JavaScript正则表达式
概念
正则表达式(regular expression)是一种表达式文本模式(即字符串结构)的方法,有点像字符串的模板
,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。
新建正则表达式的两种方法:字面量和RegExp构造函数
二者的区别是转义有一定的差别,第一种方法在引擎编译代码是,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,所以前者的效率更高,而且前者比较便利和直观,所以在实际应用中,基本都采用字面量定义正则表达式。
- 使用字面量,以斜杠开始和结束,后面可以写上匹配模式或者不写,不写默认不是全局匹配
// 正则表达式 /at/g 表示匹配所有at /g表示全局搜索
var pattern1 = /at/g; // 注意不用字符串
var pattern2 = RegExp('/at', 'g');
下面这些需要转义:
实例属性
由于正则对象的属性都可以在字面量中看到,所以这些方法用处不大,知道就好。
正则对象的实例属性分为两类。
一类是修饰符相关,用于了解设置了什么修饰符。
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。RegExp.prototype.multiline
:返回一个布尔值,表示是否设置了m
修饰符。RegExp.prototype.flags
:返回一个字符串,包含了已经设置的所有修饰符,按字母排序。
var r = /abc/igm;
r.ignoreCase // true
r.global // true
r.multiline // true
r.flags // 'gim'
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。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
1.RegExp.prototype.test()
test方法用于匹配之后返回true或false,如果只想知道有无匹配,不想知道具体结果,就用这个。常用语if语句,判断用户输入是否有效等。
var text = '000-00-0000';
var pattern = /\d{3}-\d{2}-\d{4}/;
if (pattern.test(text)) {
alert('matched'); //matched
}
2.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
如果正则表达式包含圆括号(即含有“组匹配”),则返回的数组会包含多个成员。
第一个成员是整个匹配成功的结果,后面的成员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加1.
var s = '_x_x';
var r = /_(x)/;
r.exec(s) // ["_x", "x"]
exec()方法返回的数组包含两个属性:
input : 整个原字符串。
index: 模式匹配成功的开始位置(从0开始计数)
var r = /a(b+)a/;
var arr = r.exec('_abbba_aba_');
arr // ["abbba", "bbb"]
arr.index // 1
arr.input // "_abbba_aba_"
如果正则表达式加上g修饰符,则可以使用多次exec()方法,下一次搜索的位置从上一次匹配成功结束的位置开始。
var reg = /a/g;
var str = 'abc_abc_abc'
var r1 = reg.exec(str);
r1 // ["a"]
r1.index // 0
reg.lastIndex // 1
var r2 = reg.exec(str);
r2 // ["a"]
r2.index // 4
reg.lastIndex // 5
var r3 = reg.exec(str);
r3 // ["a"]
r3.index // 8
reg.lastIndex // 9
var r4 = reg.exec(str);
r4 // null
reg.lastIndex // 0
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。
1.String.prototype.match()
字符串实例对象的match方法对字符串进行正则匹配,返回匹配结果。
var s = '_x_x';
var r1 = /x/;
var r2 = /y/;
s.match(r1) // ["x"]
s.match(r2) // null
字符串的match方法与正则对象的exec()方法非常类似。匹配成功返回一个数组,匹配失败返回null。
如果正则表达式带有g修饰符,则该方法与正则对象的exec方法行为不同,会一次性返回所有匹配成功的结果。
2.String.prototype.search()
字符串对象的search方法,返回第一个满足条件的匹配结果在整个字符串中的位置。如果没有任何匹配,则返回-1。
'_x_x'.search(/x/)
// 1
3.String.prototype.replace()
字符串对象的replace方法可以替换匹配的值。它接受两个参数,第一个是正则表达式,表示搜索模式,第二个是替换的内容。
'aaa'.replace('a', 'b') // "baa"
'aaa'.replace(/a/, 'b') // "baa"
'aaa'.replace(/a/g, 'b') // "bbb"
replace方法的一个应用,就是消除字符串首尾两端的空格
。
var str = ' #id div.class ';
str.replace(/^\s+|\s+$/g, '')
// "#id div.class"
replace方法的第二个参数可以使用美元符号$,用来指代所替换的内容。
$&:匹配的子字符串。
$`:匹配结果前面的文本。
$’:匹配结果后面的文本。
$n:匹配成功的第n组内容,n是从1开始的自然数。
$
:
指
代
美
元
符
号
:指代美元符号
:指代美元符号。
'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1')
// "world hello"
// 将匹配的组互换位置
'abc'.replace('b', '[$`-$&-$\']')
// "a[a-b-c]c"
// 改写匹配的值
4.String.prototype.split()
字符串对象的split方法按照正则规则分割字符春,返回一个由分割后的各个部分组成的数组。该方法接受两个参数,第一个参数是正则表达式,表示分割规则,第二个参数是返回数组的最大成员数。
// 指定返回数组的最大成员
'a, b,c, d'.split(/, */, 2)
[ 'a', 'b' ]
匹配规则
1.字面量字符和元字符
1.1.字面量字符
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
。
如果在正则表达式中,某个字符只表示它字面的含义,那么它们就叫做“字面量字符”。
/dog/.test('old dog') // true dog就是字面量字符
1.2 元字符
元字符包含以下几个:
1.2.1 点字符(.)
