写在开篇的话
有的人会问,对于JSer来说,正则表达式重要吗,是不是可以跳过这个似乎特别多变需要记很多规则的知识块。我也这么想过,看了一下子又看不下去,后来遇到了就跳过去,久而久之我发现,出来混迟早是要还的,终于下定决心好好花一个周末入门。然而,看到网上转来转去也就那么几篇的关于RegExp的博客,看的我头有点大,所以,到了拿出自己的互联网精神,自己搞懂后写一篇自认为还算清晰且正确(轻拍)的博客来回馈大家。转载请通知,谢谢。
1. 正则表达式?
正则表达式真的是一个强大的杀器,用来把哪些乱七八糟的字符串里查找、替换、提取工作上,绝对不二之选。入门的人会越来越感叹它的强大,门外的人还在因为它的复杂多变而却步。
在JavaScript中的正则表达式是一个特殊的Object对象——RegExp,一个正则表达式就是由普通字符(例如字符 a 到 z)以及特殊字符(称为元字符,难点)组成的文字模式。创建一个正则表达式对象有两种方式,如下第一种方式,以构造函数传参的方式,RegExp构造函数第一个参数为正则表达式的文本模式,而第二个参数则为可选项标志,标志可以组合使用 ,含义如下:
- g(global,全文查找,不会在第一次匹配到而停止)
- i (ignore,忽略大小写)
- m(multiline,多行查找)
var re = new RegExp(); //初始化对象
re = new RegExp("a"); //最简单的正则表达式,将匹配字母a
re = new RegExp("a","i"); //第二个参数,表示匹配时不分大小写
var regExp = new RegExp();
re.compile("abc","gim"); // compile方法设置正则表达式
那忽略第二个参数呢?例如上述代码new RegExp(“a”)则表示非全文查找,非忽略大小写,单行查找咯!当然,正则表达式还有另一种正则表达式字面量的声明方式 。
var re = /a/gi; //匹配所有的a或A
需要注意的是,由于RegExp 构造函数的模式参数是字符串,所以在某些情况下要对字符进行双重转义。所有元字符都必须双重转义,那些已经转义过的字符也是如此,转义字符\在字符串中通常被转义为\,而在正则表达式字符串中就会变成\\,如下例子:
var regExp1 = /\.at/i; //匹配字符.at
var regExp2 = new RegExp("\\\\.at","i"); //匹配字符.at
2. JavaScript中的元字符
对于以前从没接触过正则表达式的Coder们,元字符绝对是一个陌生的知识点,没关系,我们先看看它们各自的释义,然后跟着后面的示例慢慢了解,或者大胆在开发者工具里去尝试。JavaScript中元字符包括:( [ { \ ^ $ | ) ? * + .]}
字符 | 描述 |
---|---|
(pattern) | 即普通字符模式,如“food”就会匹配“food”,在JS中使用RegExp的$0…$9属性可访问 |
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,“n”匹配字符“n”,而“\n”匹配一个换行符,串行“\\”匹配“\”,“\(”则匹配“(”。 |
^ | 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性,^也匹配“\n”或“\r”之后的位置。 |
$ | 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性,$也匹配“\n”或“\r”之前的位置。 |
* | 匹配前面的子表达式零次或多次。例如,zo*能匹配“z”以及“zoo”,*等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。例如,zo+能匹配“zo”以及“zoo”,但不能匹配“z”,+等价于{1,}。 |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“does”或“do”,?等价于{0,1} |
{n} | n是一个非负整数。匹配确定的n次。例如,“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food”中的两个o。 |
{n,} | n是一个非负整数。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 |
{m,n} | m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
? | 当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串“oooo”,“o+?”将匹配单个“o”,而“o+”将匹配所有“o”。 |
. | 匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符,请使用像”(.|\n)”的模式。 |
| | 匹配x或y。例如,“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。 |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。 |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“p”,“l”,“i”,“n”。 |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
(?:pattern) | 匹配pattern但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比”industry|industries”更简略的表达式。 |
(?=pattern) | 正向肯定预查,在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的”Windows”,但不能匹配”Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?!pattern) | 正向否定预查,在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始 |
(?<=pattern) | JS不支持!反向肯定预查,与正向肯定预查类拟,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。 |
(?<!pattern) | JS不支持!反向否定预查,与正向否定预查类拟,只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。 |
