【JavaScript 漫游】【014】正则表达式通关

文章简介

JS 语言中的 RegExp 对象提供正则表达式的功能。本篇文章旨在对该对象的相关知识点进行总结。内容包括：

正则表达式概述
RegExp 对象的实例属性
RegExp 对象的实例方法
字符串与正则表达式相关的实例方法
正则表达式匹配规则

概述

正则表达式的概念

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。

新建正则表达式的两种方法

新建正则表达式有两种方法。一种是使用字面量，以斜杆表示开始和结束。

js 复制代码

var regex = /xyz/;

另一种是使用 RegExp 构造函数。

js 复制代码

var regex = new RegExp('xyz');

两种写法的主要区别是，第一种方法在引擎编译代码时，就会新建正则表达式，第二种语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

修饰符相关的实例属性

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

js 复制代码

var r = /abc/igm;

r.ignoreCase; // true
r.global; // true
r.multiline; // true
r.flags; // 'gim'

与修饰符无关的属性

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，但是只是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

js 复制代码

var r = /abc/igm;

r.lastIndex; // 0
r.source; // 'abc'

实例方法

RegExp.prototype.test()

该方法返回一个布尔值，表示当前模式是否能匹配参数字符串。

js 复制代码

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

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

js 复制代码

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

带有 g 修饰符时，可以通过正则对象的 lastIndex 属性指定开始搜索的位置。

js 复制代码

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

r.lastIndex = 4;
r.test(s);

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

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。

js 复制代码

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。

js 复制代码

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

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

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：模式匹配成功的开始位置（从 0 开始计数）

js 复制代码

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。

js 复制代码

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

字符串与正则表达式相关的实例方法

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。

js 复制代码

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

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

match() 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。

js 复制代码

var s = 'abba';
var r = /a/g;

s.match(r) // ["a", "a"]
r.exec(s) // ["a"]

设置正则表达式的 lastIndex 属性，对 match 方法无效，匹配总是从字符串的第一个字符开始。

js 复制代码

var r = /a|b/g;
r.lastIndex = 7;

'xaxb'.match(r) // ['a', 'b']
r.lastIndex // 0

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。

js 复制代码

'_x_x'.search(/x/)
// 1

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。

js 复制代码

str.replace(search, replacement);

正则表达式如果不加 g 修饰符，就替换第一个匹配成功的值，否则替换所有匹配成功的值。

js 复制代码

'aaa'.replace('a', 'b'); // 'baa'
'aaa'.replace(/a/, 'b'); // 'baa'
'aaa'.replace(/a/g, 'b'); // 'bbb'

String.prototype.split()

字符串对象的 split 方法按照正则规则分割字符串，返回一个由分割后的各个部分组成的数组。

js 复制代码

str.split(separator, [limit]);

该方法接受两个参数，第一个参数是正则表达式，表示分隔规则，第二个参数是返回数组的最大成员数。

js 复制代码

// 非正则分隔
'a,  b,c, d'.split(',')
// [ 'a', '  b', 'c', ' d' ]

// 正则分隔，去除多余的空格
'a,  b,c, d'.split(/, */)
// [ 'a', 'b', 'c', 'd' ]

// 指定返回数组的最大成员
'a,  b,c, d'.split(/, */, 2)
[ 'a', 'b' ]

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，那么它们就叫做"字面量字符"（literal characters）

js 复制代码

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

除了字面量字符以外，还有一部分字符有特殊含义，不代表字面的意思。它们叫做"元字符"（metacharacters），主要有以下几个

点字符 .

点字符. 匹配除回车\r、换行\n、行分隔符\u2028 和段分割符\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。

js 复制代码

/c.t/.test('cat'); // true
/c.t/.test('caat'); // false

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

js 复制代码

// 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|

表示关系或，即 cat|dog表示匹配 cat 或 dog。

其他的元字符还包括\、\*、+、?、()、[]、{} 等在后文会有解释。

转义符

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

js 复制代码

/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：^、.、[、$、(、)、|、*、+、?、{ 和 \。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。

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。所以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。

js 复制代码

/[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。比如，[^xyz] 表示除了 x、y、z 之外都可以匹配。

js 复制代码

/[^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。

js 复制代码

var s = 'Please yes\nmake my day!';
s.match(/yes.*day/) // null
s.match(/yes[^]*day/) // [ 'yes\nmake my day']

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。

js 复制代码

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

注意，当连字符不出现在方括号之中，就不具备简写的作用，只代表字面的含义，所以不匹配字符b。只有当连字符用在方括号之中，才表示连续的字符序列。

以下都是合法的字符类简写形式。

js 复制代码

[0-9.,]
[0-9a-fA-F]
[a-zA-Z0-9-]
[1-31]

上面代码中最后一个字符类[1-31]，不代表1到31，只代表1到3。

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-Zz-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

js 复制代码

// \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。

js 复制代码

/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,}

js 复制代码

// 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

上面的三个量词符，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。这被称为贪婪模式。

js 复制代码

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

除了贪婪模式，还有非贪婪模式，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。

js 复制代码

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
??：表示某个模式出现0次或1次，匹配时采用非贪婪模式

js 复制代码

'abb'.match(/ab*/) // ["abb"]
'abb'.match(/ab*?/) // ["a"]

'abb'.match(/ab?/) // ["ab"]
'abb'.match(/ab??/) // ["a"]

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。

js 复制代码

// 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。

js 复制代码

var regex = /b/g;
var str = 'abba';
regex.test(str); // true
regex.test(str); // true
regex.test(str); // false

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

js 复制代码

/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）。

js 复制代码

/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。

js 复制代码

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

注意，使用组匹配时，不宜同时使用g修饰符，否则match方法不会捕获分组的内容。

js 复制代码

var m = 'abcabc'.match(/(.)b(.)/g);
m // ['abc', 'abc']

正则表达式内部，还可以用\n引用括号匹配的内容，n是从1开始自然数，表示对应顺序的括号。

js 复制代码

/(.)b(.)\1b\2/.test("abcabc")
// true

括号还可以嵌套。

js 复制代码

/y((..)\2)\1/.test('yabababab') // true

非捕获组

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

非捕获组的作用请考虑一个场景，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。

js 复制代码

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

下面是用来分解网址的正则表达式。

js 复制代码

// 正常匹配
var url = /(http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;

url.exec('http://google.com/');
// ["http://google.com/", "http", "google.com", "/"]

// 非捕获组匹配
var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;

url.exec('http://google.com/');
// ["http://google.com/", "google.com", "/"]

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+(?=%)/。

先行断言中，括号里的部分是不会返回的。

js 复制代码

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

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+(?!%)/

js 复制代码

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

先行否定断言中，括号里的部分是不会返回的。

js 复制代码

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