点字符(.)匹配除了回车(\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/ // 匹配c和t之间包含任意一个字符的情况
1.2.2 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$/.test('test test') // false
1.2.3选择符(|)
竖线符号(|)在正则表达式中表示"或关系"(or),即cat|dog表示匹配cat或dog.
/11|22/.test('911') // true
其他的元字符还包括\
, \*
,+
, ?
, ()
, []
, {}
等
2.转义符
正则表达式中那些有特殊含义的元字符,如果要匹配他们本身,就需要在它们前面要加上反斜杠。比如要匹配+
,就要写成\+
。
/1+1/.test('1+1')
// false
/1\+1/.test('1+1')
// true
正则表达式中,需要反斜杠转义的,一共有12哥字符:^
、.
、[
、$
、(
、)
、|
、*
、+
、?
、{
和\
。如果使用RegExp方法生成正则对象,准一需要使用两个斜杠,因为字符串内部会先转义一次。
3.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之中的任一个英文字母,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+000B)。
- \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。
4.字符类
字符类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
有两个字符在字符类中有特殊含义:
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。相当于“非”
/[^abc]/.test('bbc news') // true
/[^abc]/.test('bbc') // false
如果方括号内没有其他字符,即只有[^],就表示匹配一切字符,其中包括换行符。相比之下,点号作为元字符(.
)是不包括换行符的。
var s = 'Please yes\nmake my day!';
s.match(/yes.*day/) // null
s.match(/yes[^]*day/) // [ 'yes\nmake my day']
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。当连字号(dash)不出现在方括号之中,就不具备简写的作用。
以下都是合法的字符类简写形式:
[0-9.,]
[0-9a-fA-F]
[a-zA-Z0-9-]
[1-31] // 不代表1到31,只代表1到3
连字符还可以用来指定 Unicode 字符的范围。
var str = "\u0130\u0131\u0132";
/[\u0128-\uFFFF]/.test(str)
// true
5.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
6.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,不多余m次。
/lo{2}k/.test('look') // true
/lo{2,5}k/.test('looook') // true
上面代码中,第一个模式指定o连续出现2次,第二个模式指定o连续出现2次到5次之间。
7.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
8.贪婪模式
上面三个量词符中,默认情况下都是最大可能匹配,即匹配到下一个字符不满足匹配规则为止。这种模式称为贪婪模式。
var s = 'aaa';
s.match(/a+/) // ["aaa"]
非贪婪匹配:即最小可能匹配,只要一发现匹配,就返回结果,不要往下检查。如果想要将贪婪模式改为非贪婪模式,可以在量词符后面加一个问号。
var s = 'aaa';
s.match(/a+?/) // ["a"]
除了非贪婪模式的加号(+?),还有非贪婪模式的星号(*?)和非贪婪模式的问号(??)。
+?
:表示某个模式出现1次或多次,匹配时采用非贪婪模式。
*?
:表示某个模式出现0次或多次,匹配时采用非贪婪模式。
??
:表格某个模式出现0次或1次,匹配时采用非贪婪模式。
9.修饰符
修饰符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。
(1)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,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
上面代码中,正则模式不含g修饰符,每次都是从字符串头部开始匹配。所以,连续做了三次匹配,都返回true。
var regex = /b/g;
var str = 'abba';
regex.test(str); // true
regex.test(str); // true
regex.test(str); // false
(2)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。
/abc/.test('ABC') // false
/abc/i.test('ABC') // true
(3)m修饰符
m修饰符表示多行模式,会修改^
和$
的行为。默认情况下(不加m修饰符),^
和$
匹配字符串的开始和结尾处,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
10.组匹配
(1)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
上面代码中,第一个模式没有括号,结果+只表示重复字母d,第二个模式有括号,结果+就表示匹配fred这个词。
(2)非捕获组
(?:x)称为非捕获组,表示不返回该组匹配的内容,即匹配的结果不计入这个括号。
(3)先行断言
x(?=y)
称为先行断言,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+(?=%)/。
var m = 'abc'.match(/b(?=c)/);
m // ["b"]
(4)先行否定断言
x(?!y)
称为先行否定断言,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。