(76)Wangdao.com第十四天_JavaScript 正则表达式对象 RegExp

RegExp

Regular Expression，正则表达式是一种表达    文本模式（字符串结构）  的式子。

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

• 新建正则表达式的两种方式
  • 使用字面量，以斜杠表示开始和结束
    • 在引擎编译代码时，就会新建正则表达式。
    • 所以效率相对较高，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

    • var regex = /xyz/;

      var regex = /xyz/ig;    // i 和 g 为两个修饰符

  • 使用 new RegExp() 构造函数
    • 在运行时新建正则表达式
      

    • var regex = new RegExp('xyz');

      var regex = new RegExp('xyz', 'i');    // i 和 g 为两个修饰符

• 正则对象的实例属性
  • 与修饰符相关的属性，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
    • RegExp.prototype.multiline    返回一个布尔值，表示是否设置了 m 修饰符
  • 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

• 匹配规则
• 字面量字符
  • 如果在正则表达式之中，某个字符只表示它字面的含义（比如/a/匹配a，/b/匹配b），那么它们就叫做“字面量字符”（literal characters）。
• 元字符
  • 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）
    • 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
      • 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
    • 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

    • 选择符（|）
      • 表示“或关系”（OR）

      • /11|22/.test('911');    // true    指定必须匹配到 11 或 22

      • 选择符会包括它前后的多个字符，比如/ab|cd/指的是匹配ab或者cd，而不是指匹配b或者c
        • 如果想修改这个行为，可以使用圆括号

          /a( |\t)b/.test('a\tb');    // true

    • 还包括\、\*、+、?、()、[]、{}等等，将在下文解释

• 转义符
  • 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\+
  • 需要反斜杠转义的，一共有12个字符：^ . [ $ ( ) | * + ? {    \
  • 注意 :  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

    • (new RegExp('1\+1')).test('1+1');    // false
       
      (new RegExp('1\\+1')).test('1+1');    // true
      // 作为构造函数，参数是一个字符串。但是，在字符串内部，反斜杠也是转义字符，所以它会先被反斜杠转义一次，然后再被正则表达式转义一次，因此需要两个反斜杠转义

• 特殊字符

对一些不能打印的特殊字符，提供了表达方法

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

[\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 [ ]

[ ] 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

• • 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
      • 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含有一个换行符，点号不包括换行符，所以第一个正则表达式匹配失败
          s.match(/yes[^]*day/);    // [ 'yes\nmake my day']    [^]包含一切字符，所以匹配成功

    • 连字符 -
      • 用来提供简写形式，表示字符的连续范围，
      • 当连字号（dash）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
      • 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
      • 连字符还可以用来指定 Unicode 字符的范围
      • 不要过分使用连字符，设定一个很大的范围，否则很可能选中意料之外的字符。最典型的例子就是[A-z]，表面上它是选中从大写的A到小写的z之间52个字母，但是由于在 ASCII 编码之中，大写字母与小写字母之间还有其他字符，结果就会出现意料之外的结果
        

        • var str = "\u0130\u0131\u0132";
          /[\u0128-\uFFFF]/.test(str);    // true
          // \u0128-\uFFFF 表示匹配码点在0128到FFFF之间的所有字符

• 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]

• 通常，正则表达式遇到 换行符 \n 就会停止匹配，这时使用 \s 字符类，就能包括换行符

  var html = "<b>Hello</b>\n<i>world!</i>";
   
  /[\S\s]*/.exec(html)[0];    // "<b>Hello</b>\n<i>world!</i>"
   
  // [\S\s]指代一切字符

\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 { } 表示重复类

{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    指定o连续出现2次
  /lo{2,5}k/.test('looook');    // true    指定o连续出现2次到5次之间

• 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

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"]
    // 模式是/a+/，表示匹配1个a或多个a，那么到底会匹配几个a呢？
    // 因为默认是贪婪模式，会一直匹配到字符a不出现为止，所以匹配结果是3个a
     
    var s = 'aaa';
    s.match(/a+?/) // ["a"]    模式结尾添加了一个问号/a+?/，这时就改为非贪婪模式，一旦条件满足，就不再往下匹配

    
    

• 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
  • +?    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

• 修饰符

表示模式的附加规则，放在正则模式的最尾部

可以单个使用，也可以多个一起使用

• 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

    • // 正则模式含有g修饰符，每次都是从上一次匹配成功处，开始向后匹配。
       
      var regex = /b/g;
      var str = 'abba';
       
      regex.test(str); // true
      regex.test(str); // true
      regex.test(str); // false
       
