正则掌握程度测试题
1、分组提取/非捕获组
分组，是正则里一个非常重要的概念，我们需要针对某个区域提取数据，往往需要依赖分组。而分组，其实就是正则里()括住的部分。
1.1分组提取
需求:再分组1中匹配meta中author属性的值
源串:
<meta author="Zjmainstay" />
another author="Zjmainstay too"
预期:分组1得到Zjmainstay
正则: /<meta author="(.*?)"/gm1.2非捕获组
针对上面的分组，有时候，我们并不需要捕获某个分组的内容，我们可以使用非捕获组(?:表达式)，从而不捕获表达式部分内容到分组中。
需求：匹配每行字母个数是偶数个的数据，每行数据不为空，正则不能存在分组1
源串:
a
ab
abc
abcd
预期:
匹配得到 ab 和 abcd,不包含分组1
正则: /\b(?:\w{4}|\w{2})\b/gm2. 单字符或
或条件是正则使用过程中常用的概念，比如，密码由字母或数字组成，这里就用到了或条件，而且，由于字母或数字都是单个字符，因此，可以使用[a-z0-9]这样的单字符或语法实现。
常犯错误：匹配a或b写成[a|b]，此表达式实际上表示a或b或|，在[]内部的|表示其本身，注意区分(a|b)表示a或b的写法。
需求: 匹配有A/S/D/F 4个字母(区分大小写)组成的长度为3字符串
源串:
ABC
ASD
ADS
ASF
BBC
A|S
A|D
ASDF
预期: 以[]元字符获得3个字母的或集，匹配 ASD/ADS/ASF 3组数据
正则: /\b[ASDF]{3}\b/gm3.多字符或
相对单字符或条件，多字符或也是常见的，比如，我们需要匹配http或ftp两个协议头的url,就需要^(http|ftp)://.+$这样的语法来实现
需求: 匹配每行数据中以.jpg/.jpeg/.png/.gif结尾的图片名称(含后缀)
源串:
image.jpg
iamge.jpeg
image.png
image.gif
not_image.text
not_image.doc
not_image.xls
not_image.ppt
预期：匹配 image.jpg/image.jpeg/image.png/image.gif 4个结果
正则: /.*?\.(jpg|jpeg|png|gif)$/gm4.分组引用
前面介绍了分组，那某个分组再我们匹配过程中重复出现，又该如何处理？分组引用恰恰解决这个问题。比如匹配重复单词的一行数据，我们可以这么写(多行模式): /^.*?(\b\S+\b).*?\1.*$/m,\1表示引用前面分组1中匹配到的内容，也就是重复的单词内容
需求:匹配连续相同3次的数字
源串:
111
121
112
222
预期:匹配 111/222 两组数据
正则: /(\d)\1{2}/gm5.匹配换行数据
“我的正则本来好好的，突然不行了！” 这个是很多正则新人遇到的问题，而这个问题，很多时候，就是因为原来正则中的.不能匹配新数据里的换行导致的。这时候，只需要把.改成[\s\S]这样的表达式就可以了。这个表达式表示空格或非空格，也就是任意字符!
