

所以他能够在 color 中找到 or，以及在 colour 中找到 our：

let str = "Should I write color or colour?";

alert( str.match(/colou?r/g) ); // color, colour

*

代表着“零个或多个”，相当于 {0,}。也就是说，这个字符可以多次出现或不出现。

接下来的例子将要寻找一个后跟任意数量的 0 的数字：

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

将它与 '+'（一个或多个）作比较：

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

量词是经常被使用的。它们是构成复杂的正则表达式的主要模块之一，我们接着来看更多的例子。

正则表达式“浮点数”（带浮点的数字）：\d+\.\d+

实现：

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

正则表达式“打开没有属性的 HTML 标记”，比如 <span> 或 <p>：/<[a-z]+>/i

实现：

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

我们查找字符 '<' 后跟一个或多个英文字母，然后是 '>'。

正则表达式“打开没有属性的HTML标记”（改进版）：/<[a-z][a-z0-9]*>/i

更好的表达式：根据标准，HTML 标记名称可以在除了第一个位置以外的任意一个位置有一个数字，比如 <h1>。

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

正则表达式“打开没有属性的HTML标记”：/<\/?[a-z][a-z0-9]*>/i

我们在标记前加上了一个可选的斜杆 /?。必须用一个反斜杠来转义它，否则 JavaScript 就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>

更精确意味着更复杂

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 —— 它就越长且越复杂。

例如，HTML 标记能用一个简单的正则表达式：<\w+>。

因为 \w 代表任意英文字母或数字或 '_'，这个正则表达式也能够匹配非标注的内容，比如 <_>。但它要比 <[a-z][a-z0-9]*> 简单很多。

我们能够接受 <\w+> 或者我们需要 <[a-z][a-z0-9]*>？

在现实生活中，两种方式都能接受。取决于我们对于“额外”匹配的宽容程度以及是否难以通过其他方式来过滤掉它们。