js 系统教程-28-js 标准库之正则表达式 regex

目录

正则表达式

概述

正则表达式（regular expression）是一种表达文本模式（即字符串结构）的方法，有点像字符串的模板，常常用来按照“给定模式”匹配文本。比如，正则表达式给出一个 Email 地址的模式，然后用它来确定一个字符串是否为 Email 地址。

JavaScript 的正则表达式体系是参照 Perl 5 建立的。

新建正则表达式有两种方法。

• 一种是使用字面量，以斜杠表示开始和结束。

var regex = /xyz/;

• 使用RegExp构造函数。

var regex = new RegExp('xyz');

上面两种写法是等价的，都新建了一个内容为xyz的正则表达式对象。
它们的主要区别是，第一种方法在引擎编译代码时，就会新建正则表达式，第二种方法在运行时新建正则表达式，所以前者的效率较高。
而且，前者比较便利和直观，所以实际应用中，基本上都采用字面量定义正则表达式。

实例属性

正则对象的实例属性分成两类。

一类是修饰符相关，返回一个布尔值，表示对应的修饰符是否设置。

• RegExp.prototype.ignoreCase：返回一个布尔值，表示是否设置了 i 修饰符。

• RegExp.prototype.global：返回一个布尔值，表示是否设置了 g 修饰符。(全局搜索)

• RegExp.prototype.multiline：返回一个布尔值，表示是否设置了 m 修饰符。

上面三个属性都是只读的。

另一类是与修饰符无关的属性，主要是下面两个。

• RegExp.prototype.lastIndex：返回一个整数，表示下一次开始搜索的位置。该属性可读写，但是只在进行连续搜索时有意义，详细介绍请看后文。

• RegExp.prototype.source：返回正则表达式的字符串形式（不包括反斜杠），该属性只读。

var r = /abc/igm;

r.lastIndex // 0
r.source // "abc"

实例方法

RegExp.prototype.test()

正则实例对象的 test() 返回一个布尔值，表示当前模式是否能匹配参数字符串。

/cat/.test('cats and dogs') // true

上面代码验证参数字符串之中是否包含cat，结果返回true。

如果正则表达式带有 g 修饰符，则每一次 test() 都从上一次结束的位置开始向后匹配。

var r = /x/g;
var s = '_x_x';

r.lastIndex // 0
r.test(s) // true

r.lastIndex // 2
r.test(s) // true

r.lastIndex // 4
r.test(s) // false

RegExp.prototype.exec()

正则实例对象的 exec() 方法，用来返回匹配结果。

如果发现匹配，就返回一个数组，成员是匹配成功的子字符串，否则返回 null。

var s = '_x_x';
var r1 = /x/;
var r2 = /y/;

r1.exec(s) // ["x"]
r2.exec(s) // null

• 组匹配

如果正则表示式包含圆括号（即含有“组匹配”），则返回的数组会包括多个成员。

第一个成员是整个匹配成功的结果，后面的成员就是圆括号对应的匹配成功的组。

也就是说，第二个成员对应第一个括号，第三个成员对应第二个括号，以此类推。

整个数组的length属性等于组匹配的数量再加1。

var s = '_x_x';
var r = /_(x)/;

r.exec(s) // ["_x", "x"]

上面代码的exec方法，返回一个数组。第一个成员是整个匹配的结果，第二个成员是圆括号匹配的结果。

exec方法的返回数组还包含以下两个属性：

• input：整个原字符串。

• index：整个模式匹配成功的开始位置（从0开始计数）。

字符串的实例方法

字符串的实例方法之中，有4种与正则表达式有关。

• String.prototype.match()：返回一个数组，成员是所有匹配的子字符串。

• String.prototype.search()：按照给定的正则表达式进行搜索，返回一个整数，表示匹配开始的位置。

• String.prototype.replace()：按照给定的正则表达式进行替换，返回替换后的字符串。

• String.prototype.split()：按照给定规则进行字符串分割，返回一个数组，包含分割后的各个成员。

匹配规则

字面量字符和元字符

大部分字符在正则表达式中，就是字面的含义，比如 /a/ 匹配a，/b/ 匹配b。

如果在正则表达式之中，某个字符只表示它字面的含义（就像前面的a和b），那么它们就叫做“字面量字符”（literal characters）。

/dog/.test('old dog') // true

• 点字符（.)

