正则表达式-基础知识Review

javascript/jquery

浏览数:607

2018-10-7

正则表达式(Regular Expression)是计算机科学的一个概念。 正则表达式使用单个字符窜来描述、匹配一系列符合某个句法规则的字符窜。 在很多文本编辑器里, 正则表达式通常用来被检索替换哪些符合某个模式的文本。

创建

JavaScript通过内置对象 RegExp支持正则表达式, 有两种方式创建正则表达式对象, 如果我们想匹配字符窜中<%xxx%>两个百分号分割的字符窜可以这么写。

  • 构造函数
var regExp = new RegExp('<%[^%>]+%', 'g');
  • 字面量
var regExp = /<%[^%>]%>/g;

最后的g代表全局, 还有几个修饰符

RegExp实例对象有五个属性

  1. g: global, 全文搜索,不添加的话搜索到第一个结果停止搜索。
  2. i: ignore case, 忽略大小写,默认大小写敏感。
  3. m: multiple lines, 多行搜索。
  4. lastIndex: 是当前表达式模式首次匹配内容中最后一个字符的下一个位置,每次正则表达式匹配成功匹配时, lastIndex属性值都会随之改变。
  5. sourse:正则表达式的文本字符窜。

除了正则表达式编译为内部格式从而使执行更快的compile()方法, 对象还有两个我们常用的方法。

元字符

正则表达式让人望而却步的一个重要原因就是转译字符太多, 组合非常多, 但是正则表达式的元字符(在正则表达式中具有特殊意义的专用字符,可以用来规定其前导字符)并不多

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

并不是每个元字符都有特定的意义,在不同的组合中元字符有不同的意义, 分类看一下

  • t 水平制表符 tab
  • r 回车符 carriage return
  • n 换行符 newline
  • f page feed 换页符
  • cX 与X对应的控制字符(Ctrl + X )
  • v 垂直制表符
  • 0 空字符

字符类

一般情况下正则表达式一个字符(转译字符算一个) 对应字符窜一个字符,表达式 abt 的含义

ab水平制表符

但是我们可以使用元字符[]来构建一个简单的类, 所谓类是指,符合某些特征的对象, 是一个泛指,而不是特指某个字符了, 我们可以使用表达式[abc], 把字符a或b或c归为一类,表达式可以匹配这类的字符。

字符类取反

元字符[]组合可以创建一个类,我们还可以使用元字符^创建反向类/负向类,反向类的意思是不属于XXX类的内容, 表达式1表示不是字符a或b或c的内容。

范围类

按照上面的说明如果希望匹配单个数字那么表达式是这样的

[0123456789]

如果是字母那么。。。 好麻烦, 正则表达式还提供了范围类,我们可以使用x-y来连接两个字符表示从x到y的任意字符, 这是个闭区间, 也就是说包含x和y本身, 这样匹配小写字母就很简单了。

[a-z]

预定义类

刚才使用正则我们创建了几个类,来表示数字,字母等,但这样写很麻烦,正则表达式为我们了几个常用的预定义类来匹配常见的字符。

字符 等价类 含义
. [^rt] 除了回车符和换行符之外的所有字符
d [0-9] 数字字符
D [^0-9] 数字字符
s [\t\n\x0B\f\r] 空白符
S [^t\n\x0B\f\r] 非空白符
w [a-zA-Z_0-9] 字母,数字,下划线
W [^a-zA-Z_0-9] 非字母,数字,下划线

有了这些预定义类, 写一些正则就很方便了, 比如我们希望匹配一个 ab + 数字 + 任意字符的字符窜, 就可以写了abd.

可以把正则表达式,想象成一种模式,字符窜匹配正则表达式定义的模式的结果

string.match(regExpPattern)

边界

正则表达式还提供了几个常用的边界匹配字符。

字符 含义
^ 以xxx开头, ^ 开头的匹配参照对象是整个字符窜
$ 以xxx结尾, $ 结尾的匹配参照对象也是整个字符窜
b 单词边界, ‘-‘也是单词边界!
B 非单词边界
^ 开头的匹配参照对象是整个字符窜,
$ 结尾的匹配参照对象也是整个字符窜,
限制的是整个字符窜。

var regExpPattern = /^h\dm/g;
'h2m h3m h2m'.match(regExpPattern); // h2m, 记住这是以整个字符窜去匹配的

//同理

var regExpExpPattern = /h\dm$/g;
'h2m h3m h3m'.match(regExpPattern); // h3m

//使用场景 手机号匹配

'13423454234'.match(/^1\d{10}$/g)

量词

之前,介绍的方法都是一一匹配,如果希望匹配一个连续20次数字的字符窜难道我们需要写成这样?

\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d..

