正则表达式 词法分析,正则表达式基本语法

　　正则表达式是字符串操作的逻辑公式，是处理文本数据的重要而复杂的技术。那么如何快速掌握正则表达式呢？下面这篇文章推荐一种学习方法：通过AST。希望对大家有帮助！

　　字符串处理基本都用正则表达式，字符串的匹配、提取、替换都非常方便。

　　但是学习正则表达式还是比较困难的，比如贪婪匹配、非贪婪匹配、捕获子群、非捕获子群等。这些不仅初学者难以理解，很多工作了几年的人也难以理解。

　　如何学习正则表达式？如何快速掌握正则表达式？

　　推荐一个学习规则的好方法：通过 AST 来学习。

　　正则表达式的匹配原理是把模式串 parse 成 AST，然后通过这个 AST 去匹配目标字符串。

　　模式中的各种信息将在解析后保存在AST中。AST是抽象语法树，意思是抽象语法树。顾名思义，它是按照语法结构组织起来的树。所以你可以从AST的结构中很容易的知道正则表达式支持的语法。

　　如何检查正则表达式的AST？

　　可以通过astexplorer.net网站直观查看：

　　通过将parse的语言切换到RegExp，可以可视化正则表达式的AST。

　　如前所述，AST 是按照语法来组织的一棵树，那么从它的结构上自然能容易地理清各种语法。

　　所以我们从AST的角度来学习各种语法：

/abc/

　　先说简单的，/abc/这样的正则性可以匹配 abc 的字符串，它的AST是这样的：

　　3 Char，值分别为A，B，C，类型简单。之后的匹配就是遍历AST，分别匹配这三个字符。

　　我们用exec的api进行了测试：

　　第0个元素是匹配字符串，index是匹配字符串的起始下标。Input是输入字符串。

　　让我们再次尝试特殊字符：

/\d\d\d/

　　/\d \ d/表示匹配三个数字，\ d是规则支持的具有特殊含义的元字符。

　　通过AST，我们还可以看到，虽然它们是Char，但类型是meta:

　　您可以通过元字符\d匹配任何数字：

　　哪些是元字符，哪些是简单字符，通过AST可以一目了然。

/[abc]/

　　正则性支持通过[]的方式指定一组字符，也就是说可以匹配任意一个字符。

　　通过AST，我们还可以看到它被包裹了一层CharacterClass，意思是字符类，也就是可以匹配它包含的任何字符。

　　测试确实是这样的：

/a{1,3}/

　　正则表达式支持以{from，to}的形式指定字符重复的次数，

　　例如，/b{1，3}/表示字符B重复1到3次，而/[abc]{1，3}/表示这个a/b/c字符类重复1到3次。

　　从AST中可以看出，这种语法称为重复：

　　他有一个量词属性来表示量词，其中类型是范围，从1到3。

　　正则性也支持一些量词的缩写，比如1到无数次，*代表0到无数次，0或1次。

　　它们是不同类型的量词：

　　可能有同学会问，这里的贪婪属性是什么意思？

　　Greedy表示贪婪，这个属性表示这个重复是贪婪的还是非贪婪的。

　　如果在量词后面加一个？你会发现greedy变成false，也就是切换到非greedy匹配：

　　贪与不贪是什么意思？

　　让我们来看一个例子。

　　默认重复的匹配是贪婪的，只要满足条件，总是会匹配的，所以acbac这里可以匹配。

　　量词后面加一？它被切换到非贪婪，并且它将只匹配第一个：

　　这就是贪婪匹配和非贪婪匹配。我们可以通过AST清楚的知道贪婪和非贪婪是针对重复语法来说的，默认是贪婪匹配，在量词后加个 ? 就可以切换到非贪婪。。

(aaa)bbb(ccc)

　　正则表达式支持将部分匹配的字符串放入子组，并通过()返回。

　　浏览一下AST:

　　相应的AST称为Group。

　　您会发现它有一个捕获属性，默认情况下是这样的：

　　这是什么意思？

　　这是子组捕获的语法。

　　如果不想捕获子群，可以写(？aaa)

