圖片來源 | 電影《成長教育》劇照
正則表達式是描述一組字符串特徵的模式，用來匹配特定的字符串。” ——Ken Thompson
什麼是正則表達？
正則表達式其實就是一種pattern、一種模式、一種格式、一種規則，它主要是用在文本字符串處理的時候，想要在一堆文本中找到滿足某種格式、規則的字符串。
它起源於上個20世紀50年代科學家在數學領域做的一些研究工作，後來才被引入到計算機領域中。從它的命名我們可以知道，它是一種用來描述規則的表達式。
比如，你要寫一個應用, 想設定一個用戶命名的規則, 讓用戶名包含字符,數字,下劃線和連字符,以及限制字符的個數,好讓名字看起來沒那麼醜。那麼，以下正則表達式來驗證一個用戶名：
以上的正則表達式可以接受 johndoe, jo-hndoe, john12_as. 但不匹配Jo, 因為它包含了大寫的字母而且太短了。
那麼，要想學正則表達試，初學者應該從哪些方面入手？
這裡強烈安利的幾個學習教程和資源：
1.正則表達式30分鐘入門教程
http://deerchao.net/tutorials/regex/regex.htm
推薦理由：特別適合想要快速入門的同學，結合實例可以讓你理解基本的原理和語法。
2.高效入門正則表達式
https://github.com/ziishaned/learn-regex/blob/master/translations/README-cn.md
推薦理由：Github上一篇簡單的正則表達式教程，提供了十幾種語言（包括中文），這篇教程覆蓋到了你在實際應用中99%的場景。
3.regex101網站——能可視化展示正則匹配結果
https://regex101.com
4.regexper網站——能夠直觀展示正則表達式的狀態機圖
https://regexper.com
正則的進階——從底層工作機制來理解正則表達式
很多同學在入門某個語言或工具時，總是習慣先從實例上手學習，往往忽略了對語言最底層的一些原理，這裡引用@小鬍子哥的“進階正則表達式”一文，來幫助你更好的熟悉和運用正則表達式。
注：此次引用，在原文基礎上做了刪減，想看完整內容，請轉至，
https://www.cnblogs.com/hustskyking/p/how-regular-expressions-work.html
正則表達式的工作機制
畫了一個草圖，簡單的說明了下正則表達式的工作原理。
| 編譯 |
+--------+
|
↓
+----------------+
| 設置開始位置 |←---------+
+----------------+ ↑
| |
↓ 其 |
+----------------+ 他 |
| 匹配 & 回溯 | 路 |
+----------------+ 徑 |
| |
↓ |
+----------------+ |
| 成功
or
失敗 |---------→+
+----------------+
你寫的任何一個正則直接量或者 RegExp 都會被瀏覽器編譯為一個原生代碼程序。第一次匹配是從頭個字符開始，匹配成功時，他會查看是否還有其他的路徑沒有匹配到，如果有的話，回退到上一次成功匹配的位置，然後重複第二步操作，不過此時開始匹配的位置（lastIndex）是上次成功位置加 1.這樣說有點難以理解，下面寫了一個 demo，這個 demo 就是實現一個正則表達式的解析引擎，因為邏輯和效果的表現都太複雜了，所以只做了一個簡單的演示：
Reg:
/H(i|ello), barret/g
Str:
Lalala. Hi, barret. Hello, John
如果上面的 demo 跑不起來，請戳這裡：
http://qianduannotes.duapp.com/demo/regexp/index.html
如果要深入瞭解正則表達式的內部原理，必須先理解匹配過程的一個基礎環節——回溯。他是驅動正則的一個基本動力，也是性能消耗、計算消耗的根源。
回溯
正則表達式中出現最多的是分支和量詞。上面的 demo 中可以很清楚的看到 hi 和 hello 這兩個分支，當匹配到第一個字符 h 之後，進入 (i | ello) 的分支選擇，首先是進入 i 分支，當 i 分支匹配完了之後，再回到分支選擇的位置，重新選擇分支。簡單點說，分支就是 | 操作符帶來的多項選擇問題，而量詞指的是諸如 *,+?,{m,n} 之類的符號，正則表達式必須決定何時嘗試匹配更多的字符。下面結合回溯詳細說說分支和量詞。
