瑞士軍刀---正則表達式

簡介

正則表達式，又稱正規表示法、正規表達式、規則表達式、常規表示法（英語：Regular Expression，在代碼中常簡寫爲regex、regexp或RE），計算機科學的一個概念。正則表達式使用單個字符串來描述、匹配一系列符合某個句法規則的字符串。在不少文本編輯器裏，正則表達式一般被用來檢索、替換那些符合某個模式的文本。

說人話就是：對字符串執行模式匹配的強大工具。

Javascript中的正則表達式相較於其餘語言來講實現的並不完整，但仍然是十分強大的，可以幫助咱們完成絕大多數模式匹配任務。

定義

在javascript中，正則表達式的定義和數組以及對象的定義同樣有倆種方式。 一種是直接量，另外一種是構造函數。

直接量

Javascript可使用相似Perl的語法定義一個正則表達式

var r = /pattern/flags;

其中pattern是任何簡單或複雜的正則表達式，flags是用以表達正則表達式行爲的一個或者多個標識。

flags

• g 表示全局(global)模式，即模式將被應用於全部字符串

• i 表示不區分大小寫

• m 多行模式

舉個栗子：

var reg1 = /ip/g; // 匹配字符串中全部'ip'的實例

var reg2 = /com/gi; // 匹配以'com'結尾的三個字符的組合，不區分大小寫

使用構造函數

Javascript中正則表達式的構造函數爲RegExp，即Regular Expression的縮寫，它接收兩個參數，第一個爲要匹配的字符串模式，另外一個是可選的標識位。

var reg = new RegExp('nice', 'g'); // 匹配字符串中全部的'nice'

注意：第一個參數是一個字符串nice，而不是正則表達式的直接量/nice/。

雙重轉義

全部元字符都須要進行雙重轉義

全部元字符都須要進行雙重轉義

全部元字符都須要進行雙重轉義

使用構造函數定義正則表達式，因爲構造函數的第一個參數必須是一個字符串，在匹配元字符時，須要雙重轉義。

//  匹配{user}
var reg1 = new RegExp('\{user\}', 'g'); // wrong

// 因爲\在字符串中須要轉義爲\\，因此，若是要匹配{user}，正則表達式須要寫爲
var reg1 = new RegExp('\\{user\\}', 'g');

基本概念總結

元字符

在正則表達式的模式中，有一些字符是有特殊含義的，被稱爲元字符，若是要匹配元字符，則必須對其進行轉義，若是用構造函數，則要進行雙重轉義。

這些元字符分別是(一共14個)：

{ ( [  \ ^ $ |  ? * + . ] ) }

直接量字符

| 字符 | 匹配 |
| ------------- |:-------------:|
|字母數字字符|自身|
|\0 |查找 NUL 字符。|
|\n |查找換行符。|
|\f |查找換頁符。|
|\r |查找回車符。|
|\t |查找製表符。|
|\v |查找垂直製表符。|
|\xxx |查找以八進制數 xxx 規定的字符。|
|\xdd |查找以十六進制數 dd 規定的字符。|
|\uxxxx |查找以十六進制數 xxxx 規定的 Unicode 字符。|

無論一個直接量字符字符表明何種含義，單個字符始終只匹配單個字符

字符類

| 字符 |等價於| 匹配 |
| ------------- |:-------------:| :-------------:|
| . | ¹|查找單個字符，除了換行和行結束符。 |
| \w| [a-zA-Z_0-9]|任意ASCII單字字符，等價於[a-zA-Z0-9_]|
| \W| ² |查找非單詞字符。 |
|\d |[0-9]|查找數字。|
|\D |³|查找非數字字符。|
|\s |[ \t\n\x0B\f\r]|查找空白字符。|
|\S |⁴|查找非空白字符。|
|[]||來表示單個字符有或的關係，如/[bc]/，匹配b或者c|
|^||來表示不匹配後面跟着的字符，如/⁵，/不匹配b或c|
|-||來表示一個範圍，如/[a-z]/，匹配a-z的字母，能夠和負向類結合/^0-9/|
|組合類：||以上幾種類組合而成的字符類，如/a-z0-9\n/，匹配a-z的字母或者0-9的數字或者換行符|

