Regex csalólap

Q: Mi a különbség a mohó és a lusta kvantorok között?

A mohó kvantorok (*, +, {2,}) a lehető legnagyobb mértékben megegyeznek, és csak akkor adnak vissza karaktereket, ha a minta többi része nem egyezik. Hozzáadása ? lustává teszi őket: a lehető legkevesebbet passzolnak egymáshoz, és csak kényszerítve vesznek el többet. Az " "-on a minta a teljes karakterláncot adja vissza, a pedig csak az -t.

A reguláris kifejezések elég tömörek ahhoz, hogy a szintaxist könnyebben meg lehessen nézni, mint megjegyezni. Ez az oldal az egészet egy képernyőn mutatja – osztályok, kvantorok, horgonyok, csoportok, körültekintés, menekülés és zászlók – minden sorhoz egy működő példával.

Az íz a JavaScript, amely az Ön böngészőjében fut, és az ezen az oldalon található regex-tesztelő. A legtöbb azonos a Pythonban, a Java-ban, a Go-ban és a PCRE-ben; ahol az ízek eltérnek, ott a széleken eltérnek – hátulnézet támogatás, elnevezett csoport szintaxisa, és hogy a \d „ASCII számjegyet” vagy „bármely Unicode számjegyet” jelent-e.

A legtöbb meglepetést két dolog okozza. A kvantorok mohók: mindent elvesznek, amit csak tudnak, és csak akkor adnak vissza, ha a minta többi része meghiúsul, ezért a <.+> lenyel két címkét, a <.+?> pedig nem. A váltakozás pedig a leglazábban köt, így az ^a|b$ azt jelenti, hogy „a-vel kezdődik, vagy b-vel végződik” – ez nem az, amire a legtöbben gondolnak, amikor írják.

Karakter osztályok

A rövidítések csak ASCII-t használnak, hacsak nem adja hozzá az u jelzőt, és Unicode tulajdonság escape-kódokat használ.

Szintaxis	Jelentése	Példa
.	Bármely karakter, kivéve a sortöréstAdja hozzá az s zászlót, hogy az újsorokhoz is illeszkedjen.	/a.c/"abc" → "abc"
\d	Egy számjegy, 0-9	/\d+/"order 42" → "42"
\D	Bármi, ami nem számjegy	/\D+/"42abc" → "abc"
\w	Betű, szám vagy aláhúzásCsak ASCII – az „é” nem \w.	/\w+/"user_1!" → "user_1"
\W	Bármi, \w nem egyezik	/\W+/"a++b" → "++"
\s	Bármilyen szóköz, beleértve a tabulátorokat és az újsorokat is	/\s+/"a \t b" → " \t "
\S	Bármilyen nem szóköz karakter	/\S+/" hi" → "hi"
[abc]	A felsorolt karakterek bármelyike	/[aeiou]/"rhythm and" → "a"
[^abc]	Bármely karakter, kivéve a felsorolt karaktereket	/[^aeiou ]+/"aeiou xyz" → "xyz"
[a-z]	Egy sor karakter	/[a-f]+/"zzabcz" → "abc"
\p{L}	Bármilyen Unicode betű (szükség van az u zászlóra)	/\p{L}+/"42 café" → "café"

Kvantifikátorok

Ezek mindegyike alapból mohó: annyit vesznek el, amennyit tudnak, és csak akkor adják vissza, ha a minta többi része nem sikerül.

Szintaxis	Jelentése	Példa
*	Nulla vagy több	/ab*/"a" → "a"
+	Egy vagy több	/ab+/"abbb" → "abbb"
?	Nulla vagy egy – opcionálissá teszi	/colou?r/"color" → "color"
{3}	Pontosan három	/\d{3}/"id 12345" → "123"
{2,}	Kettő vagy több	/a{2,}/"aaa" → "aaa"
{2,4}	Kettő és négy között	/a{2,4}/"aaaaa" → "aaaa"
*?	Lusta – a lehető legkevesebbet veszi igénybeA mohó <.+> mindkét címkét lenyelné.	/<.+?>/"<a><b>" → "<a>"

Horgonyok és határok

Ezek egy pozícióhoz illenek, nem egy karakterhez, tehát nem fogyasztanak semmit.

