什么是正则?
正则表达式(regular expression)是一种表达文本模式(即字符串结构)的方法,有点像字符串的模板,常常用来按照“给定模式”匹配文本。比如,正则表达式给出一个 Email 地址的模式,然后用它来确定一个字符串是否为 Email 地址。JavaScript 的正则表达式体系是参照 Perl 5 建立的。
建立正则表达式
使用内置RegExp构造函数
var reg=new RegExp("martin");
直接建立
var reg=/martin/;
以上两种建立正则的方式是等效的,,不过一般第二种方式用的更多一些。
接受参数
正则表达式除了接受一个字面量字符参数,还可以接受一个修饰符作为参数。
var reg=/martin/g //var reg=new RegExp("martin","g");
说完基本的正则概念和接受参数,接下来说一下正则的匹配规则,这一块也是面试和笔试考察的重点。
匹配规则
在说匹配规则之前我们先说一下正则中的字符分类。
字面量字符和元字符
字面量字符:只表示它字面的含义,就像上面代码中的martin,也就是实际用于匹配的字符。
元字符:不代表字符本身字面的意思,而是有特殊含义的字符,也就是帮助字面量字符达到更好的匹配效果的辅助字符。
其中元字符又分为很多类,具体类型如下:
元字符 |
点字符(.) |
匹配除回车( |
位置字符号(^和$) |
|
|
选择符(|) |
竖线符号( |
- 点字符(.)
var reg=/1.3/; //表示匹配1和3之间包含任意一个字符的情况,除特殊符外,如:"1-3","1.3","123"等; //但是一个点只能匹配一个字符,如:"1223"则无法匹配成功
- 位置字符(^和$)
var reg=/^13/; //表示以"13"字符串开头的字符串 reg.test("134") //true var reg=/13$/; //表示以"13"字符串结束的字符串 reg.test("134") //false reg.test("4 31") //true var reg=/^13$/; //注意:表示从开始到结束位置只有"13"这个字符串 reg.test("13") //true reg.test("1313") //false
注意: /^13$/
这个正则表达式很容易让人理解成匹配以字符串"13"开始和结尾的字符串,如:"1313",但实际上它是表示从开始到结束位置只有"13"这个字符串。
- 选择符(|)
var reg=/11|22||33/; //表示匹配"11"或者"22"或者"33" reg.test("11") //true reg.test("22") //true
注意:选择符会匹配包括它前后的多个字符,比如 /11|22/
指的是匹配"11"或者"22",而不是指匹配1或者2,。如果想匹配1或者2,可以添加括号来实现,如:
var reg=/1(1|2)2/; reg.test("112") //true reg.test("122") //true
转义字符
如果要在正则表达式中使用具有特殊含义的字符,如:$,^等,也就是如果要匹配它们本身,那就需要用到转义字符了,也就是在他们前面加上"\"反斜杠,比如要匹配$,则写成\$。
正则表达式中,需要反斜杠转义的,一共有12个字符:^
、.
、[
、$
、(
、)
、|
、*
、+
、?
、{
和\\
。需要特别注意的是,如果使用RegExp
方法生成正则对象,转义需要使用两个斜杠,因为字符串内部会先转义一次。
var reg=/1\$/; //表示匹配字符串"1$",而不是以1结尾的字符串 reg.test("1") //false reg.test("1$") //true
特殊字符
正则表达式对一些不能打印的特殊字符,提供了表达方法。
\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
字符类表示有一系列字符可供选择,只要匹配其中一个就可以。表示方法为将所有可供选择的字符都放在方括号内,比如[xyz]表示匹配x、y、z中的任意一个就可以。
var reg=/[abc]/; //表示匹配a,b,c中任一字符皆可 reg.test("hello") //false reg.test("apple") //true
说到这里同学们应该会想到之前说过的选择符吧,[xyz]就等效于(x|y|z),两者可相互转换。
Q:那既然两种字符功能可以相互转换,为啥有了选择符还要字符类呢?
A:因为字符类除了能表示选择,还包括另外两种字符,脱字符和连字符,这两种字符又有新的功,可以将字符类理解成选择符的一种超集。
- 脱字符(^)
表示可以匹配除字符类中字符以外的所有字符,因为这个符号和位置字符中的"^"开始位置字符是相同的,所以在使用时要注意区别,直接"^"放在正则表达式开头的是位置字符,放在"[]"中开头的"^"表示的是脱字符。
var reg=/^123/; //位置字符 reg.test("1234"); //true var reg=/[^123]/; //脱字符 reg.test("123"); //false reg.test("4") //true
- 连字符(-)
表示匹配连续字符序列中的任意一个字符,如:[abcdef]可以写成[a-f],[012345678]可以写成[0-9]等,这大大提升了字符类书写的简便性。
var reg=/0-9/; //表示匹配字符串"0-9" reg.test("0") //false reg.test("0-9")//true var reg=/[0-9]/; reg.test("0") //false
==注意:虽然连字符用起来十分简便,但是一定要避免过度使用连字符,因为连字符往往设定的是一个比较大的范围,如果不注意可能会匹配到意料之外的一些字符。比如:[A-z],表面上它是要匹配到A-Z和a-z这52个字符,但是实际上在ASCII编码中,在Z和a之间还有很多其他字符,所以可能机会出现意料之外的匹配效果。
var reg=/[A-z]/; reg.test('['); //true
分析:因为"["字符在Z和a之间,所以也能被匹配到。
预定义模式
预定义模式是指某些常见模式的简写方式,可以理解成是内置的正则表达。
\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。
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,默认匹配的是单个字符,若想要重复字符串,可以使用括号。
var reg=/12{2,5}3/; //默认表示匹配单个字符"2"的次数为2-5次 reg.test("1223") //true reg.test("12123") //false var reg=/(12){2,5}3/; //表示匹配字符串"12"的次数为2-5次 reg.test("1223") //false reg.test("12123") //true
量词符
量词符是内置用来设定某个模式出现的次数的,默认也是匹配单个字符的次数。
?
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,}
。
贪婪和非贪婪模式
- 贪婪模式(默认):即最大可能匹配,匹配直到下一个字符不满足匹配规则为止,上面说的三个量词符,默认模式都为贪婪模式。
var s = 'aaa'; var reg=/a+/; s.match(reg); //["aaa"]
- 非贪婪模式:即最小可能匹配,匹配到一个满足匹配规则的字符就停止,将贪婪模式改为非贪婪模式只需要在量词符后面加一个问号。
var s = 'aaa'; var reg=/a+?/; s.match(reg); //["a"]
总结:
*?
: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,有g,i,m三种修饰符。
修饰符可以单个使用,也可以多个一起使用。
// 单个修饰符 var reg = /test/i; // 多个修饰符 var reg = /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。
var s = 'aaa'; var reg=/a+?/; s.match(reg); //["a"] var s = 'aaa'; var reg=/a+?/g; s.match(reg); //["a","a","a"]
- 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(ignorecase)
var s = 'Aaa'; var reg=/a/; s.match(reg); //["a"] var s = 'Aaa'; var reg=/a/i; s.match(reg); //["A"]
- 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
)。
var s = 'ab\n ab'; var reg=/ab$/m; s.match(reg); //["ab"] var s = 'ab\n ab'; var reg=/ab$/gm; s.match(reg); //["ab","ab"]会按行进行匹配,会识别\n换行符,这里的第一行以ab结尾,第二行也以ab结尾