正則表達式-理論基礎篇

正則表達式-理論基礎篇

搬運自我的博客,原址正則表達式-理論基礎篇

• 什麼是正則表達式?
  能夠稱做規則一個描述字符模式的對象，正則表達式中的字母和數字，都是按照字面含義進行匹配的。強大的字符串匹配工具

• 如何創建一個正則表達式？

1. 使用RegExp()構造函數來建立RegExp對象

2. 特殊的直接量語法來建立，定義爲包含在一對斜槓（/）之間的字符

例：var reg = /s$/; , var reg = new RegExp(s$);
二者效果徹底相同，用來匹配全部以字母「s」結尾的字符串。

「文本模式」的正則表達式語法

1.直接量字符

非字母的字符匹配，這些字符須要經過反斜線（\）做前綴進行轉義.

字 符	匹 配
字母和數字字符	自身
\o	NUL字符
\t	製表符
\n	換行符
\v	垂直製表符
\f	換頁符
\r	回車符
\xnn	由十六進制數nn指定的拉丁字符,例:\x0A等價於\n
\uxxxx	由十六進制數xxxx指定的unicode字符,例:\u0009等價於\t
\cX	控制字符^X,例:\cJ等價於換行符\n

• 具備特殊含義的標點符號:

^, $, ., *, +, ?, =, !, :, |, \, /,(,),[,],{, }

想在正則表達式中使用這些字符的直接量進行匹配，則必須使用前綴"\"，其餘標點符號(好比@和引號)無特殊含義，在正則表達式中按照字面含義進行匹配。

2.字符類.

方括號,或,範圍

將直接量字符單獨放進方括號內就組成了字符類。一個字符類能夠匹配它包含的任意字符。字符類可使用連字符來表示字符範圍。

字 符	含 義
[...]	方括號內的任意字符
[^...]	不在方括號內的任意字符
.	除換行符合其餘unicode行終止符以外的任意字符
\w	任何ASCII符組成的的單詞,等同[a-zA-Z0-9]
\W	任何不是ASCII符組成的的單詞,等同[^a-zA-Z0-9]
\s	任何unicode空白字符
\S	任何非unicode空白符的字符,注意\W與\s不一樣
\d	任何ASCII數字等價於[0-9]
\D	除了ASCII數字以外的任何字符,等價於[^0-9]
[\b]	退格直接量(特例)

• 例:

  • /[a,b,c]/:表示和字母"a","b","c"中的任意一個都匹配

  • /[a-z]/:匹配拉丁字母表中的小寫字母

  • /[/s/d]/:匹配任意空白符或數字

3. 重複

用以指定字符重複的標記

字 符	含 義
{n,m}	匹配前一項至少n次,但不能超過m次
{n,}	匹配前一項n次或者更屢次
{n}	匹配前一項n次
?	匹配前一項0次或者1次(也就是前一項是可選的,等價於{0,1})
+	匹配前一項1次或者屢次(等價於{1,})
*	匹配前一項0次或者屢次,等價於{0,}

• 例:

  • /\d{2,4}/:匹配2-4個數字。

  • /\w{3}\d?/:精確匹配三個單詞和一個可選的數字。

  • /\s+java\s+/:匹配先後有1個或多個空格的字符串"java"

  • /[^(]*/:匹配0個或多個非左括號的字符(這裏實際上能與"("匹配)

• 在使用"*",和"?"時要注意,因爲這些字符能匹配0個字符,所以它們容許什麼都不匹配，例:

  • /a*/能匹配字符串"bbbb"，因其含有0個a。

• 上表中列出的匹配字符爲"貪婪的"匹配，它老是儘量多地匹配,且容許後續的正則表達式繼續匹配。

• 非貪婪匹配,只需在待匹配的字符後跟隨一個問號便可,"?",+?,*?或{1,5}?。例:

  • /a+/:匹配"aaa"時,三個字符都被匹配,

  • /a+?/:匹配"aaa"時,因其儘量少的匹配,只能匹配第一個a

4.選擇-分組和引用

包括：指定選擇項，自表達式分組，和引用前一子表達式的特殊字符

• 選擇項的嘗試匹配次序是從左到右，直到發現匹配項，若左邊成功匹配就忽略右邊的項。

• 正則表達式中圓括號的做用：

  1. 把單獨的項組成子表達式，以便於能夠像處理獨立單元同樣，用\|,*,+或者?等等來對單元內的項進行處理

  2. 在完整的模式中定義子模式

  3. 容許在同一正則表達式的後部,引用前面的子表達式

字 符	含 義
"|"	"|"選擇,匹配的是該符號左邊的子表達式或右邊的子表達式
(...)	組合,將幾個項組合成爲一個單元,這個單元可經過"|",*,+或者?等符號,加以修飾,並且能夠記住和這個相匹配的字符串以供之後的引用使用
(?:..)	只組合,把項組合到一個單元,但不記憶與該組相匹配的字符
\n	和第n個分組第一次匹配的字符相匹配,組是圓括號中的子表達式(也有可能嵌套的),組索引是從左到右的左括號數,"(?:形式的分組不編碼"

• 例:

  • /ab|cd|ef/:能夠匹配"ab",也能夠匹配"cd",還能夠匹配"ef".

