字符串的處理基本都會用正則表達式，用它來做字符串的匹配、提取、替換等很方便。

但是正則表達式的學習還是有些難度的，比如貪婪匹配、非貪婪匹配、捕獲子組、非捕獲子組等概念，不止初學者難理解，有很多工作幾年的人都不理解。

那正則表達式怎么學比較好?怎么快速掌握正則表達式呢?

推薦一個我覺得很不錯的學習正則的方式：通過 AST 來學習。

正則表達式的匹配原理是把模式串 parse 成 AST，然后通過這個 AST 去匹配目標字符串。

模式串中的各種信息在 parse 之后都會保存在 AST 里面。AST 是 abstract syntax tree，抽象語法樹的意思，顧名思義，是按照語法結構組織的一棵樹，那么從 AST 的結構上自然可以輕易的知道正則表達式支持的語法。

怎么查看正則表達式的 AST 呢?

可以通過 astexplorer.net 這個網站來可視化的查看：

切換 parse 的語言為 RegExp，就可以做正則表達式的 AST 的可視化。

就像前面所說，AST 是按照語法來組織的一棵樹，那么從它的結構上自然能容易地理清各種語法。

那么我們就從 AST 的角度來學習下各種語法吧：

/abc/

先從簡單的開始，/abc/ 這樣一個正則就可以匹配 'abc' 的字符串，它的 AST 是這樣的：

3 個 Char，值分別是 a、b、c，類型是 simple。那之后的匹配就是遍歷 AST，分別匹配這三個字符了。

我們用 exec 的 api 測試了下：

第 0 個元素是匹配的字符串，index 是匹配字符串的開始下標。input 是輸入的字符串。

再來試下特殊的字符：

/\d\d\d/

/\d\d\d/ 是匹配三個數字的意思，\d 是正則支持的有特殊含義的元字符(meta char)。

通過 AST 我們也可以看出來，它們雖然也是 Char，但類型確是 meta：

可以通過 \d 的元字符來匹配任意數字：

哪些是 meta char 哪些是 simple char，通過 AST 來看一目了然。

/[abc]/

正則支持通過 [] 的方式來指定一組字符，也就是說匹配其中任意一種字符都行。

通過 AST 我們也可以看出來，它被包裹了一層 CharacterClass，就是字符類的意思，也就是匹配它包含的任意一種字符都行。

測試下也確實是這樣：

/a{1,3}/

正則表達式支持指定某個字符重復多少次，用 {from,to} 的形式，比如 /b{1,3}/ 表示字符 b 重復 1 到 3 次，/[abc]{1,3}/ 表示這個 a/b/c 這個字符類重復 1 到 3 次。

通過 AST 可以看出來，這種語法叫做 Repetition(重復)：

他有個 quantifier 的屬性表示量詞，這里的類型是 range，從 1 到 3。

正則也支持一些量詞的簡寫，比如 + 表示 1 到無數次、* 表示 0 到無數次、? 表示 0 或 1 次。

分別是不同類型的量詞：

有同學可能會問，這里的 greedy 屬性是啥意思呢?

greedy 是貪婪的意思，這個屬性就表示這個 Repetition 是貪婪匹配還是非貪婪匹配。

如果在量詞后加個 ?，你就會發現 greedy 變成 false 了，也就是切換到了非貪婪匹配：

那貪婪和非貪婪是指啥呢?

我們看個例子就知道了。

默認 Repetition 的匹配是貪婪的，只要滿足條件就一直匹配下去，所以這里 acbac 都能匹配到。

量詞后加個 ? 就切換到了非貪婪，就只會匹配第一個了：

這就是貪婪匹配和非貪婪匹配，通過 AST 我們能夠清楚的知道貪婪和非貪婪是針對重復語法來說的，默認是貪婪匹配，在量詞后加個 ? 就可以切換到非貪婪。

(aaa)bbb(ccc)

正則表達式支持通過()把匹配到的一部分字符串放到子組里返回。

通過 AST 看一下：

對應的 AST 就叫做 Group。

而且你會發現它有個 capturing 的屬性，默認是 true：

這是啥意思呢?