1.分支
繼續分析上面那個案例。 "Lalala. Hi, barret. Hello, John".match(/H(i|ello), barret/g),首先會查找 H 字符，在第九位找到 H 之後，正則子表達式提供了兩個選擇 (i|ello)，程序會先拿到最左邊的那個分支，進入分支後，在第十位匹配到了 i，接著匹配下一個字符，下一個字符是逗號，接著剛才的位置又匹配到了這個逗號，然後再匹配下一個，依次類推，直到完整匹配到整個正則的內容，此時程序會在 Hi,barret後面做一個標記，表示在這裡進行了一次成功的匹配。但程序到此並沒有結束，因為後面加了一個全局參數，依然使用這個分支往後匹配，很顯然，到了 Hello 的時候，Hi 分支匹配不了了，於是程序會回溯到剛才我們做標記的位置，並進入第二個分支，從做標記的位置重新開始匹配，依次循環。
只要正則表達式沒有嘗試完所有的可選項，他就會回溯到最近的決策點（也就是上次匹配成功的位置）。
2.量詞
量詞這個概念特別簡單，只是在匹配過程中有貪婪匹配和懶惰匹配兩種模式，結合回溯的概念理解稍微複雜。還是用幾個例子來說明。
1)貪婪
str = "AB1111BA111BA";
reg = /AB[\\s\\S]+BA/;
console.log(str.match(reg));
首先是匹配AB，遇到了 [\\s\\S]+，這是貪婪模式的匹配，他會一口吞掉後面所有的字符，也就是如果 reg 的內容為 AB[\\s\\S]+，那後面的就不用看了，直接全部匹配。而往後看，正則後面還有B字符，所以他會先回溯到倒數第一個字符，匹配看是否為 B，顯然倒數第一個字符不是B，於是他又接著回溯，找到了B字母，找到之後就不繼續回溯了，而是往後繼續匹配，此刻匹配的是字符A，程序發現緊跟B後的字母確實是A，那此時匹配就結束了。如果沒有看明白，可以再讀讀下面這個圖：
REG:
/AB[\\s\\S]+BA/
MATCH: A 匹配第一個字符
AB 匹配第二個字符
AB1111BA111BA [\\s\\S]+ 貪婪吞併所有字符
AB1111BA111BA 回溯，匹配字符B
AB1111BA111B 找到字符B，繼續匹配A
AB1111BA111BA 找到字符A，匹配完成，停止匹配
2) 懶惰（非貪婪）
str = "AB1111BA111BA";
reg = /AB[\\s\\S]+?BA/;
console.log(str.match(reg));
與上面不同的是，reg 中多了一個 ? 號，此時的匹配模式為懶惰模式，也叫做非貪婪匹配。此時的匹配流程是，先匹配AB，遇到[\\s\\S]+?，程序嘗試跳過並開始匹配後面的字符B，往後查看的時候，發現是數字1，不是要匹配的內容，繼續往後匹配，知道遇到字符B，然後匹配A，發現緊接著B後面就有一個A，於是宣佈匹配完成，停止程序。
REG:
/AB[\\s\\S]+BA/
MATCH: A 匹配第一個字符
AB 匹配第二個字符
AB [\\s\\S]+? 非貪婪跳過並開始匹配B
AB1 不是B，回溯，繼續匹配
AB11 不是B，回溯，繼續匹配
AB111 不是B，回溯，繼續匹配
AB1111 不是B，回溯，繼續匹配
AB1111B 找到字符B，繼續匹配A
AB1111BA 找到字符A，匹配完成，停止匹配
如果匹配的內容是 AB1111BA，那貪婪和非貪婪方式的正則是等價的，但是內部的匹配原理還是有區別的。為了高效運用正則，必須搞清楚使用正則時會遇到那些性能消耗問題。
逗比的程序
//去測試下這句代碼
"TTTTTTTT".match(/(T+T+)+K/);
//然後把前面的T重複次數改成30
//P.S:小心風扇狂轉，CPU暴漲
我們來分析下上面這段代碼，上面使用的都是貪婪模式，那麼他會這樣做：
REG: (T+T+)+K
MATCH: ①第一個T+匹配前7個T，第二個T+匹配最後一個T，沒找到K，宣佈失敗，回溯到最開始位置
②第一個T+匹配前6個T，第二個T+匹配最後兩個T，沒找到K，宣佈失敗，回溯到最開始位置
③...
... 接著還會考慮(T+T+)+後面的 + 號，接著另一輪的嘗試。
⑦...
...