需求:分别使用单行模式和普通模式匹配id="author"的div中数据,div标签不在同一行
源串:
<div id="author">
Zjmainstay
</div>
预期: Zjmainstay
正则: /<div[^>]*>([^<]*?)<\/div>/gm6.存在(或)
6.1 匹配多种或条件的数据，没有特殊限制
需求:匹配每行中包含"作者"或者"读者"的数据
源串:
本文的作者是Zjmainstay
本文有很多读者
读者可以是任何一个地方的人
这里的任何一个地方说明读者也能在国外
什么乱七八糟的推理
你不匹配我，凭什么要我推荐你的博客 www.zjmainstay.cn
预期：
本文的作者是Zjmainstay
本文有很多读者
读者可以是任何一个地方的人
这里的任何一个地方说明读者也能在国外
正则:. /*(?<=(读者|作者)).*/gm6.2 匹配多种或条件的数据，有特殊限制(不使用环视)
需求: 匹配每行中"读者"在开头或结尾的数据
源串:
本文作者是Zjmainstay，有很多读者
读者可以是任何一个地方的人
这里的任何一个地方说明读者也能在国外
预期：
本文作者是Zjmainstay，有很多读者
读者可以是任何一个地方的人
正则: /((.*读者$))|(^读者.*)/gm6.3 匹配多种或条件的数据,有特殊限制(使用环视)
需求: 匹配每行中“读者”在开头或结尾的数据
源串:
本文作者是Zjmainstay，有很多读者
读者可以是任何一个地方的人
这里的任何一个地方说明读者也能在国外
预期:
本文作者是Zjmainstay，有很多读者
读者可以是任何一个地方的人
正则: /(^.*)(?<=读者)$|^(?=读者)(.*)$/gm7.存在(与)
7.1检验密码必须包含字母、数字和特殊字符,6-16位
需求：校验密码必须包含字母、数字和特殊字符，6-16位，假定特殊字符为 -_= 三个字符
源串：
12345
123456
1234561234561234
12345612345612345
a1234
a12345
-1234
-12345
a-123
a-1234
a-1234a-1234a-12
a-1234a-1234a-1234
aaaaa
aaaaaa
-_=-_
-_=-_=
预期：
a-1234
a-1234a-1234a-12
正则：/^(?=.*[a-z])(?=.*\d)(?=.*[-_=])[\S]{6,16}$/gm8.特殊限制(环视否定)
8.1 使用\d{1,3}匹配1-999的数据,不能以0开头
需求：使用\d{1,3}匹配每行中1-999的数据，不能以0开头
源串：
1
10
100
999
1000
01
001
预期：
1
10
100
999
正则：/^(?!0)\d{1,3}$/gm8.2匹配除了span标签外的所有标签
需求：匹配除了<span>内容</span>标签外的所有<tagName>内容</tagName>格式标签
源串：
<div>匹配我</div>
<span>不匹配我</span>
<p>匹配我</p>
<i>匹配我</i>
预期：
<div>匹配我</div>
<p>匹配我</p>
<i>匹配我</i>
正则：/^(?!<span>.*<\/span>)<[^>]*>(.*?)<\/[^>]*>$/gm9.替换分组使用
9.1 给源串每个链接加上http://www.zjmainstay.cn前缀
需求：给源串每个链接加上http://www.zjmainstay.cn前缀
源串：
<a id="link-1" href="/regexp-one">正则文章合集（All In One)</a>
<a id="link-2" href="/my-regexp">正则入门教程</a>
<a id="link-3" href="/deep-regexp">正则高级教程</a>
<a id="link-4" href="/regexp-lookaround">正则环视详解</a>
<a id="link-5" href="/php-curl">PHP cURL应用</a>
预期：替换得到
<a id="link-1" href="http://www.zjmainstay.cn/regexp-one">正则文章合集（All In One)</a>
<a id="link-2" href="http://www.zjmainstay.cn/my-regexp">正则入门教程</a>
<a id="link-3" href="http://www.zjmainstay.cn/deep-regexp">正则高级教程</a>
<a id="link-4" href="http://www.zjmainstay.cn/regexp-lookaround">正则环视详解</a>
<a id="link-5" href="http://www.zjmainstay.cn/php-curl">PHP cURL应用</a>
查找：<a([^>]*?)href="([^"]+)">([^<]+)<\/a>
替换：/<a$1href="http://www.zjmainstay.cn$2">$3<\/a>/gm9.2将每行数据格式化一条SQL语句
需求：将每行特定格式数据格式化为SQL语句
源串：
1 2017-04-11 Zjmainstay