\b | 匹配一个单词边界,也就是指单词和空格间的位置。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”。 |
\B | 匹配非单词边界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。 |
\cx | 匹配由x指明的控制字符。例如,\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则,将c视为一个原义的“c”字符。 |
\d | 匹配一个数字字符。等价于[0-9]。 |
\D | 匹配一个非数字字符。等价于[^0-9]。 |
\f | 匹配一个换页符。等价于\x0c和\cL。 |
\n | 匹配一个换行符。等价于\x0a和\cJ。 |
\r | 匹配一个回车符。等价于\x0d和\cM。 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等价于[^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于\x09和\cI。 |
\v | 匹配一个垂直制表符。等价于\x0b和\cK。 |
\w | 匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。 |
\W | 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。 |
\xn | 匹配n,其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。 |
\num | 匹配num,其中num是一个正整数。对所获取的匹配的引用。例如,“(.)\1”匹配两个连续的相同字符。 |
\n | 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式,则n为向后引用。否则,如果n为八进制数字(0-7),则n为一个八进制转义值。 |
\nm | 标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式,则nm为向后引用。如果\nm之前至少有n个获取,则n为一个后跟文字m的向后引用。如果前面的条件都不满足,若n和m均为八进制数字(0-7),则\nm将匹配八进制转义值nm。 |
\nml | 如果n为八进制数字(0-3),且m和l均为八进制数字(0-7),则匹配八进制转义值nml。 |
\un | 匹配n,其中n是一个用四个十六进制数字表示的Unicode字符。例如,\u00A9匹配版权符号(©)。 |
尽管ECMAScript 中的正则表达式功能还是比较完备的,但仍然缺少某些语言(特别是Perl)所支持的高级正则表达式特性。下面列出了ECMAScript 正则表达式不支持的特性。
- 匹配字符串开始和结尾的\A 和\Z
- 向后查找(lookbehind)
- 并集和交集类
- 原子组(atomic grouping)
- Unicode 支持(单个字符除外,如\uFFFF)
- 命名的捕获组
- s(single,单行)和x(free-spacing,无间隔)匹配模式
- 条件匹配
- 正则表达式注释
3. RegExp的方法与属性
首先我们要分清楚两点,一个是RegExp的属性,另一个是RegExp实例的属性,这是有很大区别的!什么意思呢,例如,RexExp有input属性,但是上述代码中实例化的regExp1和regExp2是没有的,而regExp1和regExp2有global和ignoreCase属性,但是RexExp对象没有,但是他们都有multiline属性,而实例化的是只读的对于写入无效,RexExp的multiline属性是可读可写的,官方语言说明是表示是否所有表达式都使用多行模式,然而我并没有实验出这个属性对于实例化的multiline的影响(见下文代码的例子)~~~我们可以跳过这个坑,毕竟RegExp的multiline不被IE和Opera支持呢。
1 RegExp的实例的方法:
方法 | 作用 | 返回 |
---|---|---|
compile | 可用于编译和重新编译正则表达式 | 无返回值,改变了原正则 |
test | 指出在被查找的字符串中是否存在正则模式 | 返回true或者false |
exec | 用正则表达式模式在字符串中运行查找 | 返回查找结果数组或null |
For Example:
/*test方法*/
var re = /he/; //最简单的正则表达式,将匹配he这个单词
var str = "he";
alert(re.test(str)); //true
str = "we";
alert(re.test(str)); //false
str = "HE";
alert(re.test(str)); //false
re = /he/i;
alert(re.test(str)); //true
str = "Certainly!He loves her!";
alert(re.test(str)); //true,只要包含he(HE)就符合
re = /^he/i; //脱字符(^)代表字符开始位置
alert(re.test(str)); //false,因为he不在str最开始
str = "He is a good boy!";
alert(re.test(str)); //true,He是字符开始位置,还需要使用$
re = /^he$/i; //$表示字符结束位置
alert(re.test(str)); //false
str = "He";
alert(re.test(str)); //true
re = /\s/; // \s匹配任何空白字符,包括空格、制表符等
str= "user Name"; //用户名包含空格
alert(re.test(str)); //true
str = "user Name"; //用户名包含制表符
alert(re.test(str)); //true
re=/^[a-z]/i; //[]匹配指定范围内的任意字符
str="variableName"; //变量名必须以字母开头
alert(re.test(str)); //true
str="123abc";
alert(re.test(str)); //false
/*exec方法*/
var osVersion = "Ubuntu 8"; //其中的8表示系统主版本号
var re = /^[a-z]+\s+\d+$/i; //+号表示字符至少要出现1次,\s表示空白字符,\d表示一个数字