這就是子組捕獲的語法。

如果不想捕獲子組，可以這樣寫 (?:aaa)。

看，capturing 變為 false 了。

那捕獲和非捕獲有什么區別呢?

我們試一下：

哦，原來 Group 的 capturing 屬性代表的是是否提取的意思啊。

我們通過 AST 可以看出來，捕獲是針對子組來說的，默認是捕獲，也就是提取子組的內容，可以通過 ?: 切換到非捕獲，就不會提取子組的內容了。

我們對用 AST 來了解正則語法已經輕車熟路了，那來看點難的！

/bbb(?=ccc)/

正則表達式支持通過 (?=xxx) 的語法來表示先行斷言，用來判斷某個字符串是否前面是某個字符串。

通過 AST 可以看到這種語法叫做 Assertion，并且類型為 lookahead，也就是往前看，只匹配前面的意思：

這是啥意思呢?為啥要這么寫?和 /bbb(ccc)/ 還有 /bbb(?:ccc)/有啥區別呢?

我們試一下：

從結果可以看出來：

/bbb(ccc)/ 匹配了 ccc 的子組并且提取出來了這個子組，因為默認子組是捕獲的。

/bbb(?:ccc)/ 匹配了 ccc 的子組但沒有提取出來，因為我們通過 ?: 設置了子組不捕獲。

/bbb(?=ccc)/ 匹配了 ccc 的子組也沒有提取出子組，說明也是非捕獲的。它和 ?: 的區別是 ccc 沒有出現在匹配結果里。

這就是先行斷言(lookahead assertion)的性質：先行斷言代表某段字符串前面是某段字符串，對應的子組是非捕獲的，而且斷言的字符串不會出現在匹配結果中。

如果后面不是跟著那段字符串就不匹配：

/bbb(?!ccc)/

把 ?= 改成 ?! 之后意思就變了，通過 AST 看一下：

雖然還是先行斷言 lookahead assertion，但是多了個 negative 為 true 的屬性。

這個意思很明顯，本來是前面是某段字符串，否定之后就是前面不是某段字符串。

那匹配結果正好就反過來了：

現在前面不是某段字符串的話才匹配了，這就是否定先行斷言。

/(?<=aaa)bbb/

有先行斷言自然也有后行斷言，也就是后面是某段字符串才匹配。

同理，也可以否定：

(?<=aaa)對應的 AST 很容易想到，就是 lookbehind assertion：

(?<!aaa)對應的 AST 就是加個 negative 屬性：

先行斷言、后行斷言就是最難理解的正則表達式語法了，通過 AST 來學習是不是就容易理解多了。

總結

正則表達式是處理字符串的很方便的工具，但它的學習還是有些難度的，像貪婪匹配、非貪婪匹配、捕獲子組、非捕獲子組、先行斷言、后行斷言等語法很多人都搞不清楚。

我推薦通過 AST 來學習正則，AST 是按照語法結構來組織的一顆對象樹，各種語法通過 AST 節點的名字和屬性可以輕易的理清楚。

比如我們通過 AST 理清楚了：

重復語法(Repetition)就是字符 + 量詞的形式，默認是貪婪匹配(greedy 為 true)，代表一直匹配到不匹配為止，量詞后加個 ? 就切換成了非貪婪匹配，匹配到一個字符就停止。

子組語法(Group)是用于提取某段字符串的，默認是捕獲(capturing 為 true)，代表需要提取，可以通過 (?:xxx)切換到非捕獲，只匹配不提取。

斷言語法(Assertion)代表前面或后面有某段字符串，分為先行斷言(lookahead assertion)和后行斷言(lookbehind assertion)，語法分別是(?=xxx)和 (?<=xxx)，可以通過把 = 換成 ! 來表示否定(negative 為 true)，意思正好反過來。

是各種文檔對語法理解的深還是編譯器對語法理解的深?

那還用問，肯定是編譯器呀!

那么通過它按照語法 parse 出來的語法樹來學習語法自然比文檔更好。

正則表達式是這樣，其他的語法的學習也是這樣，能用 AST 學會的語法，就不需要看文檔。