2 2017-04-12 Nobody
3 2017-04-13 Somebody
预期：替换得到
INSERT INTO table_log(`id`, `created_at`, `author`) values('1', '2017-04-11', 'Zjmainstay');
INSERT INTO table_log(`id`, `created_at`, `author`) values('2', '2017-04-12', 'Nobody');
INSERT INTO table_log(`id`, `created_at`, `author`) values('3', '2017-04-13', 'Somebody');
查找：/([1-9]+)\s([0-9-]+)\s([a-zA-Z]+)/gm
替换：INSERT INTO table_log(`id`, `created_at`, `author`) values('$1', '$2', '$3');10.分组可选
10.1分组可选
需求：判断如果单词以A开头，匹配Apple；如果单词以B开头，匹配Banana；否则匹配Empty
源串：
Angle
Apple
Banana
Best
Empty
预期：匹配
Apple
Banana
Empty
正则：/(((?<apple>^A.*)pple|(?<banana>^B.*)anana|Empty))/gm10.2分组可选与分组引用
需求：匹配html标签的属性值，属性值可以由双引号、单引号、无单双引号定界
源串：
<div id="I'm Zjmainstay" class="name" data-year=2017 age='27'>
预期：分组匹配
I'm Zjmainstay
author
2017
27
正则：/=(["|']?)(.*?)\1(\s|>)/gm11. 单字符拆分（数字）
需求：匹配0.00-100.00的数值，可以有0-2位小数，不能以小数点结尾，不能以2个以上的0开头
思路：(100|10-99|0-9) + 0-2小数位 + 排除小数点结尾、2个以上0开头的情况
源串：
0
1
0.0
0.00
9.00
18.00
27.0
36.00
45.00
54.00
63.00
72.00
81.00
90.00
99.99
100.00
0.
001
100.01
100.001
101
预期：匹配0.00~100.00
正则：/^(?!00\d+|0\d+)(100|[1-9][0-9]|[0-9])((\.\d{0,2})|(\b))(?<!\.)$/gm12. 贪婪模式
贪婪模式，正则会优先尽可能多地匹配能匹配到的内容。当剩余正则匹配剩余部分字符（源串）但无法满足匹配时，贪婪部分回溯，吐出已匹配的内容，尝试满足剩余部分字符的匹配。
12.1 匹配链接中的文件名
需求：利用贪婪模式，分组1得到每行链接中的文件名
源串：
http://localhost.com/a/b/c/d/file1.txt
https://localhost.com/a/b/file2long.jpg
预期：分组0匹配行数据，分组1匹配文件名
file1.txt
file2long.jpg
正则：/^(http[s]?:\/\/.*\/(.*))$/gm12.2限定字符贪婪优化匹配性能
需求：匹配div id="author"的标签内容
源串：
<div id="author" class="author-text something-useless">Zjmainstay</div>
预期：利用贪婪模式去掉div中的噪点（无关数据），分组1匹配到Zjmainstay
正则：/<div[^>]*>([^<]*)<\/div>/gm13.非贪婪模式
贪婪模式，正则会优先尽可能少地匹配能匹配到的内容。当剩余正则匹配剩余部分字符（源串）但无法满足匹配时，非贪婪部分继续匹配更多内容，尝试满足剩余部分字符的匹配。
需求：匹配p标签内容
源串：
<p>内容1</p><p>内容2</p>
预期：
在分组1中匹配到内容1和内容2
正则：/<[^>]*?>([^>]*?)<\/[^>]*?>/gm14. 占用模式(PCRE)
贪婪模式后再加一个+量词，如.++，效果是贪婪而且不回溯。
暂时没有想到应用场景。
15.|字符分界 (|的作用域)
|作为或条件分隔符，它的分隔区间常常存在误用。在使用|字符的过程中，我们常常需要结合()来对它进行限定。如，^([0-9]+|[a-z]+)$表示纯数字或纯字母，如果没有()，那它又是另一种意思了。^[0-9]+|[a-z]+$等价于^[0-9]+或[a-z]+$，因此，它表示数字开头或者字母结尾，跟我们的需求有了很大的差别。
需求：在分组1中匹配css或script的链接
源串：
<script src="main.min.js" type="text/javascript"></script>
<link rel="stylesheet" type="text/css" href="main.css">
预期：
main.min.js
main.css
正则：/(?:src|href)="([^"]*)"/gm16.元字符转义
需求：表达式格式固定，提取其中的数值
源串：
(20+170)-5*1/5=?
