Fork me on GitHub

JavaScript 正则表达式

发表于 | 分类于 |
字数统计: 2,890 | 阅读时长 ≈ 11 分钟

七言秋雨似情长,宫影空明人不往。
智绝情深不由伤,音泣相思泪以裳。

中二病也要谈恋爱

什么是正则表达式

正则表达式是用于匹配字符串中字符组合的模式。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串，简而言之，正则表达式就是对字符串执行模式匹配的强大工具。在 JavaScript 中，正则表达式也是对象。这些模式被用于 RegExp 的 exec 和 test 方法, 以及 String 的 match、replace、search 和 split 方法。

如何创建正则表达式

你可以使用以下两种方法之一构建一个正则表达式：

第一种，使用一个正则表达式字面量，其由包含在斜杠之间的模式组成，如下所示： 

1
2
3
4
5
6
7
/*
   /pattern/flags 
*/

const regex = /ab+c/;

const regex = /^[a-zA-Z]+[0-9]*\W?_$/gi;

在加载脚本后，正则表达式字面值提供正则表达式的编译。当正则表达式保持不变时，使用此方法可获得更好的性能。

第二种，调用RegExp对象的构造函数，如下所示： 

1
2
3
4
5
6
7
8
9
/* 
    new RegExp(pattern [, flags])
*/

let regex = new RegExp("ab+c");

let regex = new RegExp(/^[a-zA-Z]+[0-9]*\W?_$/, "gi");

let regex = new RegExp("^[a-zA-Z]+[0-9]*\\W?_$", "gi");

使用构造函数提供正则表达式的运行时编译。使用构造函数，当你知道正则表达式模式将会改变，或者你不知道模式，并从另一个来源，如用户输入。

参数说明：

  • 参数 pattern 是一个字符串，指定了正则表达式的模式或其他正则表达式。
  • 参数 attributes 是一个可选的字符串，包含属性 “g”、”i” 和 “m”，分别用于指定全局匹配、区分大小写的匹配和多行匹配。ECMAScript 标准化之前，不支持 m 属性。如果 pattern 是正则表达式，而不是字符串，则必须省略该参数。

PS: 单看概念容易晕，最好结合具体的例子。

特殊字符(规则)

字符类别（Character Classes）

字符 含义
. (点号，小数点) 匹配任意单个字符，但是行结束符除外：\n \r \u2028 或 \u2029。在字符集中，点( . )失去其特殊含义，并匹配一个字面点( . )。需要注意的是，m 多行（multiline）标志不会改变点号的表现。因此为了匹配多行中的字符集，可使用[^] （当然你不是打算用在旧版本 IE 中），它将会匹配任意字符，包括换行符。
例如，/.y/ 匹配 “yes make my day” 中的 “my” 和 “ay”，但是不匹配 “yes”。
\d 匹配任意阿拉伯数字。等价于[0-9]。
例如，/\d/ 或 /[0-9]/ 匹配 “B2 is the suite number.” 中的 ‘2’。
\D 匹配任意一个不是阿拉伯数字的字符。等价于[^0-9]。
例如，/\D/ 或 /[^0-9]/ 匹配 “B2 is the suite number.” 中的 ‘B’。
\w 匹配任意来自基本拉丁字母表中的字母数字字符，还包括下划线。等价于 [A-Za-z0-9_]。
例如，/\w/ 匹配 “apple” 中的 ‘a’，”$5.28” 中的 ‘5’ 和 “3D” 中的 ‘3’。
\W 匹配任意不是基本拉丁字母表中单词（字母数字下划线）字符的字符。等价于 [^A-Za-z0-9_]。
例如，/\W/ 或 /[^A-Za-z0-9_]/ 匹配 “50%” 中的 ‘%’。
\s 匹配一个空白符，包括空格、制表符、换页符、换行符和其他 Unicode 空格。等价于 [ \f\n\r\t\v​\u00a0\u1680​\u180e\u2000​\u2001\u2002​\u2003\u2004​ \u2005\u2006​\u2007\u2008​\u2009\u200a​\u2028\u2029​​\u202f\u205f​ \u3000]。
例如 /\s\w*/ 匹配 “foo bar” 中的 ‘ bar’。
\S 匹配一个非空白符。等价于 [^ \f\n\r\t\v​\u00a0\u1680​\u180e\u2000​\u2001\u2002​\u2003\u2004​ \u2005\u2006​\u2007\u2008​\u2009\u200a​\u2028\u2029​\u202f\u205f​\u3000]。
例如，/\S\w*/ 匹配 “foo bar” 中的 ‘foo’。
\t 匹配一个水平制表符（tab）
\r 匹配一个回车符（carriage return）
\n 匹配一个换行符（linefeed）
\v 匹配一个垂直制表符（vertical tab）
\f 匹配一个换页符（form-feed）
[\b] 匹配一个退格符（backspace）（不要与 \b 混淆）
\0 匹配一个 NUL 字符。不要在此后面跟小数点。
\cX X 是 A - Z 的一个字母。匹配字符串中的一个控制字符。
例如，/\cM/ 匹配字符串中的 control-M。
\xhh 匹配编码为 hh （两个十六进制数字）的字符。
\uhhhh 匹配 Unicode 值为 hhhh （四个十六进制数字）的字符。
\ 对于那些通常被认为字面意义的字符来说，表示下一个字符具有特殊用处，并且不会被按照字面意义解释。
例如 /b/ 匹配字符 ‘b’。在 b 前面加上一个反斜杠，即使用 /\b/，则该字符变得特殊，以为这匹配一个单词边界。
或对于那些通常特殊对待的字符，表示下一个字符不具有特殊用途，会被按照字面意义解释。
例如，* 是一个特殊字符，表示匹配某个字符 0 或多次，如 /a*/ 意味着 0 或多个 “a”。 为了匹配字面意义上的 * ，在它前面加上一个反斜杠，例如，/a\*/匹配 ‘a*‘。

