图片来源|电影《成长教育》剧照
正则表达式是描述与特定字符串匹配的字符串特性的模式。 ”——Ken Thompson
什么是正则表达式？
正则表达式是指pattern、模式、格式、规则，主要在处理文本字符串时，希望在文本堆中找到满足某种格式、规则的字符串时使用。
这起源于20世纪50年代科学家在数学领域进行的研究，后来被引入计算机领域。 从名字可以看出，这是用于描述规则的表达式。
例如，编写一个APP应用程序，希望设置一个用户名规则，将字符、数字、下划线和连字符包含在用户名中，或者限制字符数量使其看起来不那么难看。 现在，使用以下正则表达式验证用户名：
以上正则表达式可以接受Johndoe、jo-hndoe和john12_as .但由于它们包含大写字母且太短，与jo不一致。
那么，学习正则表达式，初学者应该从哪些方面开始呢？
这个强烈安利的一些学习教程和资源：
1 .正则表达式30分钟入门教程
358 Deerchao.net /教程/注册/注册. htm
推荐理由：特别适合想快速入门的学生。 结合实例可以理解基本原理和语法。
2 .有效地开始正则表达式
359 Github.com/Ziishaned/learn-regex/blob /主/翻译/自述- CN.MD
推荐理由： Github的简单正则表达式教程提供了10多种语言，包括中文。 本教程涵盖了实际APP应用中99%的场景。
3.regex101网站——可以将正则一致结果可视化表示
https://regex101.com
4.regexper网站——可以直观地显示正则表达式的状态机图
https://regexper.com
正则表达式高级——从基本机制理解正则表达式
许多同学在入门某种语言或工具时，习惯首先从实例着手，往往忽视语言最底层的原理。 这里引用@yqdwk的“高级正则表达式”一句，有助于更好地理解和利用正则表达式。
注：此次引用已根据原文删除。 想看全部内容时，
359 www.cn blogs.com/Hust sking/p/how-regular-expressions-work.html
正则表达式的结构
画了草图，简单地说明了正则表达式的结构。
|编译|
------------
|
下箭头
-------------
|起始位置的设定|-------------
----------- -。
| |
那|
---------他|
|火柴背|路|
------------直径
| |
|
--------|
|成功
or
失败|------
-------------
你写的正则直接量和RegExp在浏览器中被编译成本机代码程序。 第一个匹配从第一个字符开始。 匹配成功时，他会检查其他路径是否不匹配。 如果有，回到最后成功匹配的位置，重复下一步。 但是，此时开始匹配的位置(lastIndex )是上次成功的位置加1。 这个有点难懂。 以下写demo。 这个demo是实现正则表达式的分析引擎。
Reg:
/h(I|ello )是指，
barret/gStr:
Lalala. Hi, barret. Hello, John如果上面的 demo 跑不起来，请戳这里：
http://qianduannotes.duapp.com/demo/regexp/index.html
如果要深入了解正则表达式的内部原理，必须先理解匹配过程的一个基础环节——回溯。他是驱动正则的一个基本动力，也是性能消耗、计算消耗的根源。
回溯
正则表达式中出现最多的是分支和量词。上面的 demo 中可以很清楚的看到 hi 和 hello 这两个分支，当匹配到第一个字符 h 之后，进入 (i | ello) 的分支选择，首先是进入 i 分支，当 i 分支匹配完了之后，再回到分支选择的位置，重新选择分支。简单点说，分支就是 | 操作符带来的多项选择问题，而量词指的是诸如 *,+?,{m,n} 之类的符号，正则表达式必须决定何时尝试匹配更多的字符。下面结合回溯详细说说分支和量词。
1.分支
