ZhangYang's Blog

正则表达式

发表于 | 分类于

正则表达式简介

正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串

创建

新建正则表达式有两种方法。一种是使用字面量，以斜杠表示开始和结束;另一种是使用RegExp构造函数

1
2
3
4
5
6
7
8
9
// 两种写法是等价的，都新建了一个内容为xyz的正则表达式对象
var regex = /xyz/;
// 等价于
var regex = new RegExp('xyz');
// RegExp构造函数还可以接受第二个参数，表示修饰符
var regex = new RegExp('xyz', 'i');
// 等价于
var regex = /xyz/i;

实例属性

正则对象的实例属性分成两类

一类是修饰符相关，返回一个布尔值，表示对应的修饰符是否设置

  • RegExp.prototype.ignoreCase：返回一个布尔值，表示是否设置了i修饰符
  • RegExp.prototype.global：返回一个布尔值，表示是否设置了g修饰符
  • RegExp.prototype.multiline：返回一个布尔值，表示是否设置了m修饰符
1
2
3
4
5
var r = /abc/igm;
r.ignoreCase // true
r.global // true
r.multiline // true

另一类是与修饰符无关的属性，主要是下面两个

  • RegExp.prototype.lastIndex：返回一个数值，表示下一次开始搜索的位置
  • RegExp.prototype.source：返回正则表达式的字符串形式（不包括反斜杠），该属性只读
1
2
3
4
var r = /abc/igm;
r.lastIndex // 0
r.source // "abc"

实例方法

RegExp.prototype.test()

正则实例对象的test方法返回一个布尔值，表示当前模式是否能匹配参数字符串

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
// 验证参数字符串之中是否包含cat，结果返回true
/cat/.test('cats and dogs') // true
// 正则表达式使用了g修饰符，表示是全局搜索，会有多个结果
// 三次使用test方法，每一次开始搜索的位置都是上一次匹配的后一个位置
var r = /x/g;
var s = '_x_x';
r.lastIndex // 0
r.test(s) // true
r.lastIndex // 2
r.test(s) // true
r.lastIndex // 4
r.test(s) // false
// 带有g修饰符时，可以通过正则对象的lastIndex属性指定开始搜索的位置
// 从字符串的第五个位置开始搜索，这个位置是没有字符的，所以返回false
var r = /x/g;
var s = '_x_x';
r.lastIndex = 4;
r.test(s) // false
// 如果正则模式是一个空字符串，则匹配所有字符串
new RegExp('').test('abc') // true

RegExp.prototype.exec()

正则实例对象的exec方法，用来返回匹配结果。如果发现匹配，就返回一个数组，成员是匹配成功的子字符串，否则返回null

1
2
3
4
5
6
7
// 正则对象r1匹配成功，返回一个数组，成员是匹配结果；正则对象r2匹配失败，返回null
var s = '_x_x';
var r1 = /x/;
var r2 = /y/;
r1.exec(s) // ["x"]
r2.exec(s) // null

如果正则表示式包含圆括号，则返回的数组会包括多个成员

第一个成员是整个匹配成功的结果，后面的成员就是圆括号对应的匹配成功的组

第二个成员对应第一个括号,整个数组的length属性等于组匹配的数量再加1

1
2
3
4
5
// 第一个成员是整个匹配的结果，第二个成员是圆括号匹配的结果
var s = '_x_x';
var r = /_(x)/;
r.exec(s) // ["_x", "x"]

exec方法的返回数组包含以下两个属性

  • input：整个原字符串。
  • index：整个模式匹配成功的开始位置（从0开始计数）
1
2
3
4
5
6
7
8
// index属性等于1，是因为从原字符串的第二个位置开始匹配成功
var r = /a(b+)a/;
var arr = r.exec('_abbba_aba_');
arr // ["abbba", "bbb"]
arr.index // 1
arr.input // "_abbba_aba_"