      // 因为字符串abba只有两个b，所以前两次匹配结果为true，第三次匹配结果为false

• i 修饰符
  • 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
       
      // 加了i修饰符以后，不考虑大小写，所以模式abc匹配字符串ABC

• m 修饰符
  • 表示多行模式（multiline），会修改 ^ 和 $ 的行为
  • 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
      // 字符串结尾处有一个换行符。如果不加m修饰符，匹配不成功，因为字符串的结尾不是world；加上以后，$可以匹配行尾

      /^b/m.test('a\nb');    // true
      // 如果不加m修饰符，就相当于b只能处在字符串的开始处。加上b修饰符以后，换行符\n也会被认为是一行的开始

• 组匹配 ( )

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    结果+只表示重复字母d
  /(fred)+/.test('fredfred');    // true    有括号，结果+就表示匹配fred这个词

• 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 

  • var m = 'abcabc'.match(/(.)b(.)/g);
    m    // ['abc', 'abc']
    // 带 g 修饰符的正则表达式，结果match方法只捕获了匹配整个表达式的部分
     
    // 这时必须使用正则表达式的exec方法，配合循环，才能读到每一轮匹配的组捕获
    var str = 'abcabc';
    var reg = /(.)b(.)/g;
    while (true) {
        var result = reg.exec(str);
        if (!result){
            break;
        }
        console.log(result);
    }
    // ["abc", "a", "c"]
    // ["abc", "a", "c"]

• 内部，还可以用  "\数字" 引用括号匹配的内容，数字是从1开始的自然数，表示对应顺序的括号匹配到的内容

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

• 括号还可以嵌套

  • /y((..)\2)\1/.test('yabababab');    // true    \1指向外层括号，\2指向内层括号

• 组匹配非常有用

  • var tagName = /<([^>]+)>[^<]*<\/\1>/;    // 圆括号 匹配 尖括号之中的标签，\1 就表示 对应的闭合标签
     
    tagName.exec("<b>bold</b>")[1];    // 'b'

• 下面是一个匹配网页标签的例子，捕获带有属性的标签

  • var html = '<b class="hello">Hello</b><i>world</i>';
    var tag = /<(\w+)([^>]*)>(.*?)<\/\1>/g;
     
    var match = tag.exec(html);
     
    match[1]    // "b"
    match[2]    // " class="hello""
    match[3]    // "Hello"
     
    match = tag.exec(html);
     
    match[1]    // "i"
    match[2]    // ""
    match[3]    // "world"

• 非捕获组   (?:x)

表示不返回该组匹配的内容，即这个括号中匹配的内容不计入结果

• 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

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

• 用来分解网址的正则表达式

  • // 正常匹配    第一个括号返回网络协议
    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    返回结果中不包括网络协议
    var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;
    url.exec('http://google.com/');
    // ["http://google.com/", "google.com", "/"]

• 先行断言 x(?=y)

x 只有在 y前面才匹配，y 不会被计入返回结果。即括号里的部分是不会返回的

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"]    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)

只有不在y前面才匹配，y不会被计入返回结果。即括号里的部分是不会返回的

比如，要匹配后面跟的不是百分号的数字，就要写成/\d+(?!%)/

• • 指定，只有不在小数点前面的数字才会被匹配

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

  • b不在c前面所以被匹配，而且括号对应的d不会被返回

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

• 正则对象的实例方法
  • RegExp.prototype.test()    
    • 表示当前模式是否能匹配参数字符串，返回一个布尔值

    • /cat/.test('cats and dogs');    // true    验证参数字符串之中是否包含 cat
      

    • 如果正则模式是一个空字符串，则匹配所有字符串
    • g 修饰符，表示是全局搜索，会有多个结果。
    • 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
    • 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

    • var r = /x/g;
      var s = '_x_x';
       
      r.lastIndex //
      r.test(s) // true
       
      r.lastIndex //
      r.test(s) // true
       
      r.lastIndex //
      r.test(s) // false

    • lastIndex属性只对同一个正则表达式有效，所以下面这样写是错误的

      • var count = 0;
        while (/a/g.test('babaa')){
            count++;
        }    // 无限循环，因为while循环的每次匹配条件都是一个新的正则表达式，导致lastIndex属性总是等于0

  • RegExp.prototype.exec()
    • 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"]    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）

          var r = /a(b+)a/;
          var arr = r.exec('_abbba_aba_');
           
          arr    // ["abbba", "bbb"]
          arr.index    // 1    index属性等于1，是因为从原字符串的第二个位置开始匹配成功
          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    //
        reg.lastIndex    //
         
        var r2 = reg.exec(str);
        r2    // ["a"]
        r2.index    //
        reg.lastIndex    //
         
        var r3 = reg.exec(str);
        r3    // ["a"]
        r3.index    //
        reg.lastIndex    //
         
        var r4 = reg.exec(str);
        r4    // null
        reg.lastIndex    // 0
        // 前三次都是从上一次匹配结束的位置向后匹配。
        // 当第三次匹配结束以后，整个字符串已经到达尾部，匹配结果返回null，正则实例对象的lastIndex属性也重置为0，意味着第四次匹配将从头开始

