javaScript---RegExp

字符串是編程時涉及到的最多的一種數據結構，對字符串進行操做的需求幾乎無處不在。好比判斷一個字符串是不是合法的Email地址，雖然能夠編程提取@先後的子串，再分別判斷是不是單詞和域名，但這樣作不但麻煩，並且代碼難以複用。

正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則，凡是符合規則的字符串，咱們就認爲它「匹配」了，不然，該字符串就是不合法的。

因此咱們判斷一個字符串是不是合法的Email的方法是：

1. 建立一個匹配Email的正則表達式；

2. 用該正則表達式去匹配用戶的輸入來判斷是否合法。

由於正則表達式也是用字符串表示的，因此，咱們要首先了解如何用字符來描述字符。

在正則表達式中，若是直接給出字符，就是精確匹配。用\d能夠匹配一個數字，\w能夠匹配一個字母或數字，因此：

'00\d'能夠匹配'007'，但沒法匹配'00A'；
'\d\d\d'能夠匹配'010'；
'\w\w'能夠匹配'js'；

 

.能夠匹配任意字符，因此：

'js.'能夠匹配'jsp'、'jss'、'js!'等等。

 

要匹配變長的字符，在正則表達式中，用*表示任意個字符（包括0個），用+表示至少一個字符，用?表示0個或1個字符，用{n}表示n個字符，用{n,m}表示n-m個字符：

來看一個複雜的例子：\d{3}\s+\d{3,8}。

咱們來從左到右解讀一下：

\d{3}表示匹配3個數字，例如'010'；
\s能夠匹配一個空格（也包括Tab等空白符），因此\s+表示至少有一個空格，例如匹配' '，'\t\t'等；
\d{3,8}表示3-8個數字，例如'1234567'。

 

綜合起來，上面的正則表達式能夠匹配以任意個空格隔開的帶區號的電話號碼。

若是要匹配'010-12345'這樣的號碼呢？因爲'-'是特殊字符，在正則表達式中，要用'\'轉義，因此，上面的正則是\d{3}\-\d{3,8}。

可是，仍然沒法匹配'010 - 12345'，由於帶有空格。因此咱們須要更復雜的匹配方式。

 

要作更精確地匹配，能夠用[]表示範圍，好比：

[0-9a-zA-Z\_]能夠匹配一個數字、字母或者下劃線；
[0-9a-zA-Z\_]+能夠匹配至少由一個數字、字母或者下劃線組成的字符串，好比'a100'，'0_Z'，'js2015'等等；
[a-zA-Z\_\$][0-9a-zA-Z\_\$]*能夠匹配由字母或下劃線、$開頭，後接任意個由一個數字、字母或者下劃線、$組成的字符串，也就是JavaScript容許的變量名；
[a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+後面最多19個字符）。

 

A|B能夠匹配A或B，因此(J|j)ava(S|s)cript能夠匹配'JavaScript'、'Javascript'、'javaScript'或者'javascript'。

^表示行的開頭，^\d表示必須以數字開頭。

$表示行的結束，\d$表示必須以數字結束。

你可能注意到了，js也能夠匹配'jsp'，可是加上^js$就變成了整行匹配，就只能匹配'js'了。

 

有了準備知識，咱們就能夠在JavaScript中使用正則表達式了。

JavaScript有兩種方式建立一個正則表達式：

第一種方式是直接經過/正則表達式/寫出來，第二種方式是經過new RegExp('正則表達式')建立一個RegExp對象。

兩種寫法是同樣的：

var re1 = /ABC\-001/;
var re2 = new RegExp('ABC\\-001');

re1; // /ABC\-001/
re2; // /ABC\-001/

注意，若是使用第二種寫法，由於字符串的轉義問題，字符串的兩個\\其實是一個\。

先看看如何判斷正則表達式是否匹配：

var re = /^\d{3}\-\d{3,8}$/;
re.test('010-12345'); // true
re.test('010-1234x'); // false
re.test('010 12345'); // false

 

RegExp對象的test()方法用於測試給定的字符串是否符合條件。

切分字符串

用正則表達式切分字符串比用固定的字符更靈活，請看正常的切分代碼：

'a b   c'.split(' '); // ['a', 'b', '', '', 'c']

嗯，沒法識別連續的空格，用正則表達式試試：

'a b   c'.split(/\s+/); // ['a', 'b', 'c']

不管多少個空格均可以正常分割。加入,試試：

'a,b, c  d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd']

再加入;試試：

'a,b;; c  d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd']

若是用戶輸入了一組標籤，下次記得用正則表達式來把不規範的輸入轉化成正確的數組。

除了簡單地判斷是否匹配以外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）。好比：

^(\d{3})-(\d{3,8})$分別定義了兩個組，能夠直接從匹配的字符串中提取出區號和本地號碼：

var re = /^(\d{3})-(\d{3,8})$/;
re.exec('010-12345'); // ['010-12345', '010', '12345']
re.exec('010 12345'); // null

 

若是正則表達式中定義了組，就能夠在RegExp對象上用exec()方法提取出子串來。

exec()方法在匹配成功後，會返回一個Array，第一個元素是正則表達式匹配到的整個字符串，後面的字符串表示匹配成功的子串。

exec()方法在匹配失敗時返回null。

提取子串很是有用。來看一個更兇殘的例子：

var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/;
re.exec('19:05:30'); // ['19:05:30', '19', '05', '30']

 

這個正則表達式能夠直接識別合法的時間。可是有些時候，用正則表達式也沒法作到徹底驗證，好比識別日期：

var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/;

 

對於'2-30'，'4-31'這樣的非法日期，用正則仍是識別不了，或者說寫出來很是困難，這時就須要程序配合識別了。

貪婪匹配

須要特別指出的是，正則匹配默認是貪婪匹配，也就是匹配儘量多的字符。舉例以下，匹配出數字後面的0：

var re = /^(\d+)(0*)$/;
re.exec('102300'); // ['102300', '102300', '']

因爲\d+採用貪婪匹配，直接把後面的0所有匹配了，結果0*只能匹配空字符串了。

必須讓\d+採用非貪婪匹配（也就是儘量少匹配），才能把後面的0匹配出來，加個?就可讓\d+採用非貪婪匹配：

var re = /^(\d+?)(0*)$/;
re.exec('102300'); // ['102300', '1023', '00']

全局搜索

JavaScript的正則表達式還有幾個特殊的標誌，最經常使用的是g，表示全局匹配：

var r1 = /test/g;
// 等價於:
var r2 = new RegExp('test', 'g');

全局匹配能夠屢次執行exec()方法來搜索一個匹配的字符串。當咱們指定g標誌後，每次運行exec()，正則表達式自己會更新lastIndex屬性，表示上次匹配到的最後索引：

var s = 'JavaScript, VBScript, JScript and ECMAScript';
var re=/[a-zA-Z]+Script/g;

// 使用全局匹配:
re.exec(s); // ['JavaScript']
re.lastIndex; // 10

re.exec(s); // ['VBScript']
re.lastIndex; // 20

re.exec(s); // ['JScript']
re.lastIndex; // 29

re.exec(s); // ['ECMAScript']
re.lastIndex; // 44

re.exec(s); // null，直到結束仍沒有匹配到

全局匹配相似搜索，所以不能使用/^...$/，那樣只會最多匹配一次。

正則表達式還能夠指定i標誌，表示忽略大小寫，m標誌，表示執行多行匹配