注意：在javascript類不能嵌套，就是不支持聯合類和交叉類，/a-m[p-z]/和/a-m⁶/在JavaScript中是非法的

錨字符

| 字符 | 含義|
| ------------- |:-------------:|
| ^ | 匹配字符串的開頭，在多行檢索中，匹配一行的開頭|
| $| 匹配字符串的結尾，在多行檢索中，匹配一行的結尾|
|\b |匹配單詞邊界。|
|\B |匹配非單詞邊界。|

量詞

簡單量詞

| 經常使用量詞 | {m,n}等價形式|描述 |
| ------------- |:-------------:| :-------------:|
|？|{0,1}|最多出現1次,例如，do(es)? 匹配 do 或 does 中的 do|
|* |{0,}|可能出現，也可能不出現，出現次數無上限，例如，zo* 匹配 z 和 zoo。|
|+ |{1,}|最少出現1次,例如，zo+ 匹配 zo 和 zoo，但不匹配 z|

在正則表達式概念中，稱 +、*、？爲經常使用量詞，稱{n,m}形式的爲通用量詞。

使用情景舉例

**？的使用
**
情景：美式應用和英式語言的單詞寫法不一樣，好比traveler和traveller.

var str1 = 'traveler';
var str2 = 'traveller';
var pattern = /travell?er/;
console.log(pattern.test(str1));
console.log(str2.search(str2));

結果打印：
true
0

匹配各種標籤（前端應用）

• 匹配因此tag: /<⁷+>/

• 匹配open tag: /<⁸⁷*>/

• 匹配close tag: /</⁷+>/

• 匹配self-closing tag: /⁹+/>/

複雜量詞

• 貪婪量詞：先匹配整個字符串，若是不匹配則去掉最後一個字符再匹配，直到沒有任何字符。它是從後向前匹配。全部簡單量詞都是貪婪的。

• 惰性量詞：和貪婪量詞相反，即先匹配第一個字符，不匹配則匹配第一第二個字符，直到最後整個字符串。全部簡單量詞後面加?就是惰性的了。

• 支配量詞：只匹配整個字符串一次，不匹配就結束，也稱最懶量詞，全部簡單量詞後面加+就是支配的了，可是javascript不支持，因此它連出場的機會也沒有了。。

舉個栗子（complex-quantifiers.js）：

var re1 = /.*bbb/g;        //  定義貪婪量詞
var re2 = /.*?bbb/g;    //  定義簡單惰性
//  var re3 = /.*+bbb/g;//支配性,javascript不支持，nodejs報錯
var  str='abbbaabbbaaabbb1234';

console.log(re1.test(str));  //true
console.log(re1.exec(str));  //null
console.log(str.match(re1));  //abbbaabbbaaabbbb

console.log(re2.test(str));  //true
console.log(re2.exec(str));  //aabbb
console.log(str.match(re2)); //abbb,aabbb,aaabbb

貪婪模式詳解

分組

到目前爲止，咱們只能一個字符到匹配，雖然量詞的出現，能幫助咱們處理一排密緊密相連的同類型字符。但這是不夠的，下面該輪到小括號出場了，中括號表示範圍內選擇，大括號表示重複次數。小括號容許咱們重複多個字符。

舉個栗子（group.js）：

//分組+量詞
console.log(/(dog){2}/.test("dogdog"))//true
//分組+範圍
console.log("baddad".match(/([bd]ad?)*/))//baddad,dad
//分組+分組
console.log("mon and dad".match(/(mon( and dad)?)/))//mon and dad,mon and dad, and dad

