正则表达式（JavaScript）

正则表达式（JavaScript）

1. 了解正则表达式

1.1. 什么是正则表达式

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

• 列出目录时，dir .txt 或 ls .txt 中的 .txt 就不是一个正则表达式,因为这里 与正则式的 * 的含义是不同的。
• 构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为”元字符”）组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

1.2. 常用的正则表达式匹配工具

• 在线匹配工具：
  
  1. www.regexper.com
  2. www.regexpal.com
  3. www.rubular.com
• 正则匹配软件：
  McTracer

2. 正则表达式语法

2.1. 创建正则表达式

我们有两种方式构造正则表达式：

1. 使用RegExp对象构造函数构造一个正则表达式对象。
   var reg = new RegExp("abc");
2. 使用斜杠(/)字符将模式包围起来，生成一个字面值。
   var reg = /abc/;

2.2. 元字符

正则表达式由两种基本字符类型组成：

• 原义文本字符
• 元字符

元字符是指在正则表达式中有特殊含义的非字母字符，下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为：

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，’n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 ‘\’ 匹配 “\” 而 “(” 则匹配 “(“。
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性， 它也匹配 ‘\n’ 或 ‘\r’ 之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，”do(es)?” 可以匹配 “do” 或 “does” 中的”do” 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，’o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，’o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。’o{1,}’ 等价于 ‘o+’。’o{0,}’ 则等价于 ‘o*’。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，”o{1,3}” 将匹配 “fooooood” 中的前三个 o。’o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 “oooo”，’o+?’ 将匹配单个 “o”，而 ‘o+’ 将匹配所有 ‘o’。
.	匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用像”(.
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 9 属性。要匹配圆括号字符，请使用 ‘(’ 或 ‘)’。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (
(?=pattern)	正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，’Windows (?=95
(?!pattern)	负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如’Windows (?!95
x	y
[xyz]	字符集合。匹配所包含的任意一个字符。例如， ‘[abc]’ 可以匹配 “plain” 中的 ‘a’。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’、’l’、’i’、’n’。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。’er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \ f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
\W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长例如，’\x41’ 匹配 “A”。’\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码。
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，’(.)\1’ 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如，
\u00A9	匹配版权符号 (?)。

2.3. 字符类和范围类以及边界

我们要取某一类字符的时候可以使用中括号加字符的形式，例如：[abc]匹配中括号中内元素的字符，比如可以匹配”plain”中的’a’。
正则表达式还提供了范围类，我们可以使用[a-z]匹配a到z的字符，如果想要匹配所有的大小写字母，则可以用[a-zA-Z]。

在中括号中使用^表示取反，例如[^a-z]匹配不在a-z范围内的字符。但是用在正则表达式中表示匹配输入字符串的起始位置。

正则表达式给我们提供了一些预定义类来方便我们的使用，例如.、\d、\w、\s等，具体用法见上表。
正则表达式还提供了几个常用的边界匹配符，如下：

2.4. 量词

先解释三个概念

• 贪婪(贪心) 如”*”字符 贪婪量词会首先匹配整个字符串，尝试匹配时，它会选定尽可能多的内容，如果 失败则回退一个字符，然后再次尝试回退的过程就叫做回溯，它会每次回退一个字符，直到找到匹配的内容或者没有字符可以回退。相比其他两种贪婪量词对资源的消耗是最大的。
• 懒惰(勉强) 如 “?” 懒惰量词使用另一种方式匹配，它从目标的起始位置开始尝试匹配，每次检查一个字符，并寻找它要匹配的内容，如此循环直到字符结尾处。
• 占有 如”+” 占有量词会覆盖事个目标字符串，然后尝试寻找匹配内容 ，但它只尝试一次，不会回溯，就好比先抓一把石头，然后从石头中挑出黄金。

常用的量词有:

正则表达式默认为贪婪模式，尽可能多的去匹配，如果想要让正则表达式尽可能少的匹配，则需要用到”?”。
当”?”紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 “oooo”，’o+?’ 将匹配单个 “o”，而 ‘o+’ 将匹配所有 ‘o’。

字符	含义
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

3. 正则表达式进阶

3.1. 分组和或

正则表达式中正常情况下量词只对前一个字符或字符类起作用，如果想让他对固定的字符串起作用，就需要分组。分组其实就是一个括号里的内容，可以使量词作用于分组，例如/(tristan){1,3}/括号中就是一个分组。

“或”的概念就是匹配一个字符串或者另一个字符串，用”|”表示，例如/Tristan | Henry/，没有分组的情况下或作用于字符串，有分组的情况下或作用于分组，例如/Trist(an | He)nry/。