继续分析上面那个案例。 "Lalala. Hi, barret. Hello, John".match(/H(i|ello), barret/g),首先会查找 H 字符，在第九位找到 H 之后，正则子表达式提供了两个选择 (i|ello)，程序会先拿到最左边的那个分支，进入分支后，在第十位匹配到了 i，接着匹配下一个字符，下一个字符是逗号，接着刚才的位置又匹配到了这个逗号，然后再匹配下一个，依次类推，直到完整匹配到整个正则的内容，此时程序会在 Hi,barret后面做一个标记，表示在这里进行了一次成功的匹配。但程序到此并没有结束，因为后面加了一个全局参数，依然使用这个分支往后匹配，很显然，到了 Hello 的时候，Hi 分支匹配不了了，于是程序会回溯到刚才我们做标记的位置，并进入第二个分支，从做标记的位置重新开始匹配，依次循环。
只要正则表达式没有尝试完所有的可选项，他就会回溯到最近的决策点（也就是上次匹配成功的位置）。
2.量词
量词这个概念特别简单，只是在匹配过程中有贪婪匹配和懒惰匹配两种模式，结合回溯的概念理解稍微复杂。还是用几个例子来说明。
1)贪婪
str = "AB1111BA111BA"; reg = /AB[sS]+BA/; console.log(str.match(reg));首先是匹配AB，遇到了 [sS]+，这是贪婪模式的匹配，他会一口吞掉后面所有的字符，也就是如果 reg 的内容为 AB[sS]+，那后面的就不用看了，直接全部匹配。而往后看，正则后面还有B字符，所以他会先回溯到倒数第一个字符，匹配看是否为 B，显然倒数第一个字符不是B，于是他又接着回溯，找到了B字母，找到之后就不继续回溯了，而是往后继续匹配，此刻匹配的是字符A，程序发现紧跟B后的字母确实是A，那此时匹配就结束了。如果没有看明白，可以再读读下面这个图：
REG: /AB[sS]+BA/ MATCH: A 匹配第一个字符 AB 匹配第二个字符 AB1111BA111BA [sS]+ 贪婪吞并所有字符 AB1111BA111BA 回溯，匹配字符B AB1111BA111B 找到字符B，继续匹配A AB1111BA111BA 找到字符A，匹配完成，停止匹配2) 懒惰（非贪婪）
str = "AB1111BA111BA"; reg = /AB[sS]+?BA/; console.log(str.match(reg));与上面不同的是，reg 中多了一个 ? 号，此时的匹配模式为懒惰模式，也叫做非贪婪匹配。此时的匹配流程是，先匹配AB，遇到[sS]+?，程序尝试跳过并开始匹配后面的字符B，往后查看的时候，发现是数字1，不是要匹配的内容，继续往后匹配，知道遇到字符B，然后匹配A，发现紧接着B后面就有一个A，于是宣布匹配完成，停止程序。
REG: /AB[sS]+BA/ MATCH: A 匹配第一个字符 AB 匹配第二个字符 AB [sS]+? 非贪婪跳过并开始匹配B AB1 不是B，回溯，继续匹配 AB11 不是B，回溯，继续匹配 AB111 不是B，回溯，继续匹配 AB1111 不是B，回溯，继续匹配 AB1111B 找到字符B，继续匹配A AB1111BA 找到字符A，匹配完成，停止匹配如果匹配的内容是 AB1111BA，那贪婪和非贪婪方式的正则是等价的，但是内部的匹配原理还是有区别的。为了高效运用正则，必须搞清楚使用正则时会遇到那些性能消耗问题。
逗比的程序
//去测试下这句代码 "TTTTTTTT".match(/(T+T+)+K/); //然后把前面的T重复次数改成30 //P.S:小心风扇狂转，CPU暴涨我们来分析下上面这段代码，上面使用的都是贪婪模式，那么他会这样做：
REG: (T+T+)+K MATCH: ①第一个T+匹配前7个T，第二个T+匹配最后一个T，没找到K，宣布失败，回溯到最开始位置 ②第一个T+匹配前6个T，第二个T+匹配最后两个T，没找到K，宣布失败，回溯到最开始位置 ③... ... 接着还会考虑(T+T+)+后面的 + 号，接着另一轮的尝试。 ⑦... ...这段程序并不会智能的去检测字符串中是否存在 K。如果匹配失败，他会选择其他的匹配方式（路径）去匹配，从而造成疯狂的回溯和重新匹配，结果可想而知。这是回溯失控的典型例子。
