1、JS正则表达式(RegExp)
字符串是编程时涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址,虽然可以编程提取@
前后的子串,再分别判断是否是单词和域名,但这样做不但麻烦,而且代码难以复用。
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
所以我们判断一个字符串是否是合法的Email的方法是:
创建一个匹配Email的正则表达式;
用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的,所以,我们要首先了解如何用字符来描述字符。
在正则表达式中,如果直接给出字符,就是精确匹配。用\d
可以匹配一个数字,\w
可以匹配一个字母或数字,所以:
-
12345
'00\d'
可以匹配
'007'
,但无法匹配
'00A'
;
'\d\d\d'
可以匹配
'010'
;
'\w\w'
可以匹配
'js'
;
.
可以匹配任意字符,所以:
-
1
'js.'
可以匹配
'jsp'
、
'jss'
、
'js!'
等等。
要匹配变长的字符,在正则表达式中,用*
表示任意个字符(包括0个),用+
表示至少一个字符,用?
表示0个或1个字符,用{n}
表示n个字符,用{n,m}
表示n-m个字符:
来看一个复杂的例子:\d{3}\s+\d{3,8}
。
我们来从左到右解读一下:
\d{3}
表示匹配3个数字,例如'010'
;\s
可以匹配一个空格(也包括Tab等空白符),所以\s+
表示至少有一个空格,例如匹配' '
,'\t\t'
等;\d{3,8}
表示3-8个数字,例如'1234567'
。
综合起来,上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。
如果要匹配'010-12345'
这样的号码呢?由于'-'
是特殊字符,在正则表达式中,要用'\'
转义,所以,上面的正则是\d{3}\-\d{3,8}
。
但是,仍然无法匹配'010 - 12345'
,因为带有空格。所以我们需要更复杂的匹配方式。
进阶
要做更精确地匹配,可以用[]
表示范围,比如:
[0-9a-zA-Z\_]
可以匹配一个数字、字母或者下划线;[0-9a-zA-Z\_]+
可以匹配至少由一个数字、字母或者下划线组成的字符串,比如'a100'
,'0_Z'
,'js2015'
等等;[a-zA-Z\_\$][0-9a-zA-Z\_\$]*
可以匹配由字母或下划线、开头,后接任意个由一个数字、字母或者下划线、开头,后接任意个由一个数字、字母或者下划线、组成的字符串,也就是JavaScript允许的变量名;[a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}
更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)。
A|B
可以匹配A或B,所以(J|j)ava(S|s)cript
可以匹配'JavaScript'
、'Javascript'
、'javaScript'
或者'javascript'
。
^
表示行的开头,^\d
表示必须以数字开头。
$
表示行的结束,\d$
表示必须以数字结束。
你可能注意到了,js
也可以匹配'jsp'
,但是加上^js$
就变成了整行匹配,就只能匹配'js'
了。
RegExp
有了准备知识,我们就可以在JavaScript中使用正则表达式了。
JavaScript有两种方式创建一个正则表达式:
第一种方式是直接通过/正则表达式/
写出来,第二种方式是通过new RegExp('正则表达式')
创建一个RegExp对象。
两种写法是一样的:
1
2
3
4
5
|
var
re1 = /ABC\-001/;
var
re2 =
new
RegExp(
'ABC\\-001'
);
re1;
// /ABC\-001/
re2;
// /ABC\-001/
|
注意,如果使用第二种写法,因为字符串的转义问题,字符串的两个\\
实际上是一个\
。
先看看如何判断正则表达式是否匹配:
1
2
3
4
|
var
re = /^\d{3}\-\d{3,8}$/;
re.test(
'010-12345'
);
// true
re.test(
'010-1234x'
);
// false
re.test(
'010 12345'
);
// false
|
RegExp对象的test()
方法用于测试给定的字符串是否符合条件。
切分字符串
用正则表达式切分字符串比用固定的字符更灵活,请看正常的切分代码:
1
|
'a b c'
.split(
' '
);
// ['a', 'b', '', '', 'c']
|
嗯,无法识别连续的空格,用正则表达式试试:
1
|
'a b c'
.split(/\s+/);
// ['a', 'b', 'c']
|
无论多少个空格都可以正常分割。加入,
试试:
1
|
'a,b, c d'
.split(/[\s\,]+/);
// ['a', 'b', 'c', 'd']
|
再加入;
试试:
1
|
'a,b;; c d'
.split(/[\s\,\;]+/);
// ['a', 'b', 'c', 'd']
|
如果用户输入了一组标签,下次记得用正则表达式来把不规范的输入转化成正确的数组。
分组
除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()
表示的就是要提取的分组(Group)。比如:
^(\d{3})-(\d{3,8})$
分别定义了两个组,可以直接从匹配的字符串中提取出区号和本地号码:
1
2
3
|
var
re = /^(\d{3})-(\d{3,8})$/;
re.exec(
'010-12345'
);
// ['010-12345', '010', '12345']
re.exec(
'010 12345'
);
// null
|
如果正则表达式中定义了组,就可以在RegExp
对象上用exec()
方法提取出子串来。
exec()
方法在匹配成功后,会返回一个Array
,第一个元素是正则表达式匹配到的整个字符串,后面的字符串表示匹配成功的子串。
exec()
方法在匹配失败时返回null
。
提取子串非常有用。来看一个更凶残的例子:
1
2
|
var
re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/;
re.exec(
'19:05:30'
);
// ['19:05:30', '19', '05', '30']
|
这个正则表达式可以直接识别合法的时间。但是有些时候,用正则表达式也无法做到完全验证,比如识别日期:
1
|
var
re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/;
|
对于'2-30'
,'4-31'
这样的非法日期,用正则还是识别不了,或者说写出来非常困难,这时就需要程序配合识别了。
贪婪匹配
需要特别指出的是,正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。举例如下,匹配出数字后面的0
:
1
2
|
var
re = /^(\d+)(0*)$/;
re.exec(
'102300'
);
// ['102300', '102300', '']
|
由于\d+
采用贪婪匹配,直接把后面的0
全部匹配了,结果0*
只能匹配空字符串了。
必须让\d+
采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0
匹配出来,加个?