反向引用，当我们替换或者其他操作需要前面引用替换的字符串时，可以使用”$”符号依次得到匹配的分组的字符串。例如，将”2017-02-08”替换为”02/08/2017”，需要替换的字符串不可能是一成不变的，所以需要使用反向引用，方法为：
'2017-02-08'.replace(/(\d{4})-(\d{2})-(\d{2})/g, '$2/$3$1');

关于分组常有的用法如下：

字符	含义
(exp)	匹配exp,并捕获文本到自动命名的组里
(?<\name>exp)	匹配exp,并捕获文本到名称为name的组里
(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号

3.2 前瞻

正则表达式从文本头部向尾部开始解析，文本尾部方向成为前。

前瞻就是在正则表达式匹配到规则的时候，向前检查是否符合断言，后顾/后瞻方向相反。JavaScript不支持后顾。
符合和不符合特定断言成为肯定/正向匹配和否定/负向匹配。

名称	正则	含义
正向前瞻	exp(?=assert)	前面正则表达式匹配并且后面符合断言
负向前瞻	exp(?!assert)	前面正则表达式匹配并且后面不符合断言
正向后顾	exp(?<=assert)	JavaScript不支持
负向后顾	exp(?	JavaScript不支持

4. JavaScript中的正则表达式

4.1. 对象属性

• global: 是否全局搜索，默认为false(只读)；
• ignoreCase: 是否大小写敏感，默认为false(只读)；
• multiline: 是否多行搜索，默认为false(只读)；
• lastIndex: 是当前表达式匹配内容的最后一个字符的下一个位置，当正则表达式启用了全局(g)并且使用exec匹配模式时可以使用；
• source: 正则表达式的文本字符串；

4.2. test和exec方法

1. RegExp.prototype.test(str):
   
   • 用于检测字符串参数中是否存在匹配正则表达式模式的字符串
   • 如果存在则返回true，否则返回false

注意：正则表达式为全局搜索时，会出现多次执行结果不一致问题，原因为全局搜索模式下，每次执行方法会在lastIndex属性的位置开始搜索，而lastIndex属性随着每次搜索而改变，这样在匹配完最后一个匹配结果后剩下的字符串就没有了匹配结果，test方法就会返回false。所以test方法尽量不要用全局搜索(非全局下lastIndex不生效)。

2. RegExp.prototype.exec(str):
   
   • 使用正则表达式模式对字符串执行搜索，并更新全局RegExp对象的属性以反映匹配结果。
   • 如果没有匹配的文本则返回null，否则返回一个结果数组:
     - index 声明匹配文本的第一个字符的位置
     - input 存放被检索的字符串string

调用非全局的RegExp对象的exec()时，返回数组:

• 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(一个分组)匹配的文本（如果有的话）
  • 第三个元素是与RegExpObject的第二个子表达式(一个分组)相匹配的文本（如果有的话），以此类推

调用全局的RegExp对象的exec()时，可以循环得到所有的匹配字符串。

4.3. 字符串对象方法

1. String.protatype.search(reg):

   • 检索字符串中是否有指定子字符串，或是否有与正则表达式相匹配的子字符串
   • 方法返回第一个匹配结果的index，没有匹配返回-1
   • 方法不执行全局匹配，它忽略标志g，并且总是从字符串的开始进行检索

2. String.protatype.match(reg):

   • match()方法将检索字符串，以找到一个或多个与reg匹配的字符串
   • reg是否具有标志g对结果影响很大

如果reg没有标志g，那么march()方法就只能在字符串中执行一次匹配，如果没有找到匹配文本返回null，否则返回一个数组，其中存放了与他找到的匹配文本有关的信息：

• 第一个元素存放的是匹配文本，其余元素存放的是与正则表达式的子表达式匹配的文本
• 数组还含有两个对象属性：index 和input

如果reg具有标志g，则march()方法将执行全局检索，找到字符串中的所有匹配子字符串，如果没有找到任何匹配的子串，返回null；如果找到了一个或多个匹配子串，则返回一个数组，其中存放字符串中所有的匹配子串，而且没有index和input属性。

3. String.protatype.split(reg):
   以reg为界限将字符串分割为一个字符串数组。

4. String.protatype.replace:
   将一个字符串中的一部分替换成另一个字符串。

   • String.protatype.replace(str, replaceStr)
   • String.protatype.replace(reg, replaceStr)
   • String.protatype.replace(reg, function)
     function中参数的定义：
     
     1. 匹配的字符串
     2. 正则表达式分组的内容，没有分组则没有该参数
     3. 匹配项在字符串中的index
     4. 原字符串

1 'a1b2c3d4e5'.replace(/(\d)(\w)(\d)/g, function(match, group1, group2, group3, index, origin){
2      return parseInt(group1) + parseInt(group3);
3  });

5. 正则表达式示例