前瞻和反向引用
1.前瞻和引用
前瞻有两种。一种是负向前瞻，JS中使用 (?!xxx) 来表示，他的作用是对后面要匹配的内容做一个预判断，如果后面的内容是xxx，则此段内容匹配失败，跳过去重新开始匹配。另一种是正向前瞻，(?=xxx)，匹配方式和上面相反，还有一个长的类似的是 (?:xxx),这个是匹配xxx，他是非捕获性分组匹配，即匹配的内容不会创建反向引用。具体内容可以去文章开头提到的文档中查看。
反向引用，这个在 replace 中用的比较多，在 replace 中：
而在正则表达中，主要就是 1, 2 之类的数字引用。前瞻和反向引用使用恰当可以大大的减少正则对资源的消耗。举个例子来简单说明下这几个东西：
问题：使用正则匹配过滤后缀名为 .css 和 .js 的文件。
如：test.wow.js test.wow.css test.js.js等等。
有人会立马想到使用负向前瞻，即：
//过滤js文件 /(?!.+.js$).*/.exec("test.wow.js") //过滤js和css文件 /(?!.+.js$|.+.css$).*/.exec("test.wow.js") /(?!.+.js$|.+.css$).*/.exec("test.wow.html")但是你自己去测试下，拿到的结果是什么。匹配非js和非css文件可以拿到正确的文件名，但是我们期望这个表达式对js和css文件的匹配结果是null，上面的表达式却做不到。问题是什么，因为(?!xxx)和(?=xxx)都会消耗字符，在做预判断的时候把 .js 和 .css 给消耗了，所以这里我们必须使用非捕获模式。
/(?:(?!.+.js$|.+.css$).)*/.exec("test.wow.html"); /(?:(?!.+.js$|.+.css$).)*/.exec("test.wow.js");我们来分析下这个正则：
(?:(?!.+.js$|.+.css$).)* --- ---------------- - | | | +----------------------+ ↓ | 非捕获，内部只有一个占位字符 | ↓ 负向前瞻以.js和.css结尾的字符串最后一个星号是贪婪匹配，直接吞掉全部字符。
这里讲的算是有点复杂了，不过在稍复杂的正则中，这些都是很基础的东西了，想在这方面提高的童鞋可以多研究下。
2.原子组
JavaScript的正则算是比较弱的，他没有分组命名、递归、原子组等功能特别强的匹配模式，不过我们可以利用一些组合方式达到自己的目的。上面的例子中，我们实际上用正则实现了一个或和与的功能，上面的例子体现的还不是特别明显，再写个例子来展示下：
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不管怎么打乱顺序，只要string中包含“我”，“是”，“李”，“靖”这四个字，结果都是true。
类似(?=xxx)1，就相当于一个原子组，原子组的作用就是消除回溯，只要是这种模式匹配过的地方，回溯时都不会到这里和他之前的地方。上面的程序 "TTTTTTTT".match(/(T+T+)+K/);可以通过原子组的方式处理：
"TTTTTTTT".match(/(?=(T+T+))2+K/);如此便能彻底消除回溯失控问题。
- 完 -
与其他程序设计语言一样，学习正则表达式的关键是实践，实践，再实践。 ——年轻的心锁（fzdss Forta）
[美] 年轻的心锁（fzdss Forta）著 门佳 多情的月光 等 (译)
紧贴实战需求，化繁为简，高效解决编程难题如果想快速上手正则表达式，那么除了本书，没有第二种选择相比上一版，书中完善了正则表达式的用法，丰富了提示、注意、警告等信息。本书从简单的文本匹配开始，循序渐进地介绍了很多复杂内容，包括反向引用、条件评估、环视等。每章都配有许多简明实用的示例，有助于全面、系统、快速掌握正则表达式，并运用它们解决实际问题。