由正则表达式如何匹配相同字符出发,讲讲正则表达式中的选择、分组和引用。
问题
在外刊君读者群中看到有人提出这样的一个需求:
把字符串切成连续相同字符的正则怎么写?比如
abbcccdddd
切成a,bb,ccc,dddd
之前我对正则表达式也是略有研究,想尝试一下。其实我对正则表达式的学习基本完全来源于犀牛书的第10章,真正看懂这一章,我觉得操作正则表达式应该不在话下。
我的答案
先给出我的答案吧:
'abbccddd'.match(/(\w)\1*/g) // ["a", "bb", "cc", "ddd"]
说明
拿到这个问题,首先要匹配字符[a-zA-Z0-9]
,这里直接使用\w
。然后是全局匹配,在最后加上g
。难点在于怎么判断重复。
翻看了犀牛书后,又读了一遍分组和引用的部分。使用小括号()
将字符作为一个最小单元,同时小括号还能记忆这个组合相匹配的字符串。再使用反斜杠\
引用前面分组的表达式,数字1表示第一个小括号。这时完成了2个字符重复的要求。最后再使用*
来匹配出现0次或n次。这个正则表达式就写完了。
下面详细说说分组和引用。
正则表达式的选择、分组和引用字符表
字符 | 含义 |
---|---|
| |
选择,匹配的是该符号左边的子表达式或右边的子表达式 |
(...) |
组合,将几个项组合为一个单元,这个单元可通过* + ? | 等符号加以修饰,而且可以记住和这个组合相匹配的字符串以提供伺候的引用使用 |
(?:...) |
只组合,把项组合到一个段元,但不记忆与该组相匹配的字符 |
\n |
和第n个分组第一次匹配的字符相匹配,组是圆括号中的子表达式(也有可能是嵌套的),组索引是从左到右的左括号数,(?: 形式的分组不编码 |