预期：
A:20
B:170
C:5
D:1
E:5
F:?
正则：/\((\d*)\+(\d*)\)\-(\d*)\*(\d*)\/(\d*)\=(.*)/gm
替换：
A:$1
B:$2
C:$3
D:$4
E:$5
F:$617.分隔符绕过(PCRE)
有时候，如果该语言支持多种分隔符，在写正则的过程中通常会通过规避分隔符的方式，减少对分隔符的转义，让正则看起来更清晰，写起来更舒服，当然，js中是不支持的。
需求：在不对/转义的情况下匹配p标签内容
源串：
<p>内容1</p><p>内容2</p>
预期：
在分组1中匹配到内容1和内容2
正则：#<[^>]*?>([^>]*?)</[^>]*?>#18.匹配溢出排除
匹配溢出，这不是一个术语名词，是我自己的叫法，主要指正则匹配内容超出了我们预期，导致匹配得到非预期的结果
18.1 div标签匹配溢出
需求：匹配内容为数字的div
源串：
<div class="aaa bbb">ABC</div><div class="bbb ccc">123</div>
预期：
<div>123</div>
错误正则：/<div.*?>\d+<\/div>/
正则：/<div[^>]*>\d*<\/div>/gm18.2 多字符排除
需求：匹配不包含某个单词或词语的内容
源串：
http://www.zjmainstay.cn
http://www.baidu.com
http://www.qq.com
预期：
http://www.zjmainstay.cn
http://www.qq.com
正则：/^http:\/\/www\.(?:[^\.]*)(?<!baidu)\.(?:com|cn)$/gm18.3 多字符排除
需求：匹配不包含某个单词或词语的内容
源串：
A("Excalibur", "誓约胜利之剑", LONG_SWORD, (SPFX_NOGEN | SPFX_RESTR | SPFX_SEEK | SPFX_DEFN | SPFX_INTEL | SPFX_SEARCH),
0, 0, PHYS(5, 10), DRLI(0, 0), NO_CARY, 0, A_LAWFUL, PM_KNIGHT, NON_PM, 4000L, NO_COLOR);
/*
* Stormbringer only has a 2 because it can drain a level,
* providing 8 more.
*/
A("Stormbringer", "兴风者", RUNESWORD,
(SPFX_RESTR | SPFX_ATTK | SPFX_DEFN | SPFX_INTEL | SPFX_DRLI), 0, 0,
DRLI(5, 2), DRLI(0, 0), NO_CARY, 0, A_CHAOTIC, NON_PM, NON_PM, 8000L,
NO_COLOR);
/*
* Mjollnir will return to the hand of the wielder when thrown
* if the wielder is a Valkyrie wearing Gauntlets of Power.
*/
A("Mjollnir", "雷神之锤", WAR_HAMMER, /* Mjo:llnir */
(SPFX_RESTR | SPFX_ATTK), 0, 0, ELEC(5, 24), NO_DFNS, NO_CARY, 0,
A_NEUTRAL, PM_VALKYRIE, NON_PM, 4000L, NO_COLOR);
A("Cleaver", "撕裂者", BATTLE_AXE, SPFX_RESTR, 0, 0, PHYS(3, 6), NO_DFNS, NO_CARY, 0, A_NEUTRAL, PM_BARBARIAN, NON_PM, 1500L, NO_COLOR);
/*
* Grimtooth glows in warning when elves are present, but its
* damage bonus applies to all targets rather than just elves
* (handled as special case in spec_dbon()).