這段程序並不會智能的去檢測字符串中是否存在 K。如果匹配失敗，他會選擇其他的匹配方式（路徑）去匹配，從而造成瘋狂的回溯和重新匹配，結果可想而知。這是回溯失控的典型例子。
前瞻和反向引用
1.前瞻和引用
前瞻有兩種。一種是負向前瞻，JS中使用 (?!xxx) 來表示，他的作用是對後面要匹配的內容做一個預判斷，如果後面的內容是xxx，則此段內容匹配失敗，跳過去重新開始匹配。另一種是正向前瞻，(?=xxx)，匹配方式和上面相反，還有一個長的類似的是 (?:xxx),這個是匹配xxx，他是非捕獲性分組匹配，即匹配的內容不會創建反向引用。具體內容可以去文章開頭提到的文檔中查看。
反向引用，這個在 replace 中用的比較多，在 replace 中：
而在正則表達中，主要就是 \\1, \\2 之類的數字引用。前瞻和反向引用使用恰當可以大大的減少正則對資源的消耗。舉個例子來簡單說明下這幾個東西：
問題：使用正則匹配過濾後綴名為 .css 和 .js 的文件。
如：test.wow.js test.wow.css test.js.js等等。
有人會立馬想到使用負向前瞻，即：
//過濾js文件
/(?!.+\\.js$).*/.exec("test.wow.js")
//過濾js和css文件
/(?!.+\\.js$|.+\\.css$).*/.exec("test.wow.js")
/(?!.+\\.js$|.+\\.css$).*/.exec("test.wow.html")
但是你自己去測試下，拿到的結果是什麼。匹配非js和非css文件可以拿到正確的文件名，但是我們期望這個表達式對js和css文件的匹配結果是null，上面的表達式卻做不到。問題是什麼，因為(?!xxx)和(?=xxx)都會消耗字符，在做預判斷的時候把 .js 和 .css 給消耗了，所以這裡我們必須使用非捕獲模式。
/(?:(?!.+\\.js$|.+\\.css$).)*/.exec("test.wow.html");
/(?:(?!.+\\.js$|.+\\.css$).)*/.exec("test.wow.js");
我們來分析下這個正則：
(?:(?!.+\\.js$|.+\\.css$).)*
--- ---------------- -
| | |
+----------------------+
↓ |
非捕獲，內部只有一個佔位字符
|
↓
負向前瞻以.js和.css結尾的字符串
最後一個星號是貪婪匹配，直接吞掉全部字符。
這裡講的算是有點複雜了，不過在稍複雜的正則中，這些都是很基礎的東西了，想在這方面提高的童鞋可以多研究下。
2.原子組
JavaScript的正則算是比較弱的，他沒有分組命名、遞歸、原子組等功能特別強的匹配模式，不過我們可以利用一些組合方式達到自己的目的。上面的例子中，我們實際上用正則實現了一個或和與的功能，上面的例子體現的還不是特別明顯，再寫個例子來展示下：
str1 = "我(wo)叫(jiao)李(li)靖(jing)";
str2 = "李(li)靖(jing)我(wo)叫(jiao)";
reg = /(?=.*?我)(?=.*?叫)(?=.*?李)(?=.*?靖)/;
console.log(reg.test(str1)); //true
console.log(reg.test(str2)); //true
不管怎麼打亂順序，只要string中包含“我”，“是”，“李”，“靖”這四個字，結果都是true。
類似(?=xxx)\\1，就相當於一個原子組，原子組的作用就是消除回溯，只要是這種模式匹配過的地方，回溯時都不會到這裡和他之前的地方。上面的程序 "TTTTTTTT".match(/(T+T+)+K/);可以通過原子組的方式處理：
"TTTTTTTT".match(/(?=(T+T+))\\2+K/);
如此便能徹底消除回溯失控問題。
- 完 -
與其他程序設計語言一樣，學習正則表達式的關鍵是實踐，實踐，再實踐。 ——本•福塔（Ben Forta）
[美] 本•福塔（Ben Forta）著 門佳 楊濤 等 (譯)
- 緊貼實戰需求，化繁為簡，高效解決編程難題
- 如果想快速上手正則表達式，那麼除了本書，沒有第二種選擇
- 相比上一版，書中完善了正則表達式的用法，豐富了提示、注意、警告等信息。
本書從簡單的文本匹配開始，循序漸進地介紹了很多複雜內容，包括反向引用、條件評估、環視等。每章都配有許多簡明實用的示例，有助於全面、系統、快速掌握正則表達式，並運用它們解決實際問題。
閱讀更多 人民郵電出版社 的文章