点字符（.）匹配除回车（\r）、换行(\n) 、行分隔符（\u2028）和段分隔符（\u2029）以外的所有字符。

注意，对于码点大于0xFFFF字符，点字符不能正确匹配，会认为这是两个字符。

/c.t/

上面代码中，c.t匹配c和t之间包含任意一个字符的情况，只要这三个字符在同一行，比如cat、c2t、c-t等等，但是不匹配coot。

• 位置字符

位置字符用来提示字符所处的位置，主要有两个字符。

^ 表示字符串的开始位置

$ 表示字符串的结束位置

// test必须出现在开始位置
/^test/.test('test123') // true

// test必须出现在结束位置
/test$/.test('new test') // true

// 从开始位置到结束位置只有test
/^test$/.test('test') // true
/^test$/.test('test test') // false

• 选择符（|）

竖线符号（|）在正则表达式中表示“或关系”（OR），即 cat|dog 表示匹配cat或dog。

/11|22/.test('911') // true

上面代码中，正则表达式指定必须匹配11或22。

转义符

正则表达式中那些有特殊含义的元字符，如果要匹配它们本身，就需要在它们前面要加上反斜杠。比如要匹配+，就要写成\+。

/1+1/.test('1+1')
// false

/1\+1/.test('1+1')
// true

正则表达式中，需要反斜杠转义的，

一共有12个字符：^、.、[、$、(、)、|、*、+、?、{、\。

需要特别注意的是，如果使用RegExp方法生成正则对象，转义需要使用两个斜杠，因为字符串内部会先转义一次。

特殊字符

正则表达式对一些不能打印的特殊字符，提供了表达方法。

• \cX 表示Ctrl-[X]，其中的X是A-Z之中任一个英文字母，用来匹配控制字符。

• [\b] 匹配退格键(U+0008)，不要与\b混淆。

• \n 匹配换行键。

• \r 匹配回车键。

• \t 匹配制表符 tab（U+0009）。

• \v 匹配垂直制表符（U+000B）。

• \f 匹配换页符（U+000C）。

• \0 匹配null字符（U+0000）。

• \xhh 匹配一个以两位十六进制数（\x00-\xFF）表示的字符。

• \uhhhh 匹配一个以四位十六进制数（\u0000-\uFFFF）表示的 Unicode 字符。

字符类

字符类（class）表示有一系列字符可供选择，只要匹配其中一个就可以了。

所有可供选择的字符都放在方括号内，比如[xyz] 表示x、y、z之中任选一个匹配。

/[abc]/.test('hello world') // false
/[abc]/.test('apple') // true

• 脱字符（^）

如果方括号内的第一个字符是[^]，则表示除了字符类之中的字符，其他字符都可以匹配。比如，[^xyz]表示除了x、y、z之外都可以匹配。

/[^abc]/.test('hello world') // true
/[^abc]/.test('bbc') // false

注意，脱字符只有在字符类的第一个位置才有特殊含义，否则就是字面含义。

• 连字符（-）

某些情况下，对于连续序列的字符，连字符（-）用来提供简写形式，表示字符的连续范围。

比如，[abc]可以写成[a-c]，[0123456789]可以写成[0-9]，同理[A-Z]表示26个大写字母。

/a-z/.test('b') // false
/[a-z]/.test('b') // true

预定义模式

预定义模式指的是某些常见模式的简写方式。

• \d 匹配0-9之间的任一数字，相当于[0-9]。

• \D 匹配所有0-9以外的字符，相当于[^0-9]。

• \w 匹配任意的字母、数字和下划线，相当于[A-Za-z0-9_]。

• \W 除所有字母、数字和下划线以外的字符，相当于[^A-Za-z0-9_]。

• \s 匹配空格（包括换行符、制表符、空格符等），相等于[ \t\r\n\v\f]。

• \S 匹配非空格的字符，相当于[^ \t\r\n\v\f]。

• \b 匹配词的边界。

• \B 匹配非词边界，即在词的内部。

// \s 的例子
/\s\w*/.exec('hello world') // [" world"]

// \b 的例子
/\bworld/.test('hello world') // true
/\bworld/.test('hello-world') // true
/\bworld/.test('helloworld') // false

// \B 的例子
/\Bworld/.test('hello-world') // false
/\Bworld/.test('helloworld') // true