字符集合（Character Sets）

字符 含义
[xyz] 一个字符集合，也叫字符组。匹配集合中的任意一个字符。你可以使用连字符’-‘指定一个范围。
例如，[abcd] 等价于 [a-d]，匹配”brisket”中的’b’和”chop”中的’c’。
[^xyz] 一个反义或补充字符集，也叫反义字符组。也就是说，它匹配任意不在括号内的字符。你也可以通过使用连字符 ‘-‘ 指定一个范围内的字符。
例如，[^abc] 等价于 [^a-c]。 第一个匹配的是 “bacon” 中的’o’ 和 “chop” 中的 ‘h’。

边界（Boundaries）

字符 含义
^ 匹配输入开始。如果多行（multiline）标志被设为 true，该字符也会匹配一个断行（line break）符后的开始处。
例如，/^A/ 不匹配 “an A” 中的 “A”，但匹配 “An A” 中的 “A”。
$ 匹配输入结尾。如果多行（multiline）标志被设为 true，该字符也会匹配一个断行（line break）符的前的结尾处。
例如，/t$/ 不匹配 “eater” 中的 “t”，但匹配 “eat” 中的 “t”。
\b 匹配一个零宽单词边界（zero-width word boundary），如一个字母与一个空格之间。 （不要和 [\b] 混淆）
例如，/\bno/ 匹配 “at noon” 中的 “no”，/ly\b/ 匹配 “possibly yesterday.” 中的 “ly”。
\B 匹配一个零宽非单词边界（zero-width non-word boundary），如两个字母之间或两个空格之间。
例如，/\Bon/ 匹配 “at noon” 中的 “on”，/ye\B/ 匹配 “possibly yesterday.” 中的 “y

分组（Grouping）与反向引用（back references）

字符 含义
(x) 匹配 x 并且捕获匹配项。 这被称为捕获括号（capturing parentheses）。
例如，/(foo)/ 匹配且捕获 “foo bar.” 中的 “foo”。被匹配的子字符串可以在结果数组的元素 [1], …, [n] 中找到，或在被定义的 RegExp 对象的属性 $1, …, $9 中找到。捕获组（Capturing groups）有性能惩罚。如果不需再次访问被匹配的子字符串，最好使用非捕获括号（non-capturing parentheses）
\n n 是一个正整数。一个反向引用（back reference），指向正则表达式中第 n 个括号（从左开始数）中匹配的子字符串。
例如，/apple(,)\sorange\1/ 匹配 “apple, orange, cherry, peach.” 中的 “apple,orange,”。
(?:x) 匹配 x 不会捕获匹配项。这被称为非捕获括号（non-capturing parentheses）。匹配项不能够从结果数组的元素 [1], …, [n] 或已被定义的 RegExp 对象的属性 $1, …, $9 再次访问到。