字符串的实例方法

字符串的实例方法之中，有4种与正则表达式有关

  • String.prototype.match()：返回一个数组，成员是所有匹配的子字符串
  • String.prototype.search()：按照给定的正则表达式进行搜索，返回一个整数，表示匹配开始的位置
  • String.prototype.replace()：按照给定的正则表达式进行替换，返回替换后的字符串
  • String.prototype.split()：按照给定规则进行字符串分割，返回一个数组，包含分割后的各个成员

String.prototype.match()

字符串实例对象的match方法对字符串进行正则匹配，返回匹配结果

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
// 字符串的match方法与正则对象的exec方法非常类似：匹配成功返回一个数组，匹配失败返回null
var s = '_x_x';
var r1 = /x/;
var r2 = /y/;
s.match(r1) // ["x"]
s.match(r2) // null
// 如果正则表达式带有g修饰符，则该方法与正则对象的exec方法行为不同，会一次性返回所有匹配成功的结果
var s = 'abba';
var r = /a/g;
s.match(r) // ["a", "a"]
r.exec(s) // ["a"]
// 设置正则表达式的lastIndex属性，对match方法无效，匹配总是从字符串的第一个字符开始
var r = /a|b/g;
r.lastIndex = 7;
'xaxb'.match(r) // ['a', 'b']
r.lastIndex // 0

字符串对象的search方法，返回第一个满足条件的匹配结果在整个字符串中的位置。如果没有任何匹配，则返回-1

1
2
// 第一个匹配结果出现在字符串的1号位置
'_x_x'.search(/x/) // 1

String.prototype.replace()

字符串对象的replace方法可以替换匹配的值。它接受两个参数，第一个是正则表达式，表示搜索模式，第二个是替换的内容

正则表达式如果不加g修饰符，就替换第一个匹配成功的值，否则替换所有匹配成功的值

1
2
3
4
5
6
7
// 最后一个正则表达式使用了g修饰符，导致所有的b都被替换掉了
'aaa'.replace('a', 'b') // "baa"
'aaa'.replace(/a/, 'b') // "baa"
'aaa'.replace(/a/g, 'b') // "bbb"
// replace方法的一个应用，就是消除字符串首尾两端的空格
str.replace(/^\s+|\s+$/g, '') // "#id div.class"

replace方法的第二个参数可以使用美元符号$，用来指代所替换的内容

  • $&：匹配的子字符串
  • $`：匹配结果前面的文本
  • $’：匹配结果后面的文本
  • $n：匹配成功的第n组内容，n是从1开始的自然数
  • $$：指代美元符号$
1
2
3
4
5
6
// 第一个例子是将匹配的组互换位置，第二个例子是改写匹配的值
'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1')
// "world hello"
'abc'.replace('b', '[$`-$&-$\']')
// "a[a-b-c]c"

String.prototype.split()

字符串对象的split方法按照正则规则分割字符串，返回一个由分割后的各个部分组成的数组

该方法接受两个参数，第一个参数是正则表达式，表示分隔规则，第二个参数是返回数组的最大成员数

1
2
3
4
5
6
7
8
9
10
11
12
// 上面代码使用正则表达式，去除了子字符串的逗号后面的空格
// 非正则分隔
'a,  b,c, d'.split(',')
// [ 'a', '  b', 'c', ' d' ]
// 正则分隔，去除多余的空格
'a,  b,c, d'.split(/, */)
// [ 'a', 'b', 'c', 'd' ]
// 指定返回数组的最大成员
'a,  b,c, d'.split(/, */, 2)
[ 'a', 'b' ]

匹配规则

字面量字符和元字符

大部分字符在正则表达式中，就是字面的含义，比如/a/匹配a，/b/匹配b

某个字符只表示它字面的含义（就像前面的a和b），那么它们就叫做“字面量字符”

1
2
// 正则表达式的dog，就是字面量字符，所以/dog/匹配old dog，因为它就表示d、o、g三个字母连在一起
/dog/.test('old dog') // true

一部分字符有特殊含义，不代表字面的意思。它们叫做“元字符”

点字符（.)