重复类

模式的精确匹配次数，使用大括号（{}）表示。{n} 表示恰好重复n次，{n,}表示至少重复n次，{n,m} 表示重复不少于n次，不多于m次。

/lo{2}k/.test('look') // true
/lo{2,5}k/.test('looook') // true

量词符

量词符用来设定某个模式出现的次数。

• ? 问号表示某个模式出现0次或1次，等同于{0, 1}。

• * 星号表示某个模式出现0次或多次，等同于{0,}。

• + 加号表示某个模式出现1次或多次，等同于{1,}。

// t 出现0次或1次
/t?est/.test('test') // true
/t?est/.test('est') // true

// t 出现1次或多次
/t+est/.test('test') // true
/t+est/.test('ttest') // true
/t+est/.test('est') // false

// t 出现0次或多次
/t*est/.test('test') // true
/t*est/.test('ttest') // true
/t*est/.test('tttest') // true
/t*est/.test('est') // true

贪婪模式

上一小节的三个量词符，默认情况下都是最大可能匹配，即匹配直到下一个字符不满足匹配规则为止。这被称为贪婪模式。

var s = 'aaa';
s.match(/a+/) // ["aaa"]

除了非贪婪模式的加号，还有非贪婪模式的星号（*）。

• *?：表示某个模式出现0次或多次，匹配时采用非贪婪模式。

• +?：表示某个模式出现1次或多次，匹配时采用非贪婪模式。

修饰符

修饰符（modifier）表示模式的附加规则，放在正则模式的最尾部。

修饰符可以单个使用，也可以多个一起使用。

// 单个修饰符
var regex = /test/i;

// 多个修饰符
var regex = /test/ig;

• g 修饰符

默认情况下，第一次匹配成功后，正则对象就停止向下匹配了。

g 修饰符表示全局匹配（global），加上它以后，正则对象将匹配全部符合条件的结果，主要用于搜索和替换。

var regex = /b/;
var str = 'abba';

regex.test(str); // true
regex.test(str); // true
regex.test(str); // true

• i 修饰符

默认情况下，正则对象区分字母的大小写，加上i修饰符以后表示忽略大小写（ignorecase）。

/abc/.test('ABC') // false
/abc/i.test('ABC') // true

• m 修饰符

m修饰符表示多行模式（multiline），会修改^和$的行为。 默认情况下（即不加m修饰符时），^和$匹配字符串的开始处和结尾处，加上m修饰符以后，^和$还会匹配行首和行尾，即^和$会识别换行符（\n）。

/world$/.test('hello world\n') // false
/world$/m.test('hello world\n') // true

组匹配

概述

正则表达式的括号表示分组匹配，括号中的模式可以用来匹配分组的内容。

/fred+/.test('fredd') // true
/(fred)+/.test('fredfred') // true

非捕获组

(?:x) 称为非捕获组（Non-capturing group），表示不返回该组匹配的内容，即匹配的结果中不计入这个括号。

非捕获组的作用请考虑这样一个场景，假定需要匹配foo或者foofoo，正则表达式就应该写成/(foo){1, 2}/，但是这样会占用一个组匹配。

这时，就可以使用非捕获组，将正则表达式改为/(?:foo){1, 2}/，它的作用与前一个正则是一样的，但是不会单独输出括号内部的内容。

请看下面的例子。

var m = 'abc'.match(/(?:.)b(.)/);
m // ["abc", "c"]

上面代码中的模式，一共使用了两个括号。其中第一个括号是非捕获组，所以最后返回的结果中没有第一个括号，只有第二个括号匹配的内容。

先行断言

x(?=y) 称为先行断言（Positive look-ahead），x只有在y前面才匹配，y不会被计入返回结果。
比如，要匹配后面跟着百分号的数字，可以写成/\d+(?=%)/。

“先行断言”中，括号里的部分是不会返回的。

var m = 'abc'.match(/b(?=c)/);
m // ["b"]

上面的代码使用了先行断言，b在c前面所以被匹配，但是括号对应的c不会被返回。

先行否定断言

x(?!y) 称为先行否定断言（Negative look-ahead），x只有不在y前面才匹配，y不会被计入返回结果。比如，要匹配后面跟的不是百分号的数字，就要写成/\d+(?!%)/。

/\d+(?!\.)/.exec('3.14')
// ["14"]

上面代码中，正则表达式指定，只有不在小数点前面的数字才会被匹配，因此返回的结果就是14。

“先行否定断言”中，括号里的部分是不会返回的。

var m = 'abd'.match(/b(?!c)/);
m // ['b']

上面的代码使用了先行否定断言，b不在c前面所以被匹配，而且括号对应的d不会被返回。

原文地址

原文地址

本教程采用知识共享 署名-相同方式共享 3.0协议

目录导航

目录导航