万丈高楼平地起，先来看看正则表达式的两个最基本的概念吧！

字符组

普通字符组

字符组概述

一对方括号中间列出所有可能出现的字符，这些字符中命中一个即为命中，并且一个字符组一定能且只能匹配一个字符，字符组中列举出的字符不分先后顺序。

范围表示法：可以使用连字符（-）来简略表示连续的ASCII码字符，如[0-9]可表示[0123456789]，同样地，[a-z]可表示26个小写字母，且范围表示法可混合写在字符组中，如[0-9a-zA-Z.]可匹配数字、小写字母、大写字母和小数点。

十六进制转义字符：通过\x开头后跟两位十六进制数，可以表示一个四字节的字符，十六进制转义字符完全等价于它所表示的字符，因此范围表示法也可以使用在十六进制转义字符中。

字符转义

在字符组中，因为像连字符（-）这样的字符具有其他的含义，这些字符称为元字符，当希望匹配这些字符时，需要进行转义，转义的方式和各种编程语言一样，即在它的前面加上右斜线（\）。

转义时要特别注意的元字符有三个：连字符（-）、左方括号（[）、右方括号（]）。

• 连字符（-）：它需要注意的点是，连字符可能存在不需要转义的时候，即它出现在字符组的开头时，因为它在字符组开头时不会被解析为一个合法的字符范围。因此尽可能不通过转义而是把它放在开头来解决连字符的匹配问题。
• 左方括号（[）：左方括号在字符组内时不需要转义，它需要转义的时候反而是字符组外，也就是遇到左方括号会被自动解析为一个字符组的开始，如果只是想匹配左方括号，就需要对它转义，不让它成为字符组的开始，此时的右方括号是不需要转义的，因为左方括号被转义了，孤零零的右方括号本就会被当成一个普通字符。
• 右方括号（]）：右方括号在字符组中时需要转义，不转义就会使方括号提前闭合。

注意，由于大部分编程语言的右斜线（\）在字符串中需要转义，因此在实际编写正则表达式时，某些编程语言可能需要二次转义。这在JS语言中是不需要的，因为JS支持单独的正则表达式类型；而Python则需要双重转义，因为它用字符串来表示正则表达式。

排除型字符组

排除型字符组概述

字符组中以脱字符（^）开头则为排除型字符组，表示匹配除了列出的字符以外的所有字符，如[^0-9]就表示匹配除了数字以外的所有字符。

但是要注意读于以下两种表述：

• 表述A：不匹配列出的字符。
• 表述B：匹配除了列出字符以外的字符。

显然符合排除型字符组的是表述B。因为表述A意味着除了表述B以外，还可能在指定位置上不匹配任何字符，显然不符合实际，因此要注意凡字符组，必定会且仅会匹配一个字符，因此排除型字符组也一定会匹配一个字符的，只是这个字符不是列出的字符。

字符转义

在排除型字符组中出现的元字符为脱字符（^），如果想把它视为普通字符需要进行转义。而实际上，合法的排除型字符组是在字符组内容的开始使用一个脱字符，只要不把它放在字符组的开头，那么它就是一个普通字符。

同时要注意需要在排除型字符组中排除连字符（-）的情形，你当然可以对它进行转义，但是更好的解决办法是将连字符放在开头的脱字符后面，这样连字符就被视为一个普通字符了。

字符组简记法

对于一些常用的字符组，有以下简记法：

• \d等价于[0-9]，表示数字；
• \w等价于[0-9a-zA-Z_]，表述数字、字母和下划线；
• \s等价于[ \t\r\n\v\f]，表示空白字符（空格、制表符\t、回车符\r、换行符\n、垂直制表符\v、换页符\f）。

字符组简记法可以单独出现也可以放在字符组中，放在字符组中表示并入当前字符组。

此外相对于\d、\w和\s这三个普通字符组简记法，正则表达式也提供了对应排除型字符组的简记法：\D、\W和\S，分别表示三者对应的排除型字符组，它们每对求并集都等于全体字符，即：

• \D等价于[^\d]；
• \W等价于[^\w]；
• \S等价于[^\s]。

那么我们可以通过[\s\S]、[\w\W]、[\d\D]来匹配任意字符。

其他

通配符

点号（.）即为通配符，可以匹配“任意字符”。这里“任意字符”之所以加引号，就是因为它实际上还是有不能匹配的字符的，就是换行符（\n）。

如果要匹配包括换行符在内的任意字符，应当使用[\s\S]、[\w\W]或[\d\D]。

字符组运算

字符组运算即对两个字符组求交并补来获得新的字符组，如[[a-z]&&[^aeiou]]可以匹配小写字母中除了元音字母之外的所有辅音字母。

这种特性并不一定被语言所支持，JS语言是不支持字符组运算的。

POSIX规范

[:digit:]可以匹配数字，[:lower:]可以匹配小写字母。类似于这种写法的字符组就是POSIX字符组。

除了POSIX字符组之外POSIX规范还规定了一些其他的规则，但这里不再展开说明，因为POSIX规范不被JS所支持。在Linux/UNIX下的各种工具可能会使用POSIX规范。