就可以让\d+
采用非贪婪匹配:
1
2
|
var
re = /^(\d+?)(0*)$/;
re.exec(
'102300'
);
// ['102300', '1023', '00']
|
全局搜索
JavaScript的正则表达式还有几个特殊的标志,最常用的是g
,表示全局匹配:
1
2
3
|
var
r1 = /test/g;
// 等价于:
var
r2 =
new
RegExp(
'test'
,
'g'
);
|
全局匹配可以多次执行exec()
方法来搜索一个匹配的字符串。当我们指定g
标志后,每次运行exec()
,正则表达式本身会更新lastIndex
属性,表示上次匹配到的最后索引:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
// 使用全局匹配:
re.exec(s);
// ['JavaScript']
re.lastIndex;
// 10
re.exec(s);
// ['VBScript']
re.lastIndex;
// 20
re.exec(s);
// ['JScript']
re.lastIndex;
// 29
re.exec(s);
// ['ECMAScript']
re.lastIndex;
// 44
re.exec(s);
// null,直到结束仍没有匹配到
|
全局匹配类似搜索,因此不能使用/^...$/
,那样只会最多匹配一次。
正则表达式还可以指定i
标志,表示忽略大小写,m
标志,表示执行多行匹配。
2、实例属性
5 lastIndex:整数,表示开始搜索下一个匹配项的字符位置,从0算起。
3、构造函数属性:正则RegExp构造函数属性
关于属性的定义,我在这里在重新提一下:
input (简写为$_) 最近一次要匹配的字符串。
lastMatch(简写$&) 最近一次的匹配项
lastParen(简写$+) 最近一次匹配的捕获组。
leftContext(简写$`) input字符串中lastMatch之前的文本
rightContext(简写$') input字符串中lastMatch之后的文本
multiline(简写$*) 布尔值,表示是否所有表达式都使用多行模式。
举例说明
看定义太痛苦了,我们还是举个例子来看下。
var text ="you are in haorooms 博客,看文章呢";
var pattern =/(.)aorooms/g;
if(pattern.test(text)){
console.log(RegExp.$_); //you are in haorooms 博客,看文章呢
console.log(RegExp["$`"]);//you are in
console.log(RegExp["$'"]);//博客,看文章呢
console.log(RegExp["$&"]);//haorooms
console.log(RegExp["$+"]);//h
console.log(RegExp["$*"]);//false
}
当然,也可以不用简写。(有些属性有浏览器兼容问题,Opera和部分IE不支持)。
另外一个问题,大家也看到了,有的我是用“.”有的是用[],其实作用是一样的。当中文或者特殊符号的时候,我们通常用[]。
存储捕获组的构造函数属性
这些属性的语法是(RegExp.$1,RegExp.$2,RegExp.$3,RegExp.$4,RegExp.$5,RegExp.$6,RegExp.$7,RegExp.$8,RegExp.$9),一共有9个。官方的解释是,这些可以捕获组的字符串的自动填充。其实,说简单的,就是可以获得()括号内匹配的字符串。
例子:
var text ="you are in haorooms 博客,看文章呢";
var pattern =/(.)ao(..)om(.)/g;
if(pattern.test(text)){
console.log(RegExp.$1);//h
console.log(RegExp.$2);//ro
console.log(RegExp.$3);//s
}
3、 RegExp实例方法
ECMAScript通过RegExp类型来支持正则表达式,创建正则表达式有两种方式:
//使用字面量形式定义正则表达式 var pattern1 = /[bc]at/i //使用构造函数创建 var pattern2 = new RegExp("[bc]at", "i") //构造函数接受两个参数:要匹配的字符串模式和可选的标志字符串
ECMAScript3中正则表达式字面量始终会共享同一个RegExp实例,而使用构造函数创建的每一个新RegExp实例都是一个新实例。ECMAScript5明确规定,使用正则表达式字面量必须像直接调用RegExp构造函数一样每次都创建新的RegExp实例,故两种创建方式无区别,使用哪一个都无所谓。
exec()方法:接受要应用模式的字符串为参数,返回包含第一个匹配项信息的数组;或者在没有匹配项的情况下返回null。返回到数组是Array的实例。
返回的数组包含两个额外的属性:index和input。其中,index表示匹配项在字符串中的位置,input表示应用正则表达式的字符串。在数组中,第一项是与整个模式匹配的字符串,其他项是与模式中的捕获组匹配的字符串。