alert(re.test(osVersion)); //true,但我们想知道主版本号
var arr = re.exec(osVersion);
alert(arr[0]); //Ubuntu 8
re=/\d+/;
var arr = re.exec(osVersion);
alert(arr[0]); //8
re.exec("Ubuntu8"); //无空格,所以返回null
2 RegExp的实例的属性:
属性(短属性名) | 作用 | R/W |
---|---|---|
global | 返回是否设置了 g 标志的布尔值 | 可读写入无效 |
ignoreCase | 返回是否设置了 i 标志的布尔值 | 可读写入无效 |
multiline | 返回是否设置了 i 标志的布尔值 | 可读写入无效 |
source | 返回正则表达式模式的文本的复本 | 可读写入无效 |
lastIndex | 返回字符位置,被查找字符串中下一次匹配的开始位置 | 可读写入无效 |
For Example:
/*看下面的例子,了解global标志、exec()和lastIndex的三角恋关系吧(笑)*/
var reg = /[a-z]/igm;
reg.multiline; //true
reg.multiline = false; //尝试写入
multiline; //true,写入无效
reg.toString(); //"/[a-z]/gim"
reg.source(); //"/[a-z]",不带flags
re = /\b[a-z]+\b\s/i; //+表示1次或多次
str = "one two three four";
re.lastIndex; //0
re.exec(str) + re.lastIndex; //"one 0",因为未设置global标志,所以lastIndex的值不会改变
re.lastIndex = 1; //尝试写入
re.exec(str) + re.lastIndex; //"one 1",写入成功,但是对于exec()的执行无影响
re = /\b[a-z]*\b\s/gi; //带上了global
re.lastIndex //0,重置
re.exec(str) + re.lastIndex; //"one 4",因为有global标志,所以每次执行匹配都会改变lastIndex的值
re.exec(str) + re.lastIndex; //"two 8",
re.exec(str) + re.lastIndex; //"three 14"
re.exec(str) + re.lastIndex; //four后面无空格,故不会匹配到,lastIndex重置为0,又开始新的一次循环
re.lastIndex = 1; //尝试写入
re.exec(str)+ re.lastIndex; //"two 8",说明了lastIndex的值会影响exec等匹配函数的执行
3 RegExp的属性:
RegExp 构造函数包含一些属性(这些属性在其他语言中被看成是静态属性)。这些属性适用于作用域中的所有正则表达式,并且基于所执行的最近一次正则表达式操作而变化。关于这些属性的另一个独特之处,就是可以通过两种方式访问它们。换句话说,这些属性分别有一个长属性名和一个短属性名(Opera 是例外,它不支持短属性名)。下表列出了RegExp 构造函数的属性。
属性(短属性名) | 短属性名 | 作用 |
---|---|---|
$1~$9 | 无 | 返回九个在模式匹配期间找到的,最近保存的部分 |
input | $_ | 返回最近一次要匹配的字符串 |
lastMatch | $& | 返回最近一次的匹配项 |
lastParen | $+ | 如果有的话,返回任最近一次匹配的捕获组 |
leftContext | $` | 返回input字符串中lastMatch之前的文本 |
rightContext | $’ | 返回Input字符串中lastMatch之后的文本 |
multiline | $* | 返回布尔值,表示是否所有表达式都使用多行模式。IE和Opera未实现此属性 |
For Example:
var re = /\b[a-z]+\b(\s)/gi; //注意,我加了括号哟!
var str = "one two three four";
re.exec(str); //["one ", " "],执行了正则匹配之后才会影响RegExp的属性
RegExp.$1; //" ",空格,说明就是我们数组exec()方法输出array[1];
RegExp.$1;
RegExp.$2; //"",空字符串,因为exec()方法输出array仅仅只有两项
RegExp.input; //"one two three four"
RegExp["$_"]; //"one two three four",
RegExp.$_ ; //"one two three four",三种种引用形式均可
RegExp.lastMatch; //"one "
RegExp["$&"]; //"one "
RegExp.$&; //Error,所以lastMatch的短属性名只有一种形式;
RegExp["$&"]; //一个奇怪的输出“ at ”,也许你的浏览器不是。报错之后的RegExp已经失控
re.exec(str); //["two ", " "],重置RegExp状态
/*事实上,除了&_可以用RegExp以外,其余皆会报错,所以推荐都用["短属性名"]的方式引用*/
RegExp["$&"]; //"two "
RegExp.leftContext; //"one "
RegExp["$`"]; //"one "
RegExp.rightContext; //"three four"
RegExp["$'"]; //"three four"
RegExp.lastParen; //" ",其实是返回exec()方法输出array的最后一项
RegExp["$+"]; //" "
RegExp.multiline; //undefined
RegExp.multiline = true; //设置为true
RegExp.multiline; //true,说明可以设置
re.multiline; //并不会变化
/*如我上文所说,RegExp.multiline设置似乎并没有任何用处,希望有人评论告知*/
4. 常用的正则表达式
声明:脚本之家里有很多可靠的正则表达式检测工具及常用的正则表达式汇总,本人未一一去验证,福利就在下面,需要的博友可以点进去看一下。
http://www.jb51.net/tools/regexsc.htm