*/
A("Grimtooth", "邪兽之牙", ORCISH_DAGGER, (SPFX_RESTR | SPFX_WARN | SPFX_DFLAG2),
0, M2_ELF, PHYS(2, 6), NO_DFNS,
NO_CARY, 0, A_CHAOTIC, NON_PM, PM_ORC, 300L, CLR_RED);
/*
* Orcrist and Sting have same alignment as elves.
*
* The combination of SPFX_WARN+SPFX_DFLAG2+M2_value will trigger
* EWarn_of_mon for all monsters that have the M2_value flag.
* Sting and Orcrist will warn of M2_ORC monsters.
*/
A("Orcrist", "杀兽剑", ELVEN_BROADSWORD, (SPFX_WARN | SPFX_DFLAG2), 0, M2_ORC, PHYS(5, 0),
NO_DFNS, NO_CARY, 0, A_CHAOTIC, NON_PM, PM_ELF, 2000L, CLR_BRIGHT_BLUE); /* bright blue is actually light blue */
预期：
Excalibur=誓约胜利之剑
Stormbringer=兴风者
Mjollnir=雷神之锤
Cleaver=撕裂者
Grimtooth=邪兽之牙
Orcrist=杀兽剑
查找：/^A\("([^"]*?)"[^"]*?"([^"]*)"/gm
替换：$1=$219. 环视循环提取格式化
在数据处理过程中，经常遇到一些格式化处理，比如简单地将一批数据格式化为SQL（参考9.2），还有复杂的需要对一行数据的某部分进行循环提取，然后格式化为特定格式。
需求：循环提取每行数据的分支部分和固定部分，格式化为特定格式
源串：
BBB|CCC|DDD=AAA
FFF|GGG|HHH|III|JJJ|KKK=EEE
预期：
BBB=AAA
CCC=AAA
DDD=AAA
FFF=EEE
GGG=EEE
HHH=EEE
III=EEE
JJJ=EEE
KKK=EEE
查找：/(\w+)(?:\||=(\w+))/gm 这里不太会
替换：20. 三段论应用
三段论，是本人根据对正则的理解，归纳出来的三句话：定锚点，去噪点，取数据。
锚点，在正则中指^、$、\b这类零宽的位置，这里做了衍生，指能够唯一确定我们目标数据位置的参照点，比如author=Zjmainstay，我们要匹配author属性的数据，则author=就是我们的参照点，通过它，我们能快速写出提取author属性的数据的正则：author=(.+)。
噪点，就是对我们提取数据产生干扰的无关数据，我们在做正则匹配提取数据的过程中，可以选择性的忽略它们。当然，这里的忽略不是指不需要对它们做匹配，而是不需要对它们做精确匹配。比如，<a class="some-class-1 some-class-xxx" style="border:1px solid" href="http://www.zjmainstay.cn/regexp" title="正则表达式教程">正则表达式</a>，我们要提取a标签的url和文本（正则表达式），这时候，a标签上的class、style、title这些属性，对我们来说就没有意义了，它们就是噪点，在匹配过程中我们可以选择性的忽略它们（使用通配符进行匹配消耗掉它们），因此得到正则：<a [^>]*?href="([^"]+)"[^>]*>(.*?)</a>
数据，这个当然是指我们需要提取的内容了，如上面锚点举例，我们通过author=(.+)的(.+)对Zjmainstay部分数据进行了提取，因此，匹配结果的分组1（程序语言中的数组下标1）中，就能得到我们的结果。而对于多个数据的提取，如噪点举例，我们只需要针对数据部分进行多个分组（括号）的提取即可。
分组的计数，一般可以数左括号，排除环视和非捕获组的左括号，从1开始，依次加1递增，1,2,3,4....n，不同语言最大分组个数不同，大家在使用过程中自行留意，不过一般用不了那么多分组。
理解了三段论的概念，我们在写正则的过程中，只需要将源串进行分割划分，根据目标数据确定锚点，过滤噪点，提取数据，就能得到我们想要的正则了。