var text = "mom and dad and baby"; var pattern = /mom( and dad( and baby)?)?/gi; var matches = pattern.exec(text); alert(matches.index); //0 alert(matches.input); //"mom and dad and baby" alert(matches[0]); //"mom and dad and baby" alert(matches[1]); //" and dad and baby"
alert(matches[2]); //" and baby"
对于exec()方法而言,即使在模式中设置了全局标志(g),它每次也只会返回一个匹配项。在不设置全局标志的情况下,在同一个字符串上多次调用exec()将始终返回一个匹配项的信息。而在设置全局标志的情况下,每次调用exec()则都会在字符串中继续查找新匹配项,去下面的例子所示。
- var text="cat, bat, sat, fat";
- var pat1=/.at/;
- var mat=pat1.exec(text);
- alert(mat.index);//0
- alert(mat[0]);//cat
- alert(pat1.lastIndex);//0
- mat=pat1.exec(text);
- alert(mat.index);//0
- alert(mat[0]);//cat
- alert(pat1.lastIndex);//0
- var pat2=/.at/g;
- var mat=pat2.exec(text);
- alert(mat.index);//0
- alert(mat[0]);//cat
- alert(pat2.lastIndex);//3
- mat=pat2.exec(text);
- alert(mat.index);//5
- alert(mat[0]);//bat
- alert(pat2.lastIndex);//8
这个例子中的第一个模式pattern1不是全局模式,因此每次调用exec()返回的都是第一个匹配项("cat")。而第二个模式pattern2是全局模式,因此每次调用exec()都会返回字符串的下一个匹配项,直至搜索到字符串末尾为止。此外,还应该注意模式的lastIndex属性的变化情况。在全局匹配模式下,lastIndex的值在每次调用exec()后都会增加,而在全局模式下则始终保持不变。
test()方法:接受一个字符串参数。在模式与该参数匹配的情况下返回true,否则返回false 。
var text = “000-00-0000”; var pattern = /\d{3}-d{2}-d{4}/; pattern.test(text); //true
compile()方法:接收一个字符串参数,用来改变正则表达式的模式匹配值。
var pattern = /abc/; pattern.test("abc"); //true pattern.compile("def"); pattern.test("abc"); //false pattern.test("def"); //true
字符串模式匹配方法
match()方法:接受一个参数(正则表达式或者RegExp对象)。返回一个数组,在数组中,第一项是与整个模式匹配的字符串,其他项是与正则表达式中的捕获组匹配的字符串。
(与RegExp对象的exec()方法得到的结果相同)
var text = "cat, bat, sat, fat"; var pattern = /.at/; var matches = text.match(pattern); alert(matches.index); //0 alert(matches[0]); //"cat" alert(pattern.lastIndex); //0
search()方法:接受一个参数(正则表达式或者RegExp对象)。返回字符串中第一个匹配项的索引,没有找到则返回-1。始终是从字符串开头向后查找模式。
var text = "cat, bat, sat, fat"; var pos = text.search(/at/); alert(pos); //1
replace()方法:接受两个参数(第一个参数可以是一个RegExp对象或者是一个字符串(这个字符串不会转换为正则表达式),第二个参数可以是一个字符串或者一个函数)
var text = "cat, bat, sat, fat"; var result = text.replace("at", "ond"); alert(result); //"cond, bat, sat, fat" result = text.replace(/at/g, "ond"); alert(result); //"cond, bond, sond, fond"
split()方法:接受两个参数(第一个参数可以是一个RegExp对象或者是一个字符串(这个字符串不会转换为正则表达式),第二个参数可选,用于指定返回的数组的大小)
基于指定的分隔符将一个字符串分割成多个子字符串,并将结果放在一个数组中。
var colorText = "red,blue,green,yellow"; var colors1 = colorText.split(","); //["red", "blue", "green", "yellow"] var colors2 = colorText.split(",", 2); //["red", "blue"] var colors3 = colorText.split(/[^\,]+/); //["", ",", ",", ",", ""]
/[^\,]+/ 表示不是逗号的连续字符