这两天一直在时不时的和 Neo4j 图数据库打交道。它的查询语句可以使用正则表达式，有一段时间没有自己写过正则表达式了，现在处于能看懂别人写的正则表达式，但是自己写不出来，语法规则都忘了。为了方便接下来的工作，所以特地复习复习正则表达式的语法。
正则表达式简介
正则表达式是用来匹配字符串的一系列匹配符，具备简介高效的特点，在很多语言中都有支持（java、python、javascript、php 等等）。在 windows 的 cmd 命令中也同样支持，例如使用命令 dir j*，那么只会罗列出所有以j开头的文件和文件夹。
正则表达式基本语法
正则表达式在在不同语言的支持语法略有不同，本文采用js的进行说明。js 中使用正则表达式的方法为str.match(/表达式/)，即需要加两个斜杠。以下所有的代码段第一行为代码，第二行为返回结果，实验是在 chrome 控制台进行的。
一直认为最好的学习方式就是实际操作，理论谁都能讲一大堆，但是实际做没做出来还真不知道。一个奇葩现象就是教软件工程的老师可能并没有在软件行业待过。
普通匹配符
普通匹配符能匹配与之对应的字符，默认区分大小写。
"Hello Regx".match(/H/)
["H", index: 0, input: "Hello Regx", groups: undefined]
正则标记符
- i ：不区分大小写
- g ：全局匹配
- m ：多行匹配（暂不管它，我用的少）
参数直接加在最后一个斜杠的后面，比如"Hello Regx".match(/regx/i)，可以加多个参数。
"Hello Regx".match(/regx/i)
["Regx", index: 6, input: "Hello Regx", groups: undefined]
之前是表达式一旦匹配成功，就不再向字符串后面查找了，加上 g 后，表示进行全局查找。最后返回的是一个数组。
"Hello Regx".match(/e/g)
(2) ["e", "e"]
多匹配符
- \d ：匹配数字，即 0~9
- \w ：匹配数字、字母、下划线
- . ：匹配除换行的所有字符
需要注意的是，上面所有的匹配符都只能匹配一个字符。
"Hello 2018".match(/\d/g)
// 使用\d,匹配字符串中的所有数字
(4) ["2", "0", "1", "8"]
"Hello 2018".match(/\w/g)
// 使用\w，匹配所有的数字和字母，需要注意没有匹配到空格
(9) ["H", "e", "l", "l", "o", "2", "0", "1", "8"]
"Hello 2018".match(/./g)
// 使用.，匹配所有字符，包括空格
(10) ["H", "e", "l", "l", "o", " ", "2", "0", "1", "8"]
"Hello 2018".match(/\d\w./g)
// 分析一下这个为什么匹配到的是201，
// 首先\d找到第一个数字2，匹配成功，紧接着\w匹配到0，然后.匹配到1
// 整个正则表达式匹配成功，返回201
["201"]
"Hello 20\n18".match(/\d\w./g)
// 这里匹配不成功，因为.不能匹配换行符，所以返回null
null
"Hello 2018".match(/\w.\d/g)
// 首先看这个正则式，\w.\d，它要求最后一个字符是数字
// \w.能一直匹配到空格，但是因为得满足\d，所以第一个匹配成功的是0 2
// 因为是全局匹配，所以会接着匹配后面的018，也匹配成功
(2) ["o 2", "018"]
自定义匹配符
比如中国的手机号都是以 1 开头，第二位只能是 3、4、5、7、8，第 3 位只要是数字就行。如何匹配这样的字符串？
- [] ：匹配[]中的任意一个字符
"152".match(/1[34578]\d/)
// 第二个字符可以选择中括号中的任意一个
["152", index: 0, input: "152", groups: undefined]
如果在 [] 添加了 ^,代表取反。即 [^] 表示除了中括号中的字符都满足。
"152".match(/1[^34578]\d/)
null
"1a2".match(/1[^34578]\d/)
// 只要不是[]中的字符，都满足，包括回车符
["1a2", index: 0, input: "1a2", groups: undefined]
修饰匹配次数
我们的手机号有 11 位，除了前 2 位有要求，其他9位度没有要求，那么是不是正则表达式就应该这样写呢？
1[^34578]\d\d\d\d\d\d\d\d\d
很明显，这样写太麻烦，肯定有更好的方式，这里就可以修饰一下匹配次数啦。
- ? ：最多出现 1 次
- + ：至少出现 1 次
- * ：出现任意次数
- {} ：分下面四种情况
- {n}代表前面的匹配符出现 n 次
- {n, m}出现次数在 n~m 之间
- {n, }至少出现 n 次
- {, m}最多出现 m 次
例子很简单，一看就懂，不浪费时间。
"15284750845".match(/1[34578]\d{9}/)
["15284750845", index: 0, input: "15284750845", groups: undefined]