優先級

|優先級| 符號|說明|
| ------------- |:-------------:| :-------------:|
|最高 |\|轉義符|
|高 |( )、(?: )、(?= )、[ ]|單元和字符類|
|中 |*、+、?、{n}、{n,}、{m,n}|量詞|
|低 |^、$、\任何元字符、任何字符|描點|
|最低|\||替換，選擇|

參考加減乘除，先算括號內的記憶方式

RegExp對象

RegExp屬性

global 屬性 | ignoreCase 屬性 | multiline 屬性 | source 屬性

• global: 返回布爾值，該值指示使用正則表達式的 global 標誌 (g) 的狀態。 默認值爲 false。 只讀。

• ignoreCase: 返回布爾值，該值指示在正則表達式中使用的 ignoreCase 標誌 (i) 的狀態。 默認值爲 false。 只讀。

• multiline: 返回布爾值，該值指示在正則表達式中使用的 multiline 標誌 (m) 的狀態。 默認值爲 false。 只讀。

• source: 返回正則表達式模式的文本的一個副本。 只讀。

• lastIndex: 若是使用了全局模式，這個變量保存的是字符串中嘗試下次匹配的偏移值。在exec和test中都會用到這個變量。 可寫

RegExp方法

RegExp 對象有 3 個方法：test()、exec() 以及 compile()

RegExp.test(string)

test 方法檢查字符串中是否存在某種模式，若是存在，則返回 true，不然返回 false。test 方法不修改全局 RegExp 對象的屬性。

語法：

rgExp.test(str) 

//  參數
rgExp 必需。 包含正則表達式模式和適用標誌的 Regular Expression 對象的實例。
str 必需。 將對其執行搜索的字符串。

栗子：

var str = 'huangge is an handsome man';

var reg1 = new RegExp( 'handsome', 'g' );
var result = reg1.test(str);
console.log('huangge is an handsome man: ' + result);

RegExp.exec(string)

exec 方法使用正則表達式模式對字符串執行需找匹配，若是成功，則返回表示匹配信息的數組，不然返回null。默認狀況下，它返回第一次匹配的結果

語法：

rgExp.exec(str) 

//  參數
rgExp 必需。 包含正則表達式模式和適用標誌的 Regular Expression 對象的實例。
str 必需。 對其執行搜索的 String 對象或字符串文本。

返回值

若是成功匹配，exec 方法返回一個數組，而且更新正則表達式對象的屬性。返回的數組包括匹配的字符串做爲第一個元素，緊接着一個元素對應一個成功匹配被捕獲的字符串的捕獲括號（capturing parenthesis）。

若是匹配失敗，exec 方法將返回 null。

栗子（regexp-exec.js）：

var reg= /\d{4}-\d{2}-\d{2}/g;
var str = 'aaa2015-08-11aaaaaabbss2015-08-22bbb';
var result = reg.exec(str);
console.log(result);


結果以下：

[ '2015-08-11',
  index: 3,
  input: 'aaa2015-08-11aaaaaabbss2015-08-22bbb' ]

RegExp.compile(string)

將正則表達式編譯爲內部格式，從而更快地執行。

語法：

rgExp.compile(pattern, [flags]) 

//  參數
rgExp 必需。 Regular Expression 對象的一個實例。 能夠是變量名或文本。
pattern 必需。 一個字符串表達式，包含要編譯的正則表達式模式
flags 可選。 能夠組合使用的可用標誌有：
    g（全局搜索出現的全部模式）
    i（忽略大小寫）
    m（多行搜索）

compile 方法將 pattern 轉換爲內部的格式，從而執行得更快。 例如，這容許在循環中更有效地使用正則表達式。 當重複使用相同的表達式時，編譯過的正則表達式使執行加速。 然而，若是正則表達式發生更改，則這種編譯毫無益處。

String的正則方法

String.match(RegExp)

這個方法相似RegExp.exec(string),只是調換了RegExp和string的位置。 另外一個區別就是，不管是否指定全局，RegExp.exec(string)只是返回單詞匹配結果。 而string.match()會返回一個字符串數組，其中包含了各次匹配成功的文本