为此正则表达式引入了一些量词

字符 含义
? 出现零次或一次(最多出现一次)
+ 出现一次或多次(至少出现一次)
* 出现零次或多次(任意次)
{n} 出现n次
{n,m} 出现n到m次
{n,} 至少出现n次
{,m} 最多出现m次
var regExp = /w+\bBryon/

regExp.test('hi Bryon'); // true

regExp.test('Welcome Byron'); // true

regExp.test('Byron'); //false


//匹配带有3到1个小数的数字
var reg = /\d+\.d{1,3} 

贪婪模式与非贪婪模式

看了量词的介绍,也许爱思考的同学会想到关于匹配原则的一些问题, 比如{3,5} 这个量词, 要是在句子中出现了十次, 那么他是每次匹配三个还是五个,反正3,4,5都满足3~5的条件。

量词在默认下是尽可能多的匹配的,也就是大家常说的贪婪模式。

// ['12345','6789'];
'12345679'.match(/\d{3,5}/g); 

既然有贪婪模式,那么肯定会有非贪婪模式,让正则表达式尽可能少的匹配,u额就是说一旦成功匹配不再继续尝试,做法很简单, 在量词后加上?即可

//['123','456','789']

'123456789'.match(/\d{3,5}?/g);

分组

有时候希望使用量词的时候匹配多个字符,而不是像上面例子只是匹配一个,比如希望匹配Byron出现20次的字符窜,写成Byron{20}的话匹配的是Byro+n出现20次。

//写成Byron{20}的话匹配的是Byro+n出现20次。
/Byron{20}/g

怎么把Byron作为一个整体呢? 使用()就可以达到此目的,在正则中成为分组。

//分组在regExp.exec(stringObj)中会单独显示在返回结果中。

(Byron){20}

或 |

如果希望匹配Byron或Casper出现20次该怎么办呢? 可以使用字符| 达到或的功效

(Byron|Casper){20}

使用分组的正则表达式会把匹配项也放到分组中,默认是按数字编号分发的,可以根据编号获得捕获的分组内容,这在一些希望具体操作第几个匹配项的函数中很有用。

// Group 1 : Byron , Group 2: ok
(Byron).(ok)

分组嵌套

如果有分组嵌套的情况,外面的组的编号靠前

// group 1: (^|%>)[^\t]*, Group 2: (^|%>)
((^|%>)[^\t]*)

忽略分组

有时候我们不希望捕获某些分组,只需要在分组内加上?: 就可以了, 这并不意味着该分组内容不属于正则表达式,只是不会给这个分组加编号而已。

(?:Bryon).(ok)

前瞻

表达式 含义
exp1(?=exp2) 匹配后面是exp2的exp1
exp1(?!exp2) 匹配后面不是exp2的exp1
var regExp = /good(?=Byron)/;

regExp.exec('goodByron123'); // ['good']
regExp.exec('goodCapser123'); // null

通过上面例子可以看出exp1(?=exp2)表达式, 但只有其后面内容是exp2的时候才会匹配,也就是两个条件,exp1(?!exp2)比较类似。

正则表达式相关的方法

  • RegExp.prototype.test(str)

该方法用于测试字符窜参数中是否匹配正则表达式模式,如果存在则返回true,否则返回false。

var reg = /\d+\.\d{1,2}$/g;

reg.test('123.45'); // true
reg.test('0.2');  // true

reg.test('a.34'); //false
reg.test('34.5678'); //false
//判断手机号是否正确
function isPhoneNum(phoneNum) {
    var phoneNumberTester = /^1\d{10}$/;
    return phoneNumberTester.test(phoneNum);
}
  • RegExp.prototype.exec(str)

该方法用于正则表达式模式在字符窜中运行查找,如果exec()找到匹配的文本,则返回一个结果,否则返回null

除了数组元素和length属性之外, exec()方法返回对象还包括两个属性。

  1. index属性声明的是匹配文本的第一个字符的位置。
  2. input属性则存放的是被检索的字符窜string。

非全局调用

调用非全局的RegExp对象的exec()时,返回数组的第一个元素是与正则表达式相匹配的文本,第二个元素是与RegExpObject的第一个子表达式相匹配的文本(如果有的话), 第三个元素时与RegExp对象的第二个子表达式相匹配的文本(如果有的话),以此类推。