点字符（.）匹配除回车（\r）、换行(\n) 、行分隔符（\u2028）和段分隔符（\u2029）以外的所有字符

1
2
// c.t匹配c和t之间包含任意一个字符的情况，只要这三个字符在同一行，比如cat、c2t、c-t等等，但是不匹配coot
/c.t/

位置字符

位置字符用来提示字符所处的位置，主要有两个字符

  • ^表示字符串的开始位置
  • $表示字符串的结束位置
1
2
3
4
5
6
7
8
9
// test必须出现在开始位置
/^test/.test('test123') // true
// test必须出现在结束位置
/test$/.test('new test') // true
// 从开始位置到结束位置只有test
/^test$/.test('test') // true
/^test$/.test('test test') // false

选择符（|）

竖线符号（|）在正则表达式中表示“或关系”（OR），即cat|dog表示匹配cat或dog

1
2
// 正则表达式指定必须匹配11或22
/11|22/.test('911') // true

转义符

正则表达式中那些有特殊含义的元字符，如果要匹配它们本身，就需要在它们前面要加上反斜杠。比如要匹配+，就要写成+

1
2
3
4
5
6
7
// 第一个正则表达式之所以不匹配，因为加号是元字符，不代表自身
// 第二个正则表达式使用反斜杠对加号转义，就能匹配成功
/1+1/.test('1+1')
// false
/1\+1/.test('1+1')
// true

特殊字符

  • \cX 表示Ctrl-[X]，其中的X是A-Z之中任一个英文字母，用来匹配控制字符
  • [\b] 匹配退格键(U+0008)，不要与\b混淆
  • \n 匹配换行键
  • \r 匹配回车键
  • \t 匹配制表符 tab（U+0009）
  • \v 匹配垂直制表符（U+000B）
  • \f 匹配换页符（U+000C）
  • \0 匹配null字符（U+0000）
  • \xhh 匹配一个以两位十六进制数（\x00-\xFF）表示的字符
  • \uhhhh 匹配一个以四位十六进制数（\u0000-\uFFFF）表示的 Unicode 字符

字符类

字符类（class）表示有一系列字符可供选择，只要匹配其中一个就可以了

所有可供选择的字符都放在方括号内，比如[xyz] 表示x、y、z之中任选一个匹配

1
2
3
// 字符串hello world不包含a、b、c这三个字母中的任一个，所以返回false；字符串apple包含字母a，所以返回true
/[abc]/.test('hello world') // false
/[abc]/.test('apple') // true

脱字符（^）

如果方括号内的第一个字符是[^]，则表示除了字符类之中的字符，其他字符都可以匹配

比如，[^xyz]表示除了x、y、z之外都可以匹配

1
2
3
// 字符串hello world不包含字母a、b、c中的任一个，所以返回true；字符串bbc不包含a、b、c以外的字母，所以返回false
/[^abc]/.test('hello world') // true
/[^abc]/.test('bbc') // false

如果方括号内没有其他字符，即只有[^]，就表示匹配一切字符，其中包括换行符

相比之下，点号作为元字符（.）是不包括换行符的

1
2
3
4
5
6
// 字符串s含有一个换行符，点号不包括换行符，所以第一个正则表达式匹配失败
// 第二个正则表达式[^]包含一切字符，所以匹配成功
var s = 'Please yes\nmake my day!';
s.match(/yes.*day/) // null
s.match(/yes[^]*day/) // [ 'yes\nmake my day']

连字符（-）

某些情况下，对于连续序列的字符，连字符（-）用来提供简写形式，表示字符的连续范围

比如，[abc]可以写成[a-c]，[0123456789]可以写成[0-9]，同理[A-Z]表示26个大写字母

1
2
3
4
// 当连字号（dash）不出现在方括号之中，就不具备简写的作用，只代表字面的含义，所以不匹配字符b
// 只有当连字号用在方括号之中，才表示连续的字符序列
/a-z/.test('b') // false
/[a-z]/.test('b') // true