舉個栗子(string-match.js)：

var reg= /\d{4}-\d{2}-\d{2}/g;
var str = 'aaa2015-08-11aaaaaabbss2015-08-22bbb';
var result = str.match(reg);
console.log(result);

打印的結果爲：

[ '2015-08-11', '2015-08-22' ]

String.search(RegEexp)

這個用來尋找某個正則表達式在字符串第一次匹配成功的位置，若是不成功，則返回-1

舉個栗子(string-search.js)：

var str1 = 'sssssaa111';
var str2 = 'sssssaaaaa';

var pattern = /\d/;
console.log ('st1  ' + str1.search(pattern));
console.log ('st2  ' + str2.search(pattern));

打印的結果爲：

st1  7
st2  -1

String.replace（RegExp,replacement）

這個方法用來正則表達式替換。 將匹配到的文本替換爲replacement。默認狀況替換一次。若是設定了全局模式，則全部能匹配的文本都會替換。
舉個栗子(string-replace.js)：

var reg = /\d{4}-\d{2}-\d{2}/;
var str = '2015-08-11 2015-08-22';

console.log(str.replace(reg, 'Date:'));

打印的結果爲：

ate: 2015-08-22

String.split（RegExp [,limit]）

這個方法使用一個正則表達式切分字符串，正則表達式是否使用全局對結果沒有影響
舉個栗子(string-split.js)：

var str = 'one two  three    four';
var pattern = /\s+/;
console.log(str.split(pattern))

打印的結果爲：

[ 'one', 'two', 'three', 'four' ]

經常使用的正則表達式

• 匹配中文字符的正則表達式： [\u4e00-\u9fa5]

• 匹配雙字節字符(包括漢字在內)：¹⁰
  評註：能夠用來計算字符串的長度（一個雙字節字符長度計2，ASCII字符計1）

• 匹配空白行的正則表達式：\n\s*\r

• 匹配HTML標記的正則表達式：<(\S?)⁷>.?</\1>|<.? />

• 匹配首尾空白字符的正則表達式：^\s|\s$

• 匹配Email地址的正則表達式：\w+([-+.]\w+)@\w+([-.]\w+)\.\w+([-.]\w+)*

• 匹配網址URL的正則表達式：[a-zA-z]+://¹¹*

• 匹配賬號是否合法(字母開頭，容許5-16字節，容許字母數字下劃線)：^a-zA-Z{4,15}$

• 匹配國內電話號碼：\d{3}-\d{8}|\d{4}-\d{7}

• 匹配騰訊QQ號：1-9{4,}

• 匹配中國郵政編碼：[1-9]\d{5}(?!\d)

• 匹配身份證：\d{15}|\d{18}

• 匹配ip地址：\d+\.\d+\.\d+\.\d+

匹配特定數字

^[1-9]\d*$　 　 //匹配正整數
^-[1-9]\d*$ 　 //匹配負整數
^-?[1-9]\d*$　　 //匹配整數
^[1-9]\d*|0$　 //匹配非負整數（正整數 + 0）
^-[1-9]\d*|0$　　 //匹配非正整數（負整數 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮點數
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配負浮點數
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮點數
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非負浮點數（正浮點數 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮點數（負浮點數 + 0）

匹配特定字符串

^[A-Za-z]+$　　//匹配由26個英文字母組成的字符串
^[A-Z]+$　　//匹配由26個英文字母的大寫組成的字符串
^[a-z]+$　　//匹配由26個英文字母的小寫組成的字符串
^[A-Za-z0-9]+$　　//匹配由數字和26個英文字母組成的字符串
^\w+$　　//匹配由數字、26個英文字母或者下劃線組成的字符串

---

1. \n\r ↩
2. a-zA-Z_0-9 ↩
3. 0-9 ↩
4. \t\n\x0B\f\r ↩
5. bc ↩
6. b-e ↩
7. > ↩
8. /> ↩
9. >/ ↩
10. \x00-\xff ↩
11. \s ↩