谈谈 JavaScript 的正则表达式

一、背景

最近在做 CMS 系统中不同身份登录用户的权限管理，涉及到对 api 路径的识别去判断是否放行。以前对正则表达式都是敬而远之，要用到的话都是直接复制粘贴现成网上的表达式，看也看不太懂，借这次机会熟悉下，不求钻的多深，但求有个整体的认知，满足我目前的简单需求即可。

二、介绍

正则表达式(Regular Expression)是一种用来匹配字符串的强有力的工具。

各个编程语言对正则表达式的支持标准有所差异，这里只以 JavaScript 为例。

三、用法

本文对 非捕获括号、正向肯定查找、正向否定查找 不做介绍。

1、匹配符

2、特殊符号

上面的匹配符可以搭配下表的符号，如 /[A-Z]{3}/：

如果遇到歧义可使用括号 ()，如/bo+/和 /(bo)+/表达的意思不一样。

如果上述特殊符号是普通字符的话，需要用\转义，如[A-Z]?{3}不对而[A-Z]\?{3}可以正确匹配上 "D???"。

3、贪婪模式和懒惰模式

（1）如何设置？

JavaScript 的正则表达式默认为贪婪模式（匹配尽量多的字符）。

但如果在 *、 +、? 或 {} 的后面出现?，将会变为非贪婪的懒惰模式（匹配尽量少的字符）。

例如，对 "123abc" 应用 /\d+/ 将会返回 "123"，如果使用 /\d+?/,那么就只会匹配到 "1"。

（2）有何区别？

上图里有个术语叫回溯，会影响到正则匹配字符串的性能，在平时写正则的时候需要注意，详细请看下文的三、性能问题

注：java 的正则里还有一种模式叫独占模式，貌似 JS 里没有（待求证）。

4、JavaScript 里使用

（1）创建和 function

// *** 创建正则表达式 ***

// 方法一：/正则表达式主体/修饰符(可选)
var reg1 = /\d/;
// 若 RegExp 是全局模式
// var reg1 = /\d/g;

// 方法二：new RegExp('正则表达式')
// 注意：不用添加/***/，且由于是字符串，所以需要考虑转义！
// var reg2 = new RegExp("\\d");
// 若 RegExp 是全局模式
// var reg2 = new RegExp("\\d",'g');

var string = '你好 123 123 js'

// *** RegExp 的方法 - test() exec() *** 
console.log(reg1.test(string));  // true or false

console.log(reg1.exec(string));  // [ '1', index: 3, input: '你好 123 123 js' ]
console.log(reg1.exec(string));  // [ '1', index: 3, input: '你好 123 123 js' ] （跟上面一样）
// 若 RegExp 是全局模式
console.log(reg1.exec(string));  // [ '1', index: 3, input: '你好 123 123 js' ]  
console.log(reg1.exec(string));  // [ '2', index: 4, input: '你好 123 123 js' ]
console.log(reg1.exec(string));  // [ '3', index: 5, input: '你好 123 123 js' ]
console.log(reg1.exec(string));  // [ '1', index: 7, input: '你好 123 123 js' ]
console.log(reg1.exec(string));  // [ '2', index: 8, input: '你好 123 123 js' ]
console.log(reg1.exec(string));  // [ '3', index: 9, input: '你好 123 123 js' ]
console.log(reg1.exec(string));  // null
console.log(reg1.exec(string));  // [[ '1', index: 3, input: '你好 123 123 js' ]

// *** String 的方法 - search() match() replace() split()  *** 
console.log(string.search(reg1));   // 返回第一个匹配的下标，没有即是 -1 

console.log(string.match(reg1));    // [ '1', index: 3, input: '你好 123 123 js' ] （跟RegExp.exec()一样）
// 若 RegExp 是全局模式
console.log(string.match(reg1));    // [ '1', '2', '3', '1', '2', '3' ]

console.log(string.replace(reg1,'替换'));   // "你好 替换23 123 js" 
// 若 RegExp 是全局模式
console.log(string.replace(reg1,'$2-$1'));   // "你好 替换替换替换 替换替换替换 js" 
 
console.log(string.split(reg1));    // [ '你好 ', '', '', ' ', '', '', ' js' ]

除了g表示全局模式，还有i表示忽略大小写，m表示执行多行匹配。

（2）分组

用捕获括号() 可以分组，受影响的是 match()、split()、replace() 方法。

var string = '010-12345'
// 无()
var reg1 = /^\d{3}-\d{3,8}$/;
// 有()
var reg2 = /^(\d{3})-(\d{3,8})$/;

// match()
console.log(string.match(reg1));    
// [ '010-12345', index: 0, input: '010-12345' ]
console.log(string.match(reg2));    
// [ '010-12345', '010', '12345', index: 0, input: '010-12345' ]

// split()
console.log(string.split(reg1));    
// [ '', '' ]
console.log(string.split(reg2));    
// [ '', '010', '12345', '' ]

// replace() - 注意 $1、$2 的含义
console.log(string.replace(reg1,'替换'));
console.log(string.replace(reg2,'$2-$1'));  // 12345-010

三、性能问题

首先，实现正则表达式引擎有两种方式：DFA 自动机（Deterministic Final Automata 确定型有穷自动机）和 NFA 自动机（Non deterministic Finite Automaton 不确定型有穷自动机）。

对于这两种自动机，他们有各自的区别，这里并不打算深入将它们的原理。简单地说，DFA 自动机的时间复杂度是线性的，更加简单稳定，但是功能有限。而 NFA 的时间复杂度比较不稳定，有时候很好，有时候不怎么好，好不好取决于你写的正则表达式，但是胜在功能更加强大。

JS 与大多数主流语言的正则引擎选用的都是 NFA。

但需要注意的是，这种正则表达式引擎在进行字符匹配时会发生回溯（backtracking）。而一旦发生回溯，那其消耗的时间就会变得很长，有可能是几分钟，也有可能是几个小时，时间长短取决于回溯的次数和复杂度。

所以，我们更要在平时写正则表达式的时候，更加注重性能，避免回溯机制带来的隐患。我们可以用 https://regex101.com/ 来测试下match 的时间如何。