合法的字符类简写形式

1
2
3
[0-9.,]
[0-9a-fA-F]
[a-zA-Z0-9-]

预定义模式

预定义模式指的是某些常见模式的简写方式

  • \d 匹配0-9之间的任一数字，相当于[0-9]
  • \D 匹配所有0-9以外的字符，相当于[^0-9]
  • \w 匹配任意的字母、数字和下划线，相当于[A-Za-z0-9_]
  • \W 除所有字母、数字和下划线以外的字符，相当于[^A-Za-z0-9_]
  • \s 匹配空格（包括换行符、制表符、空格符等），相等于[ \t\r\n\v\f]
  • \S 匹配非空格的字符，相当于[^ \t\r\n\v\f]
  • \b 匹配词的边界
  • \B 匹配非词边界，即在词的内部
1
2
3
4
5
6
7
8
9
10
11
12
13
14
// \s表示空格，所以匹配结果会包括空格
// \b表示词的边界，所以world的词首必须独立（词尾是否独立未指定），才会匹配
// 同理，\B表示非词的边界，只有world的词首不独立，才会匹配
// \s 的例子
/\s\w*/.exec('hello world') // [" world"]
// \b 的例子
/\bworld/.test('hello world') // true
/\bworld/.test('hello-world') // true
/\bworld/.test('helloworld') // false
// \B 的例子
/\Bworld/.test('hello-world') // false
/\Bworld/.test('helloworld') // true

重复类

模式的精确匹配次数，使用大括号（{}）表示

{n}表示恰好重复n次，{n,}表示至少重复n次，{n,m}表示重复不少于n次，不多于m次

1
2
3
// 第一个模式指定o连续出现2次，第二个模式指定o连续出现2次到5次之间
/lo{2}k/.test('look') // true
/lo{2,5}k/.test('looook') // true

量词符

量词符用来设定某个模式出现的次数

  • ?问号表示某个模式出现0次或1次，等同于{0, 1}
  • *星号表示某个模式出现0次或多次，等同于{0,}
  • +加号表示某个模式出现1次或多次，等同于{1,}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
// t 出现0次或1次
/t?est/.test('test') // true
/t?est/.test('est') // true
// t 出现1次或多次
/t+est/.test('test') // true
/t+est/.test('ttest') // true
/t+est/.test('est') // false
// t 出现0次或多次
/t*est/.test('test') // true
/t*est/.test('ttest') // true
/t*est/.test('tttest') // true
/t*est/.test('est') // true

贪婪模式

量词符，默认情况下都是最大可能匹配，即匹配直到下一个字符不满足匹配规则为止。这被称为贪婪模式

1
2
3
4
5
6
7
// 默认是贪婪模式，会一直匹配到字符a不出现为止，所以匹配结果是3个a
var s = 'aaa';
s.match(/a+/) // ["aaa"]
// 贪婪模式改为非贪婪模式，可以在量词符后面加一个问号
var s = 'aaa';
s.match(/a+?/) // ["a"]
  • *?：表示某个模式出现0次或多次，匹配时采用非贪婪模式
  • +?：表示某个模式出现1次或多次，匹配时采用非贪婪模式