数量词（Quantifiers）

字符 含义
x* 匹配前面的模式 x 0或多次。
例如，/bo*/ 匹配 “A ghost booooed” 中的 “boooo”，”A bird warbled” 中的 “b”，但是不匹配 “A goat grunted”。
x+ 匹配前面的模式 x 1或多次。等价于 {1,}。
例如，/a+/ 匹配 “candy” 中的 “a”，”caaaaaaandy” 中所有的 “a”。
x*?、x+? 像上面的 * 和 + 一样匹配前面的模式 x，然而匹配是最小可能匹配（即非贪婪模式，不加?就是贪婪模式）。
例如，/“.*?”/ 匹配 ‘“foo” “bar”‘ 中的 ‘“foo”‘，而 * 后面没有 ? 时匹配 ‘“foo” “bar”‘。
x? 匹配前面的模式 x 0或1次。
例如，/e?le?/ 匹配 “angel” 中的 “el”，”angle” 中的 “le”。如果在数量词 *、+、? 或 {}, 任意一个后面紧跟该符号（?），会使数量词变为非贪婪（ non-greedy） ，即匹配次数最小化。反之，默认情况下，是贪婪的（greedy），即匹配次数最大化。
x? 匹配前面的模式 x 0或1次。
例如，/e?le?/ 匹配 “angel” 中的 “el”，”angle” 中的 “le”。如果在数量词 *、+、? 或 {}, 任意一个后面紧跟该符号（?），会使数量词变为非贪婪（ non-greedy） ，即匹配次数最小化。反之，默认情况下，是贪婪的（greedy），即匹配次数最大化。
x(?=y)、x(?!y) 这两个放在断言（Assertions）里面讲
x|y 匹配 x 或 y
例如，/green|red/ 匹配 “green apple” 中的 ‘green’，”red apple.” 中的 ‘red’。
x{n} n 是一个正整数。前面的模式 x 连续出现 n 次时匹配。
例如，/a{2}/ 不匹配 “candy,” 中的 “a”，但是匹配 “caandy,” 中的两个 “a”，且匹配 “caaandy.” 中的前两个 “a”。
x{n,} n 是一个正整数。前面的模式 x 连续出现至少 n 次时匹配。
例如，/a{2,}/ 不匹配 “candy” 中的 “a”，但是匹配 “caandy” 和 “caaaaaaandy.” 中所有的 “a”。
x{n,m} n 和 m 为正整数。前面的模式 x 连续出现至少 n 次，至多 m 次时匹配。
例如，/a{1,3}/ 不匹配 “cndy”，匹配 “candy,” 中的 “a”，”caandy,” 中的两个 “a”，匹配 “caaaaaaandy” 中的前面三个 “a”。注意，当匹配 “caaaaaaandy” 时，即使原始字符串拥有更多的 “a”，匹配项也是 “aaa”。

断言（Assertions）

字符 含义
x(?=y) 仅匹配被y跟随的x。
举个例子，/Jack(?=Sprat)/，如果”Jack”后面跟着sprat，则匹配之。/Jack(?=Sprat|Frost)/ ，如果”Jack”后面跟着”Sprat”或者”Frost”，则匹配之。但是，”Sprat” 和”Frost” 都不会在匹配结果中出现。
x(?!y) 仅匹配不被y跟随的x。
举个例子，/\d+(?!\.)/ 只会匹配不被点（.）跟随的数字。/\d+(?!\.)/.exec(‘3.141’) 匹配”141”，而不是”3.141”

对象方法(使用)

正则表达式可以被用于 RegExp 的exec和test方法以及 String 的match、replace、search和split方法。

方法 描述
exec 一个在字符串中执行查找匹配的RegExp方法，它返回一个数组（未匹配到则返回null）。传送门
test 一个在字符串中测试是否匹配的RegExp方法，它返回true或false。传送门
match 一个在字符串中执行查找匹配的String方法，它返回一个数组或者在未匹配到时返回null。传送门
search 一个在字符串中测试匹配的String方法，它返回匹配到的位置索引，或者在失败时返回-1。传送门
replace 一个在字符串中执行查找匹配的String方法，并且使用替换字符串替换掉匹配到的子字符串。传送门
split 一个使用正则表达式或者一个固定字符串分隔一个字符串，并将分隔后的子字符串存储到数组中的String方法。传送门

这些方法详细的说明和使用方式建议点击表格中的传送门，到 W3C 中查看。

参考文献