  • /\d{3}|[a-z]{4}/:能夠匹配3個數字,或者4個小寫字母.

  • (/[a-z]+(\d+)/):匹配一個或多個小寫字母后跟隨了一位或多位數字,使用括號包裹後,能夠從檢索到的匹配中抽取數字了.

5.指定匹配位置

咱們稱這些元素爲正則表達式的錨,它們將模式定位在搜索字符串的特定位置上.

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	匹配一個單詞邊界,簡言之,就是位於字符\w和\W之間的位置,或位於字符\w和字符串的開頭或結尾之間的位置(須要注意:[\b]匹配的是退格符)
\B	匹配非單詞邊界的位置

• 例:

  • /^JavaScript$/:匹配"JavaScript"單詞

  • /\B[Ss]cript/:與"JavaScript"和"/postscript"匹配,但不與"script"與"Script".

6.修飾符

說明高級匹配的規則,放在"/"符號以外,第二條斜線後

字 符	含 義
i	執行不區分大小寫的匹配
g	執行一個全局匹配,簡言之,就是要找到全部的匹配,而不是在找到一個以後就中止
m	多行匹配模式,^匹配一行的開頭和字符串的開頭,$匹配行的結束和字符串的結束

• 例:

  • /java$/im:能夠匹配"java"也能夠匹配"Java\nis fun"

用於模式匹配的string方法

正則表達式的做用就是用來解析字符串

1. search():

• 查找字符串,接受一個參數爲正則表達式,返回返回一個與之匹配的子串的起始位置,若未找到返回-1.

• 例: JavaScript.search(/script/i);//返回4

• search()方法不支持全局屬性檢索,因此會忽略修飾符g

2. replace():

• 用以執行檢索與替換操做,接受兩個參數,第一個參數是一個正則,第二個是要進行替換的字符串

• 若第一個參數是字符串,replace()則會直接搜索這個字符串

• 若替換字符串中出現了$加數字,那麼replace()將用與指定的子表達式相匹配的文原本替換這兩個字符.

例:

text.replace(/javascript/gi,"JavaScript");//將全部不區分大小寫的javascript都替換成,大小寫正確的JavaScript.

//一段引用文本起始於引號,結束與引號.
//中間的內容區域,不能包含引號
var quote = /"([^"]*)"/g;
//引用中文半角引號替換英文引號,同時要保持引號之間的內容(儲存在$1中)沒有被修改.
text.replace(quote,'「$1」');

3. match()

• 接受惟一一個參數,就是正則表達式,返回的是一個由匹配結果組成的數組.例:

  • "1 plus 2 equals 3".match(/\d+/g);//返回["1","2","3"]

• 若在這個正則表達式中沒有設置修飾符g,match()就不會進行全局檢索,它只檢索第一個匹配。但即便match()執行的不是全局檢索，它也返回一個數組。在這種狀況下，數組的第一個元素就是匹配的字符串，餘下的元素則是正則表達式中用圓括號括起來的子表達式。

• 所以，若是macth()返回一個數組a，那麼a[0]存放的是完整的匹配，a[1]存放的是與第一個圓括號括起來的表達式相匹配的子串，以此類推。爲了和方法replace()保持之後，a[n]存放的是$n的內容。

• 例:解析一個url

var url = /(\w+):\/\/([\w.]+)\/(\S*)/;
var text = "Visit my blog at http://www.example.com/~david";

var result = text.match(url);

if (result != null) {
    var fullurl = result[0]; //包含 "http://www.example.com/"
    var protocol = result[1]; //包含 "http"
    var host = result[2]; //包含 "www.example.com"
    var path = result[3]; //包含~david
}

4. split()

• 用以將調用它的字符串拆分爲子串組成的數組,使用分隔符是split()的參數

• 參數爲字符串

  • "123,456,789".split(",");//返回["123","456","789"]

• 參數爲正則

  • "1,2, 3,4 ,5".split(/\s*,\s*/)//返回["1","2"," 3","4 ","5"]

  • 指定分隔符",",容許兩邊能夠留有任意多的空白符

RegExp對象

• RegExp對象用以建立新的RegExp對象,可接受兩個參數,第二個可選.

• RegExp對象的第一個參數爲正則表達式的主體部分,也就是/...../之間的文本,不管是字符串直接量,仍是正則表達式都使用"\"做爲轉義字符的前綴.

• 第二個可選參數爲指定正則表達式的修飾符,i,g,m或者他們的組合.參考:文本模式的則表達式-修飾符
  例:

var reg = new RegExp("\\d{5}","g");//匹配全局模式下的5個數字
alert(reg.test("1J2a35786"));//true
alert(reg.test("1J2a356"));//false

RegExp屬性

屬性名	類型	含義
source	只讀字符串	包含正則表達式的文本
global	只讀布爾值	用以說明正則表達式是否帶有修飾g
ignoreCase	只讀布爾值	用以說明正則表達式是否帶有修飾i
multiline	只讀布爾值	用以說明正則表達式是否帶有修飾m
lastIndex	可讀性的整數	若匹配模式中含有g,這個屬性儲存在整個字符串中下一次檢索的開始位置