修饰符

修饰符（modifier）表示模式的附加规则，放在正则模式的最尾部

修饰符可以单个使用，也可以多个一起使用

1
2
3
4
5
// 单个修饰符
var regex = /test/i;
// 多个修饰符
var regex = /test/ig;

g 修饰符

默认情况下，第一次匹配成功后，正则对象就停止向下匹配了

g修饰符表示全局匹配（global），加上它以后，正则对象将匹配全部符合条件的结果，主要用于搜索和替换

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
// 正则模式不含g修饰符，每次都是从字符串头部开始匹配
// 连续做了三次匹配，都返回true
var regex = /b/;
var str = 'abba';
regex.test(str); // true
regex.test(str); // true
regex.test(str); // true
// 正则模式含有g修饰符，每次都是从上一次匹配成功处，开始向后匹配
// 因为字符串abba只有两个b，所以前两次匹配结果为true，第三次匹配结果为false
var regex = /b/g;
var str = 'abba';
regex.test(str); // true
regex.test(str); // true
regex.test(str); // false

i 修饰符

默认情况下，正则对象区分字母的大小写，加上i修饰符以后表示忽略大小写

1
2
3
// 加了i修饰符以后，不考虑大小写，所以模式abc匹配字符串ABC
/abc/.test('ABC') // false
/abc/i.test('ABC') // true

m 修饰符

m修饰符表示多行模式（multiline），会修改^和$的行为

默认情况下（即不加m修饰符时），^和$匹配字符串的开始处和结尾处

加上m修饰符以后，^和$还会匹配行首和行尾，即^和$会识别换行符（\n）

1
2
3
4
5
6
7
8
// 字符串结尾处有一个换行符。如果不加m修饰符，匹配不成功，因为字符串的结尾不是world
// 加上以后，$可以匹配行尾
/world$/.test('hello world\n') // false
/world$/m.test('hello world\n') // true
// 匹配行首的b，如果不加m修饰符，就相当于b只能处在字符串的开始处
// 加上b修饰符以后，换行符\n也会被认为是一行的开始
/^b/m.test('a\nb') // true

组匹配

概述

正则表达式的括号表示分组匹配，括号中的模式可以用来匹配分组的内容

1
2
3
// 第一个模式没有括号，结果+只表示重复字母d，第二个模式有括号，结果+就表示匹配fred这个词
/fred+/.test('fredd') // true
/(fred)+/.test('fredfred') // true

分组捕获

1
2
3
4
5
6
7
8
9
// 正则表达式/(.)b(.)/一共使用两个括号，第一个括号捕获a，第二个括号捕获c
// 使用组匹配时，不宜同时使用g修饰符，否则match方法不会捕获分组的内容
var m = 'abcabc'.match(/(.)b(.)/);
m // ['abc', 'a', 'c']
// 使用带g修饰符的正则表达式，结果match方法只捕获了匹配整个表达式的部分
// 这时必须使用正则表达式的exec方法，配合循环，才能读到每一轮匹配的组捕获
var m = 'abcabc'.match(/(.)b(.)/g);
m // ['abc', 'abc']

非捕获组

(?:x)称为非捕获组（Non-capturing group），表示不返回该组匹配的内容，即匹配的结果中不计入这个括号

1
2
3
// 一共使用了两个括号。其中第一个括号是非捕获组，所以最后返回的结果中没有第一个括号，只有第二个括号匹配的内容
var m = 'abc'.match(/(?:.)b(.)/);
m // ["abc", "c"]

先行断言

x(?=y)称为先行断言（Positive look-ahead），x只有在y前面才匹配，y不会被计入返回结果

要匹配后面跟着百分号的数字，可以写成/\d+(?=%)/

1
2
3
// b在c前面所以被匹配，但是括号对应的c不会被返回
var m = 'abc'.match(/b(?=c)/);
m // ["b"]

先行否定断言

x(?!y)称为先行否定断言（Negative look-ahead），x只有不在y前面才匹配，y不会被计入返回结果

比如，要匹配后面跟的不是百分号的数字，就要写成/\d+(?!%)/

1
2
3
4
5
6
7
8
// 只有不在小数点前面的数字才会被匹配，因此返回的结果就是14
// “先行否定断言”中，括号里的部分是不会返回的
/\d+(?!\.)/.exec('3.14')
// ["14"]
// b不在c前面所以被匹配，而且括号对应的d不会被返回
var m = 'abd'.match(/b(?!c)/);
m // ['b']