        利用g修饰符允许多次匹配的特点，可以用一个循环完成全部匹配

        • var reg = /a/g;
          var str = 'abc_abc_abc'
           
          while(true) {
              var match = reg.exec(str);    // 匹配到末尾，匹配失败，返回 null
              if (!match) break;
              console.log('#' + match.index + ':' + match[0]);
          }
          // #0:a
          // #4:a
          // #8:a

• 字符串的实例方法

在字符串中有 4 中与正则表达式相关的实例方法。

• • String.prototype.match()
    • 对字符串进行正则匹配，返回一个数组，成员是所有匹配的子字符串
    • 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，会一次性返回所有匹配成功的结果
    • 匹配总是从字符串的第一个字符开始，设置正则表达式的lastIndex属性，对match方法无效

      • var s = '_x_x';
        var r1 = /x/;
        var r2 = /y/;
         
        s.match(r1);    // ["x"]
        s.match(r2);    // null
         
        //////////////////////////////////////
         
        var s = 'abba';
        var r = /a/g;
         
        s.match(r);    // ["a", "a"]    一次性返回搜索到的结果
        r.exec(s);    // ["a"]    一次返回只有一个结果的一个数组    lastIndex 后移

  • String.prototype.search()
    • 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    第一个匹配结果出现在字符串的1号位置

  • 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
    • 可以替换匹配的值。
    • 它接受两个参数

      • • str.replace(search, replacement);

      • 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"    使用了g修饰符，导致所有的b都被替换掉了

    • 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
    • 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$。

        • 'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1');
          // "world hello"
           
          'abc'.replace('b', '[$`-$&-$\']');
          // "a[a-b-c]c"

    • 第二个参数还可以是一个函数，将每一个匹配内容替换为函数返回值

      • '3 and 5'.replace(/[0-9]+/g, function (match) {
            return 2 * match;
        })
        // "6 and 10"
         
        var a = 'The quick brown fox jumped over the lazy dog.';
        var pattern = /quick|brown|lazy/ig;
         
        a.replace(pattern, function replacer(match) {
            return match.toUpperCase();
        });
        // The QUICK BROWN fox jumped over the LAZY dog.

    • 作为replace方法第二个参数的替换函数，可以接受多个参数。
      • 其中，第一个参数是捕捉到的内容，
      • 第二个参数是捕捉到的组匹配（有多少个组匹配，就有多少个对应的参数）。
      • 此外，最后还可以添加两个参数，倒数第二个参数是捕捉到的内容在整个字符串中的位置（比如从第五个位置开始），
        • 最后一个参数是原字符串。下面是一个网页模板替换的例子

          var prices = {
              'p1': '$1.99',
              'p2': '$9.99',
              'p3': '$5.00'
          };
           
          var template = '<span id="p1"></span>'
            + '<span id="p2"></span>'
            + '<span id="p3"></span>';
           
          template.replace(
              /(<span id=")(.*?)(">)(<\/span>)/g,
              function(match, $1, $2, $3, $4){    // 有四个括号，所以会产生四个组匹配，在匹配函数中用$1到$4表示。匹配函数的作用是将价格插入模板中
                  return $1 + $2 + $3 + prices[$2] + $4;
              }
          );
          // "<span id="p1">$1.99</span><span id="p2">$9.99</span><span id="p3">$5.00</span>"

  • 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

      • str.split(separator,  [limit]);

    • 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

      • • // 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' ]

        • // 例一
          'aaa*a*'.split(/a*/);    // [ '', '*', '*' ]
          // 分割规则是0次或多次的a，由于正则默认是贪婪匹配，所以例一的第一个分隔符是aaa，第二个分割符是a，将字符串分成三个部分，包含开始处的空字符串
           
          // 例二
          'aaa**a*'.split(/a*/);    // ["", "*", "*", "*"]
          // 第一个分隔符是aaa，第二个分隔符是0个a（即空字符），第三个分隔符是a，所以将字符串分成四个部分

    • 如果正则表达式带有括号，则括号匹配的部分也会作为数组成员返回

      • 'aaa*a*'.split(/(a*)/);    // [ '', 'aaa', '*', 'a', '*' ]
        // 正则表达式使用了括号，第一个组匹配是aaa，第二个组匹配是a，它们都作为数组成员返回

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