量词

一般量词

量词概述

一个字符组只能匹配单个字符，那么量词就是指定数量，也就可以让一个匹配单元连续匹配若干次。

注意这里表述的是“匹配单元”，不止包括字符组，也包括普通字符，还包括后面要介绍的括号分组等结构。

使用量词

一般量词只需要使用花括号来表示，即{m,n}的形式，这样就可以让量词前面的匹配单元匹配m~n次。

如\d{4,6}表示匹配最短4位、最长6位的数字。

如果要匹配固定的次数，可以直接把m和n合写，如a{3}只能匹配aaa。

省略上下限

如果不规定上限n，则可以直接不写，如\d{4,}匹配至少4位数字，上不封顶。

如果不规定下限n，实际上下限就是0，也就是一个也不匹配。你可以在某些语言中写类似于\d{,4}这样的，来匹配至多4位数字，但是这种写法可能不被某些语言支持（JS也是不支持的），因此不推荐使用这种写法，这种情况下不应该省略，而应该写作\d{0,4}。

常用量词

简写量词

简写量词就是最常用的三种量词：

• 星号（*）等价于{0,}，表示匹配任意次（包括匹配0次）；
• 加号（+）等价于{1,}，表示至少匹配一次；
• 问号（?）等价于{0,1}，表示匹配0次或1次。

之所以把它们简写就是因为它们使用的频率太高了，在实际使用中会常常用到。

匹配优先量词

先说结论：上述三种简写量词都是匹配优先量词。

什么是匹配优先量词？先来举个案例：

我希望匹配一个双引号表示的字符串，也就是第一个字符是双引号，最后一个字符也是双引号，那么请看".*"这种写法有没有问题：

1
2
3

const reg = /".*"/;
console.log('"str"'.search(reg) >= 0); // true
console.log('""'.search(reg) >= 0); // true

看似是没有问题，开头和结尾都是双引号，中间是零到多个任意字符，可是问题就在于它不光能完整匹配"str"和""这样的合法字符串，"str"str"这样的有三个引号的非法字符串格式它也能完整匹配，这显然不应该。

之所以出现这样的问题就是在于：星号（*）量词是匹配优先量词，它遇到一个字符会先尝试匹配上，后面遇到失配了才会回溯。也就是说它是“贪心的”，所以也被称为“贪婪量词”。

".*"这个正则表达式在匹配"str"str"时是这样的：

也就是.*贪心地匹配了str"str，连中间的第二个引号也匹配上了，而最后一个引号也刚好能匹配上，所以它认为匹配成功了，这就导致了匹配出来的不是个合法的字符串。

设想如果要匹配的是"str"str，没有最后一个引号，首先.*贪心地匹配了str"str，然后发现了最后一个引号没得匹配了（失配），然后开始回溯，当回溯到.*匹配了str时，发现最后一个引号也能匹配上，这时匹配成功，匹配到的是"str"，即以下过程：

可以看到这样的匹配方式就是：尽可能地匹配（贪心）——失配——回溯——失配——回溯——（……）——匹配成功或失败，这也就导致了".*"这种写法遇到大于两个引号时就无法正确匹配出一个正确的字符串。

那么如何修改才能正确匹配呢，答案是这样："[^"]*"，也就是在一对引号之间的内容排除掉引号。

忽略优先量词

对于三种简写量词星号（*）、加号（+）和问号（?），它们默认都是匹配优先量词，是贪心的，实际上它们有对应的“懒惰版本”，只需要在它们后面加一个问号即可，即*?、+?和??，它们也被称为懒惰量词。

从微观上看：

• 匹配优先会先尝试着匹配，对于需要匹配不定次数的匹配单元，会一直匹配到无法再匹配下去，才会尝试下一个匹配单元，直到遇到某个匹配单元失配，就回退一步，继续尝试直到匹配成功，或者回退完了还是失配，那就是匹配失败。
• 忽略优先恰好相反，当一个需要匹配不定次数的匹配单元，匹配成功了下限次数，就不再贪心地继续匹配了，只保个下限就行了，然后就开始尝试匹配下一个匹配单元，同样每个匹配单元都见好就收，只要匹配够了下限次数，就让出匹配权，交给下一个匹配单元匹配，直到遇到失配，就往前回溯到最近的、可增加匹配次数的那个匹配单元，增加一次匹配，然后继续匹配，直到匹配成功或失败。

从宏观上看：

• 对于ABC这样的正则表达式，假设A的匹配是确定的，B可匹配的内容包含了C可匹配的内容，那么B是把C可以匹配的内容匹配了还是不匹配呢？
• 对于匹配优先，B会尽可能匹配多的内容，只给C留下最后一个可匹配内容。
• 对于忽略优先，B会尽可能少地匹配内容，把第一个能给C匹配的内容交给C匹配。