Szintaxis	Jelentése	Példa
^	A karakterlánc vagy egy sor eleje az m jelzővel	/^a/"abc" → "a"
$	A karakterlánc vége vagy egy sor vége m jelzővel	/c$/"abc" → "c"
\b	Egy szóhatárEz az, ami megakadályozza, hogy a "macska" illeszkedjen az "összefűzésben".	/\bcat\b/"the cat sat" → "cat"
\B	Egy szó sem határ	/\Bcat/"concatenate" → "cat"

Csoportok és váltakozás

Szintaxis	Jelentése	Példa
(abc)	Rögzítési csoport – emlékezve cserére	/(\d+)-(\d+)/"10-20" → "10-20"
(?:abc)	Csoportosítás rögzítés nélkülHasználja ezt, ha csak a csoportosításra van szüksége; a rögzítési számokat értelmesnek tartja.	/(?:ab)+/"abab" → "abab"
(?<name>…)	Elfogó csoport neve	/(?<year>\d{4})/"in 2026" → "2026"
a\|b	Mindkét oldal - váltakozásAz alternatíva a legalacsonyabb prioritású: ^a\|b$ a "^a" vagy "b$", nem pedig a "^(a\|b)$".	/cat\|dog/"one dog" → "dog"
\1	Visszautalások az első csoportra	/(\w)\1/"letter" → "tt"

Nézz körül

Állítások arról, hogy mi vesz körül egy pozíciót. Maguk semmihez sem egyeznek, ezért biztonságosan kombinálhatók.

Szintaxis	Jelentése	Példa
(?=…)	Előretekintés – ezt követi	/\d+(?= kg)/"80 kg" → "80"
(?!…)	Negatív előretekintés – ezt nem követi	/\d+(?! kg)/"80 lb" → "80"
(?<=…)	Nézz mögé – ezt előzi meg	/(?<=\$)\d+/"costs $40" → "40"
(?<!…)	Negatív hátranézés – ezt nem előzi meg	/(?<!\$)\b\d+/"about 40" → "40"

Menekülés

Ez a tizenkét karakter az, aminek szó szerinti értelmezéséhez fordított perjelre van szükség.

Szintaxis	Jelentése	Példa
\.	Egy szó szerinti pont	/\d\.\d/"v2.5" → "2.5"
\\	Szó szerinti fordított perjel	/\\/"C:\\dir" → "\\"
\n	Soremelés	/a\nb/"a\nb" → "a\nb"
\t	Egy lap	/a\tb/"a\tb" → "a\tb"
\uFFFF	Egy karakter a kódpontja szerint	/\u00e9/"café" → "é"

Zászlók

Zászló	Név	Jelentése
g	Globális	Keressen minden egyezést, ne csak az elsőt.
i	Kis- és nagybetűk figyelmen kívül hagyása	Egyezzen a kis- vagy nagybetűtől függetlenül.
m	Többsoros	A ^-t és a $-t minden sortörésnél egyezik, nem csak a karakterlánc végén.
s	Pont minden	Hadd . meccssor szakad is.
u	Unicode	A mintát kódpontként kezeli, és engedélyezi a \p{…} tulajdonság escape-kódot.
y	Ragadós	Csak pontosan a lastIndexnél egyezik, soha nem keres előre.

Gyakori kérdések

Mi a különbség a mohó és a lusta kvantorok között?

A mohó kvantorok (*, +, {2,}) a lehető legnagyobb mértékben megegyeznek, és csak akkor adnak vissza karaktereket, ha a minta többi része nem egyezik. Hozzáadása ? lustává teszi őket: a lehető legkevesebbet passzolnak egymáshoz, és csak kényszerítve vesznek el többet. Az "<a><b>"-on a <.+> minta a teljes karakterláncot adja vissza, a <.+?> pedig csak az <a>-t.

Miért egyezik a szavam más szavakkal?

Mert semmi sem rögzítette. A szót \b – /\bcat\b/ tördelje a „cat” kifejezéssel a „macska ült” szóval, de ne a „concatenate” szóval. A \b egy szókarakter és egy nem szó karakter közötti pozíciót egyezik meg, tehát semmit sem használ.

Mit változtat az u zászló?

Ezáltal a minta kódpontokon működik, nem pedig UTF-16 egységeken, így egyetlen emoji egy karakternek számít, és engedélyezi a \p{…} tulajdonság escape-kódot, például \p{L} "bármely betű" esetén. Enélkül a \w és \d csak ASCII marad, ezért a "café" nem egyezik teljesen a /\w+/-vel.

Mikor használjak nem rögzítő csoportot?

Amikor szüksége van a csoportosításra, de nem a rögzített szövegre – (?:ab)+ az (ab)+ helyett. A rögzítések egy kis teljesítménybe kerülnek, de az igazi ok a számozás: minden hozzáadott rögzítési csoport eltolja az utána lévők számát, csendesen feltörve az 1 és 2 dollárt használó cseréket.

Biztonságos a lookbehind használata?

A jelenlegi böngészőkben és a Node-ban igen – (?<=…) és (?<!…) 2018 óta minden nagyobb motor támogatja. A Safari volt az utolsó, amely hozzáadta. Ha nagyon régi futtatókörnyezeteket céloz meg, először ellenőrizze; nincs polifill a regex szintaxishoz.