"15".match(/1[34578]\d?/)
["15", index: 0, input: "15", groups: undefined]
"152".match(/1[34578]\d?/)
["152", index: 0, input: "152", groups: undefined]
"152".match(/1[34578]\d+/)
["152", index: 0, input: "152", groups: undefined]
"15".match(/1[34578]\d+/)
null
完整匹配
按照上面的写法会出现下面的问题。
"ya15284750845".match(/1[34578]\d{9}/)
// 不是电话号码，也能匹配成功，需要进一步改进
["15284750845", index: 2, input: "ya15284750845", groups: undefined]
- ^ ：在 [] 中代表取反，但在外面代表从开始匹配
"ya15284750845".match(/^1[34578]\d{9}/)
// 现在就能从一开始匹配而且还得符合正则式才算匹配成功
null
// 但是依旧会出现下面的问题
"1528475084523255".match(/^1[34578]\d{9}/)
// 不是电话号码也能匹配成功，还要改进
["15284750845", index: 0, input: "1528475084523255", groups: undefined]
- $ ：代表持续匹配到结束
"1528475084523255".match(/^1[34578]\d{9}$/)
// 现在就能保证正确了，有^表示从开始匹配；
// 有$表示持续匹配到结束，即完全匹配
null
/*
需要注意的是，一个字符串从开始匹配和从结束匹配都没问题，
不代表整个字符串就没问题，比如 15284750845-15284750845
这个字符串从开始和从结束匹配都能成功，但实际上是错的
*/
特殊符号
到这里发现正则表达式确实很强大，仅仅几个简单的符号就能匹配字符串，但是如果我们要匹配的字符本身就是前面用到的符号怎么办呢？
- 匹配像$、^等特殊符号时，需要加转义字符\
"1.".match(/./)
//因为.能匹配除换行的所有字符，所以匹配到1
//但实际上我们想匹配.这个字符
["1", index: 0, input: "1.", groups: undefined]
"1.".match(/\./)
// 只需要加一个转义字符就可以了，其他类似
[".", index: 1, input: "1.", groups: undefined]
条件分支
比如现在想匹配图片的文件名，包括 jpg、png、jpeg、gif 等等，这是多个选项，所以需要像编程语言一样，应该具备条件分支结构。
- | ：条件分支
- () ：有两层含义
- 括号中的内容成为一个独立的整体
- 括号的内容可以进行分组，单独匹配，若不需要此功能，则( ?: )
"1.jpg".match(/.+\.jpe?g|gif|png/)
// 这样就可以满足条件分支了,不过下面又出问题了
["1.jpg", index: 0, input: "1.jpg", groups: undefined]
"1.png".match(/.+\.jpe?g|gif|png/)
// 这里没有匹配到.和前面的文件名
["png", index: 2, input: "1.png", groups: undefined]
/*
其实我们想告诉它的是，.和后面的每一个条件分支的值都是一个独立的整体
但是它把.+\.jpe?g、gif、png当成了各自独立的整体
我们并不想让它这样切分，所以我们来告诉它怎么分才是正确的
*/
"1.png".match(/.+\.(jpe?g|gif|png)/)
// 现在可以匹配成功了，但是它多匹配了一个
// 因为括号的内容可以进行分组，单独匹配
(2) ["1.png", "png", index: 0, input: "1.png", groups: undefined]
// 所以最终写法如下
"1.png".match(/.+\.(?:jpe?g|gif|png)/)
["1.png", index: 0, input: "1.png", groups: undefined]
贪婪与懒惰
// 首先看一个例子
"aabab".match(/a.*b/)
["aabab", index: 0, input: "aabab", groups: undefined]
/*
上面的匹配没有什么问题，但实际上aab也是可以的
也就是aab也是符合条件的，那又是为什么呢？
*/
因为在正则表达式中，默认是贪婪模式，尽可能多的匹配，可以在修饰数量的匹配符后面添加 ?，则代表懒惰。
// like this (^__^)
"aabab".match(/a.*?b/)
["aab", index: 0, input: "aabab", groups: undefined]
到这里应该就差不多了，再深入的，就自我查询知识了。配一张正则表达式速查表。