此外注意，不光对于对于三种简写量词有对应的忽略优先版本，对于任意的普通量词，在后面加上一个问号（?）都会变成忽略优先的。也就是说，任意量词在默认情况下都是匹配优先的，只有在后面加了问号（?）才会变为忽略优先的，如{4,6}?表示忽略优先地匹配4~6次。

两个栗子

（1）第一个例子："str"str"

使用".*"匹配时：

套用ABC格式，A为第一个引号（"），B为.*，它是匹配优先的，C为最后的引号（"），那么对于字符串"str"str"，有以下示意图：

引号①是A确定匹配的，而引号②和引号③都是C能匹配的，可是B也能匹配引号，所以满足了条件——B能匹配的内容包含C能匹配的内容，那么B就会贪婪地匹配，只给C留下最后一个引号③匹配，前面的内容B照单全收了，匹配结果如下：

而使用".*?"匹配时：

B就会见好就收，它虽然能匹配引号，但是它不匹配，留给C来匹配，也就是遇到的第一个能给C匹配的内容（引号②）就交给C匹配，匹配结果如下：

（2）第二个例子：匹配HTML中的JS脚本

对于以下HTML中内嵌的JS脚本：

1
2
3
4
5
6

<script type="text/javascript">
    console.log(1);
</script>
<script type="text/javascript">
    console.log(2);
</script>

我们希望把两个script标签匹配出来，很显然我们写正则表达式时，ABC模式中的A匹配开始标签<script type="text/javascript">，C匹配的是闭合标签</script>，而中间的B则需要使用[\s\S]*?来懒惰匹配所有的JS代码。

此时如果使用匹配优先，那么就会误把两个标签当成一个标签来匹配，即匹配为了以下错误的模式：

显然这种贪婪的匹配方式总容易把成对的东西匹配错，因为它会把跨越了多对标签的开始标签和闭合标签当成内容去匹配，只给C留下了最后一个可以匹配的闭合标签。

具体原理就不再展开，与上例是一样的道理。

注意这样的ABC模式只是大森假设出来的最简单的匹配模式，只用于方便介绍匹配优先和忽略优先的区别，正则表达式的最大特点就是灵活，因此不要被死板的固定模式束缚住了，实际使用中的正则表达式可不会是这么简单的ABC模式，重点在于理解和领悟贪心匹配和非贪心匹配的原理和区别。

字符转义

如果不希望表示量词的字符被当作量词，而是当作普通字符来处理，那就需要对它们进行对应的转义。

在量词中涉及到的字符转义的情况较为简单，主要有以下几种：

• 本身就不是合法的量词：如{1,,2}、{-1,2}、{1、2}、{}等，这些原本就不构成合法量词，因此不会被解释成量词，故不需要转义。但是注意形如{2,1}这样的量词虽然不合法，但是会直接报错！这种情况下不属于不需转义的情况。
• 普通量词的转义：只需要转义开始的左花括号就可以了，后面的字符都不需要转义，只要破坏掉开始的花括号，就无法构成量词了。
• 简写量词的转义：三种简写量词都只有一个字符，只需要把它转义了就行了。
• 忽略优先量词的转义：其实就是在普通量词和简写量词的后面加了个问号（?），在转义前面的部分之后，也要把这个多出来的问号（?）转义，否则就会认为这个问号（?）是量词{0,1}。

大森给你出一些题吧！

题目

1、匹配一个字符，这个字符只有可能是小写元音字母（a、e、i、o、u）中的一个。

2、匹配两个字符，其中第一个字符可能为数字、大小写字母、下划线，第二个字符可能为3、4、5、6、r、s、t、u、v、w。

3、匹配三个字符，第一个字符不能是空白符，第二个字符为数字或大小写字母，第三个字符不能为数字。

4、匹配一个字符，这个字符可能为左方括号（[）、右方括号（]）、连字符（-）、脱字符（^）或右斜线（\），尽可能以最简洁的方式编写正则表达式。

5、匹配一个合法的标识符：允许以字母或下划线开始，但是不允许以数字开始，除了第一个位置外，其余位置支持下划线、字母、数字。

6、匹配一个大驼峰表示法的标识符，如HandsomeDasen，如果出现数字，只能出现在末尾，如HandsomeDasen1。

7、匹配一个小驼峰表示法的标识符，如handsomeDasen、dasen，如果出现数字，只能出现在末尾，如dasen1。

8、匹配一个科学计数法表示的数值，如1e3、2e-5、-3e3。

9、编写一个正则表达式用来匹配<script type="text/javascript">……</script>标签及其中的内容。

注意：只需要按照规则书写，不需要关心匹配位置。

答案

1、[aeiou]

2、\w[3-6r-w]

3、\S[0-9a-zA-z]\D

4、[-^[\]\\]

5、[a-zA-Z_]\w*

6、[A-Z][a-zA-Z]*\d*

7、[a-z][a-zA-Z]*\d*

8、-?\d+e-?\d+

9、<script type="text\/javascript">[\s\S]*?<\/script>

注意：答案按照JavaScript格式的正则表达式语法书写。