　　看，捕捉已经变成假的了。

　　捕捉和不捕捉有什么区别？

　　让我们试试：

　　哦，原来Group的捕捉属性是指是否提取。

　　我们可以通过AST，捕获是针对子组来说的，默认是捕获，也就是提取子组的内容，可以通过 ?: 切换到非捕获，就不会提取子组的内容了。看到

　　我们已经熟悉了使用AST来理解常规语法，所以让我们看看最难的部分：

/bbb(?=ccc)/

　　正则表达式受(？=xxx)表达先行断言的语法，用于判断一个字符串前面是否有一个字符串。

　　通过AST，你可以看到这个语法叫做断言，类型是lookahead，也就是向前看，它只匹配前面的意思：

　　这是什么意思？为什么要写这个？和/bbb(ccc)/和/bbb(？ccc)/有什么区别？

　　让我们试试：

　　从结果可以看出：

　　/bbb(ccc)/匹配ccc的子组并提取该子组，因为捕获了默认子组。

　　/bbb(？ccc)/匹配了ccc的子群却因为我们通过了而没有提取？将子组设置为不采集。

　　/bbb(？=ccc)/匹配ccc的子组未被提取，表示它也未被捕获。它和？的区别在于：匹配结果中不出现ccc。

　　这就是前瞻断言的本质：先行断言代表某段字符串前面是某段字符串，对应的子组是非捕获的，而且断言的字符串不会出现在匹配结果中。。

　　如果后面没有那个字符串，就不匹配：

　　:

/bbb(?!ccc)/

　　?=改成了？之后，意思就变了。浏览一下AST:

　　尽管先行断言首先被断言，但是还有一个附加的属性，其负值为真。

　　这个意思很明显。原来是前面有某串，否定之后就没有前面有某串了。

　　那么匹配结果正好相反：

　　现在，如果前面不是某个字符串，就会匹配。这是否定先行断言。

/(?=aaa)bbb/

　　有一个前导断言，自然也有一个尾随断言，即跟随某个字符串进行匹配。

　　同样，也可以否认：

　　(?=aaa)对应的AST很容易想到，就是lookbehind断言：

　　(?Aaa)对应的AST是添加一个否定属性：

　　前断言和后断言是最难理解的正则表达式语法。AST是不是更好理解~

总结

　　正则表达式是一个非常方便的处理字符串的工具，但是它的学习还是有些难度的。许多人对贪婪匹配、非贪婪匹配、捕获子组、非捕获子组、第一个断言和最后一个断言等语法感到困惑。

　　我推荐通过AST学习规律性，AST是按照语法结构组织的对象树。通过AST节点的名称和属性可以很容易地整理出各种语法。

　　例如，我们通过AST明确表示：

　　重复语法（Repetition）就是字符 + 量词的形式，默认是贪婪匹配（greedy 为 true），代表一直匹配到不匹配为止，量词后加个 ? 就切换成了非贪婪匹配，匹配到一个字符就停止。

　　子组语法（Group）是用于提取某段字符串的，默认是捕获（capturing 为 true），代表需要提取，可以通过 (?:xxx)切换到非捕获，只匹配不提取。

　　断言语法（Assertion）代表前面或后面有某段字符串，分为先行断言（lookahead assertion）和后行断言（lookbehind assertion），语法分别是(?=xxx)和 (?=xxx)，可以通过把 = 换成 ! 来表示否定（negative 为 true），意思正好反过来。

　　是各种文档对语法理解深刻还是编译人员对语法理解深刻？

　　不用问，肯定是编译器！

　　那么通过它根据语法解析的语法树来学习语法，自然比通过文档来学习语法要好。

　　正则表达式如此，其他语法的学习也是如此。如果你能用AST学习语法，你就不需要阅读文档。

　　更多关于node的信息，请访问：nodejs教程！就是这样快速掌握正则表达式的。通过AST学习常规语法！更多详情请关注我们的其他相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。