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。
var regex = /xyz/;
另一种是使用 RegExp
构造函数。
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
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
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。
/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。
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。
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
。
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。
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)
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。
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。
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。
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
。
'_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。
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。
'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。
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。
// 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)
/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。
/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
// 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$/.test('test test') // false
选择符|
表示关系或,即 cat|dog
表示匹配 cat
或 dog
。
其他的元字符还包括\
、\*
、+
、?
、()
、[]
、{}
等在后文会有解释。
转义符
正则表达式中那些有特殊含义的元字符,如果要匹配它们自身,就需要在它们前面要加上反斜杠。比如要匹配 +
,就要写成\+
。
/1+1/.test('1+1');
// false
/1\+1/.test('1+1');
// true
正则表达式中,需要反斜杠转义的,一共有12个字符:^
、.
、[
、$
、(
、)
、|
、*
、+
、?
、{
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。
/[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。
/[^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']
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。
/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。
[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
// \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。
/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,}
// 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。
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。
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
'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。
// 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。
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
/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
)。
/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。
/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。
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。
/(.)b(.)\1b\2/.test("abcabc")
// true
括号还可以嵌套。
/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。
var m = 'abc'.match(/(?:.)b(.)/);
m // ["abc", "c"]
下面是用来分解网址的正则表达式。
// 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。
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+(?!%)/
/\d+(?!\.)/.exec('3.14')
// ["14"]
先行否定断言中,括号里的部分是不会返回的。
var m = 'abd'.match(/b(?!c)/);
m // ['b']