全局调用

调用全局的RegExp对象的exec()时,它会在RegExp实例的lastIndex属性指定的字符处开始检索字符窜string

  1. 当exec()找到了与表达式相匹配的文本时, 在匹配后, 它将把RegExp实例的lastIndex属性设置为匹配文本的最后一个字符的下一个位置。可以通过反复调用exec()方法来遍历字符窜中的所有哦匹配文本。
  2. 当exec()再也找不到匹配的文本时,它将返回null,并把lastIndex属重置为0。
var reg = /\d/g;

var r =  reg.exec('a1b2c3');

console.log(r);

console.log(reg.lastIndex); // 2

r = reg.exec('a1b2c3');

console.log(reg.lastIndex); // 4
var reg = /\d/g;

while (r = reg.exec('a1b2c3')) {
    console.log(r.index + ':' + r[0])
}

//1:1 , 3:2, 5:3
  • String.prototype.search(reg)

search()方法用于检索字符窜中指定的子字符串,或检索与正则表达式相匹配的子字符窜。

search()方法不执行全局匹配,它将忽略标志g, 它同时忽略正则表达式对象的lastIndex属性,并且总是从字符窜的开始进行检索,这意味着它总是返回字符窜的第一个匹配的位置。

  • String.prototype.match(reg)

match()方法将检索字符窜,以找到一个或多个与regexp匹配的文本。但regexp是否具有标志g对结果影响很大。

非全局调用

如果regexp没有标志g,那么match()方法就只能在字符窜中执行一次匹配。如果没有找到任何匹配的文本,match()将返回null。否则它将返回一个数组,其中存放了与它找到的匹配文本有关的信息。

该数组的第一个元素存放的是匹配文本,而其余的元素存放的是与正则表达式的子表达式匹配的文本。除了这些常规的数组元素之外,返回的数组还含有两个对象属性。

  1. index属性声明的是匹配文本的起始字符在字符窜中的位置。
  2. input属性声明的是对stringObject的引用。
  • String.prototype.replace(reg, replaceStr|| function callback())

关于string对象的replace方法, 我们最常用的是传入两个字符窜的做法,但这种做法有个缺陷,只能replace一次。

'abcabcabc'.replacce('bc', 'X') //aXabcabc

replace方法的第一个参数还可以传入RegExp对象,传入正则表达式可以使replace方法更加强大灵活

'abcabcabc'.replace(/bc/g, 'X'); //aXaXaX
'abcabcabc'.replace(bc/gi, 'X'); // aXaXaX

如果replace方法的第一个参数传入的是带分组的正则表达式,我们在第二个参数中可以使用$1…$9来获取相应分组内容, 比如希望把字符窜1<%2%>34>%567%>89的<%x%>换为&dollar;#x#$, 我们可以这样

‘1<%2%>34>%567%>89的<%x%>’.replace(/<%(d+)%>)/g, ‘@#$1#@’);
// 1@#2#@34@#567#@89

当然还有很多方式可以达到这一目的,这里只是演示一下利用分组内容,我们在第二个参数中使用@#&dollar;1#@, 其中$1表示被捕获的分组内容弄, 在一些js模板函数中可以经常见到这种方式替换字符窜。

可以通过修改replace方法的第二个参数,使replace更加强大,在前面的介绍中,只能把所有匹配替换为固定内容,但如果我希望把一个字符窜中所有数字,都用小括号包起来该怎么弄?

'2398sdadads1smdsa3mmm23mmmbb'.replace(/\d+/g, function(matchedStr, groupContent$, index, strObj ) {
    return '(' + matchedStr + ')';
})

把replace方法的第二个参数传入一个function,这个function会在每次匹配替换的时候调用,算是个每次替换的回调函数,我们使用了回调函数的第一个参数,也就是匹配内容,其实回调函数一共有四个参数。

  • 第一个参数很简单,是匹配字符窜。
  • 第二个参数是正则表达式分组内容,没有分组则没有该参数。
  • 第三个参数是匹配项在字符窜中的index。
  • 第四个参数则是原字符窜。

例子

'2398rsjdhahd2131kksdajdj23'.replace(/\d+/g, function(matchedSubStr,index, strObj) {
    console.log(matchedSubStr + '\t' + index + '\t' + strObj);
    return '(' + matchedSubStr +')';
})

//2398 0    2398rsjdhahd2131kksdajdj23    
//2131 12    2398rsjdhahd2131kksdajdj23    
//23 24 2398rsjdhahd2131kksdajdj23    

这是没有分组的情况,打印出来的分别是匹配内容、匹配项index和原字符窜,看个有分组的。

'<%1%><%2%><%3%>'.replace(/<%([^%>]+)%>/g, function(matchedStr, group, index, thisStrObj) {
    console.log(matchedStr + '\t' + group + '\t' + index + '\t' + thisStrObj);
    return group;
})

//<%1%>    1    0    <%1%><%2%><%3%>
//<%2%>    2    5    <%1%><%2%><%3%>
//<%3%>    3    10    <%1%><%2%><%3%>
//"123"
  • String.prototype.split(reg)

使用split方法把字符窜分割为字符数组

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

和replace方法类似,在一些复杂的分割情况下我们可以使用正则表达式解决

'a1b2c3d'.split(/\d/); // ['a','b','c','d']

  1. abc

原文地址:https://segmentfault.com/a/1190000016599340